設備狀態(tài)報警技術是設備狀態(tài)監(jiān)測和故障診斷系統(tǒng)的核心技術之一，在監(jiān)測診斷技術向企業(yè)推廣以及推動預知維修體制發(fā)展變革的過程中都發(fā)揮著極其重要的作用。目前工程實際應用的報警技術主要停留在靜態(tài)報警基礎上，即報警線的設置與設備運行情況變化無關。有鑒于此，本文對機械故障診斷中的設備狀態(tài)報警技術進行了深入研究，主要工作如下： 1．綜述了當前設備狀態(tài)報警技術的一些主要方法，并指出了它們存在的不足。在此基礎上，提出了本文的主要研究內容和研究的意義。 2．針對現(xiàn)有的基于概率神經(jīng)網(wǎng)絡的自適應報警技術中的報警閾值設定原則存在的不足，即平滑因子過小不能作為標準差和假設分布為正態(tài)分布，改進了報警閾值的設定原則，使設定的報警線不但能夠自適應地進行調整，而且更符合設備運行的真實情況，從而為設備狀態(tài)的評估提供可靠的依據(jù)。 3．窄帶報警是工程應用中常用的報警技術之一，其報警參數(shù)為某關鍵頻帶的幅值或能量，提取方法主要有兩種：利用三角函數(shù)的正交性和傅立葉頻譜分析技術，前者以信號周期性假設為前提，后者以信號平穩(wěn)性假設為前提，而實際信號卻是非周期、非平穩(wěn)的。針對此不足，本文將小波包分解技術引入到自適應報警技術中... 

【文章來源】：鄭州大學河南省 211工程院校

【文章頁數(shù)】：83 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 課題來源
    1.2 課題的提出與意義
    1.3 國內外研究現(xiàn)狀
    1.4 主要研究內容
    1.5 本章小結
第二章 基于概率神經(jīng)網(wǎng)絡的自適應報警研究
    2.1 設備故障的含義及其特點
    2.2 機械設備常見的故障模式
    2.3 常見機械設備的劣化過程及建模的基本假設
    2.4 模型構建的概率神經(jīng)網(wǎng)絡方法
        2.4.1 基于Bayes分類的概率神經(jīng)網(wǎng)絡
        2.4.2 概率神經(jīng)網(wǎng)絡的基本網(wǎng)絡結構
        2.4.3 概率神經(jīng)網(wǎng)絡的改進
        2.4.4 平滑因子的估計
    2.5 模型構建的數(shù)據(jù)預處理
        2.5.1 歸一化處理
        2.5.2 相同數(shù)據(jù)的處理
        2.5.3 數(shù)據(jù)量過多時網(wǎng)絡結構的優(yōu)化
        2.5.4 數(shù)據(jù)量過少時樣本層的結構優(yōu)化
    2.6 報警參數(shù)的選擇
    2.7 模型的應用與分析
        2.7.1 只包括正常運行數(shù)據(jù)的概率模型
        2.7.2 包括正常和故障數(shù)據(jù)的概率模型
    2.8 設備狀態(tài)自適應報警線的確定
        2.8.1 報警閾值的確定原則
        2.8.2 只包括正常運行數(shù)據(jù)的報警閾值
        2.8.3 包括正常和故障數(shù)據(jù)的報警閾值
        2.8.4 自適應報警線的確定
        2.8.5 自適應報警線的物理意義
    2.9 自適應報警線的自適應性
        2.9.1 設備平穩(wěn)運行時的收縮性
        2.9.2 設備微弱劣化時的包容性
        2.9.3 設備故障時的敏感性
    2.10 本章小結
第三章 小波包分解在自適應報警技術中的應用
    3.1 小波包分解技術引入的必要性
    3.2 小波包分解基本理論
        3.2.1 小波包的定義
        3.2.2 小波包的空間分解
        3.2.3 小波包算法
    3.3 基于小波包分解的報警參數(shù)提取
    3.4 實驗驗證
        3.4.1 只包含正常數(shù)據(jù)時的動態(tài)報警線
        3.4.2 包含正常和故障數(shù)據(jù)時的動態(tài)報警線
    3.5 本章小結
第四章 基全信息技術的自適應報警技術
    4.1 信息融合技術
        4.1.1 理論基礎
        4.1.2 全息譜
        4.1.3 全譜
        4.1.4 全矢譜
        4.1.5 全矢譜數(shù)值算法
    4.2 雙通道信息報警參量提取
    4.3 實驗驗證
        4.3.1 只包含正常數(shù)據(jù)時的動態(tài)報警線
        4.3.2 包含正常和故障數(shù)據(jù)時的動態(tài)報警線
    4.4 本章小結
第五章 基于主分量分析技術的自適應報警技術
    5.1 主分量基本原理
    5.2 主分量的求解
    5.3 主分量的貢獻率及其意義
    5.4 主分量機理研究與改進
        5.4.1 對數(shù)據(jù)的要求
        5.4.2 數(shù)據(jù)標準化
        5.4.3 數(shù)據(jù)陣的計算
        5.4.4 特征向量的確定
    5.5 基本算法和步驟
    5.6 原始數(shù)據(jù)指標篩選
    5.7 實驗驗證
        5.7.1 只包含正常數(shù)據(jù)的自適應報警線確定
        5.7.2 包含正常和故障數(shù)據(jù)的自適應報警線確定
    5.8 本章小結
第六章 結論與展望
    6.1 本文總結
    6.2 本文關鍵技術與創(chuàng)新點
    6.3 展望
參考文獻
攻讀碩士期間的參與的科研項目和發(fā)表的學術論文
致謝


【參考文獻】：
期刊論文
[1]設備振動相對標準值的計算、趨勢分析及應用[J]. 李斌.  江漢石油科技. 2005(03)
[2]設備振動相對標準值的計算、趨勢分析及應用[J]. 李斌.  江漢石油科技. 2005 (03)
[3]旋轉機械同源數(shù)據(jù)全信息倒頻譜分析與應用[J]. 韓捷,董辛旻,郝偉,李凌均.  機械強度. 2005(04)
[4]旋轉機械空間域矢譜分析方法與應用[J]. 韓捷,畢果,郝偉.  機械強度. 2004(06)
[5]高速轉軸的空間進動及振動特征研究[J]. 韓捷,石來德.  振動工程學報. 2004(03)
[6]BP神經(jīng)網(wǎng)絡在風機振動報警時間中的應用[J]. 秦衡峰,卜英勇,王福亮.  鑿巖機械氣動工具. 2004(02)
[7]旋轉機械的全信息能量譜分析方法研究[J]. 韓捷,石來德.  機械強度. 2003(04)
[8]設備 振動 相對標準值的計算及應用[J]. 李斌.  化工設備與防腐蝕. 2003(03)
[9]主變量篩選方法[J]. 胡慶軍,吳翊.  應用數(shù)學學報. 2002(01)
[10]幾種旋轉機器振動評定標準的比較分析[J]. 袁中文.  無損檢測. 2001(10)

碩士論文
[1]基于主成分分析的綜合評價研究[D]. 張鵬.南京理工大學 2004
[2]設備剩余壽命的預測與分析[D]. 邱立鵬.大連理工大學 2000



本文編號：3580082