發(fā)布時(shí)間：2017-05-19 10:10

  本文關(guān)鍵詞：基于多模型估計(jì)的轉(zhuǎn)子典型故障診斷與參數(shù)識(shí)別方法研究，由筆耕文化傳播整理發(fā)布。

【摘要】：當(dāng)前對(duì)于轉(zhuǎn)子故障的診斷基本是采用基于振動(dòng)信號(hào)特征結(jié)合經(jīng)驗(yàn)的方法，往往包含較多人為的判斷。近些年雖出現(xiàn)了一些智能診斷方法，但其診斷精度多依賴于大量的故障事例和故障數(shù)據(jù)，其實(shí)際應(yīng)用存在局限性。為豐富轉(zhuǎn)子故障診斷的手段，提高診斷能力，本文重點(diǎn)研究基于多模型估計(jì)和參數(shù)估計(jì)的轉(zhuǎn)子故障診斷方法。論文的主要研究工作如下： 1.針對(duì)剛性支承單盤轉(zhuǎn)子系統(tǒng)，對(duì)多種典型故障（不對(duì)中、碰摩、裂紋、彎曲）分別作故障機(jī)理和動(dòng)力學(xué)分析，得出了不同故障型式下的轉(zhuǎn)子運(yùn)動(dòng)微分方程。歸納總結(jié)單故障模型，建立了多重故障狀態(tài)下的動(dòng)力學(xué)方程。 2.將多模型估計(jì)方法運(yùn)用到轉(zhuǎn)子系統(tǒng)常見(jiàn)的碰摩、不對(duì)中以及裂紋等故障的診斷中。研究表明，多模型估計(jì)方法對(duì)于單一參數(shù)未知的模型有著很好的應(yīng)用，然而對(duì)于多個(gè)參數(shù)未知的模型，由于參數(shù)間的排列組合大大增加卡爾曼濾波器個(gè)數(shù)，進(jìn)而做出不必要的濾波，降低計(jì)算速度。為此，，將極值區(qū)間搜索方法與多模型估計(jì)理論相結(jié)合，提出了一種針對(duì)多參數(shù)未知模型的故障診斷新方法。 3.將擴(kuò)展卡爾曼濾波EKF方法運(yùn)用到彎曲故障、不對(duì)中故障以及裂紋故障的故障診斷中。為了提高參數(shù)識(shí)別的收斂性和穩(wěn)定性，引入了EKF-WGI算法。針對(duì)EKF解決強(qiáng)非線性可能會(huì)失效的問(wèn)題，提出了一種EKF參數(shù)估計(jì)與多模型估計(jì)聯(lián)合診斷新方法，仿真驗(yàn)算證實(shí)了該方法的有效性與實(shí)用性。 4.將粒子濾波算法引入到旋轉(zhuǎn)機(jī)械的故障診斷中，通過(guò)仿真完成了粒子濾波算法對(duì)轉(zhuǎn)子系統(tǒng)單一故障，尤其對(duì)多重故障的診斷。針對(duì)單跨雙盤轉(zhuǎn)子系統(tǒng)，運(yùn)用粒子濾波算法實(shí)現(xiàn)了對(duì)裂紋識(shí)別和定位。 5.在轉(zhuǎn)子實(shí)驗(yàn)臺(tái)上模擬裂紋故障、不對(duì)中故障、彎曲故障以及彎曲裂紋復(fù)合故障；分別用多模型估計(jì)方法、EKF-WGI方法和粒子濾波方法分別對(duì)故障振動(dòng)信號(hào)進(jìn)行故障診斷；實(shí)驗(yàn)驗(yàn)證了三種故障診斷方法的有效性；最后從幾個(gè)方面分析三種方法各自的優(yōu)缺點(diǎn)。
【關(guān)鍵詞】：轉(zhuǎn)子 故障診斷 多模型估計(jì) 卡爾曼濾波 粒子濾波
【學(xué)位授予單位】：上海交通大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2013
【分類號(hào)】：TH165.3
【目錄】：

• 摘要5-7
• ABSTRACT7-12
• 第一章 緒論12-20
• 1.1 課題研究背景和意義12
• 1.2 當(dāng)前故障診斷方法12-18
• 1.2.1 基于信號(hào)處理的故障診斷方法13-14
• 1.2.2 基于知識(shí)的故障診斷方法14-15
• 1.2.3 基于解析模型的方法15-18
• 1.3 本文研究?jī)?nèi)容18-20
• 第二章 轉(zhuǎn)子典型故障動(dòng)力學(xué)分析20-40
• 2.1 剛性支撐單盤轉(zhuǎn)子系統(tǒng)模型20-21
• 2.2 轉(zhuǎn)子不對(duì)中21-25
• 2.2.1 不對(duì)中故障轉(zhuǎn)子系統(tǒng)運(yùn)動(dòng)微分方程22-23
• 2.2.2 不對(duì)中故障轉(zhuǎn)子系統(tǒng)振動(dòng)數(shù)值仿真23-25
• 2.3 裂紋轉(zhuǎn)子25-31
• 2.3.1 開(kāi)閉裂紋26-27
• 2.3.2 開(kāi)關(guān)函數(shù)27-28
• 2.3.3 裂紋故障轉(zhuǎn)子系統(tǒng)運(yùn)動(dòng)微分方程28-29
• 2.3.4 裂紋故障轉(zhuǎn)子系統(tǒng)振動(dòng)仿真29-30
• 2.3.5 剛度變化對(duì)轉(zhuǎn)子系統(tǒng)振動(dòng)的影響30-31
• 2.4 轉(zhuǎn)子碰摩31-34
• 2.4.1 碰摩故障轉(zhuǎn)子系統(tǒng)運(yùn)動(dòng)微分方程32-33
• 2.4.2 碰摩故障轉(zhuǎn)子系統(tǒng)振動(dòng)仿真33-34
• 2.5 轉(zhuǎn)子彎曲34-36
• 2.5.1 彎曲故障轉(zhuǎn)子系統(tǒng)運(yùn)動(dòng)微分方程34-35
• 2.5.2 彎曲故障轉(zhuǎn)子系統(tǒng)振動(dòng)仿真35-36
• 2.6 多故障轉(zhuǎn)子動(dòng)力學(xué)模型36-39
• 2.6.1 多故障轉(zhuǎn)子系統(tǒng)運(yùn)動(dòng)微分方程36-37
• 2.6.2 多故障轉(zhuǎn)子系統(tǒng)振動(dòng)仿真37-39
• 2.7 本章小結(jié)39-40
• 第三章 基于多模型估計(jì)的轉(zhuǎn)子故障診斷方法40-61
• 3.1 多模型估計(jì)原理40-45
• 3.1.1 多模型估計(jì)基本原理40-41
• 3.1.2 多模型自適應(yīng)卡爾曼濾波器41-45
• 3.1.3 卡爾曼濾波器的應(yīng)用與實(shí)現(xiàn)45
• 3.2 碰摩故障分析45-51
• 3.2.1 構(gòu)造卡爾曼濾波器模型45-47
• 3.2.2 構(gòu)造多模型估計(jì)器47-48
• 3.2.3 碰摩故障診斷48-51
• 3.3 裂紋故障分析51-54
• 3.3.1 構(gòu)建卡爾曼濾波器模型51-53
• 3.3.2 構(gòu)建多模型估計(jì)器53
• 3.3.3 裂紋故障診斷53-54
• 3.4 不對(duì)中故障分析54-56
• 3.4.1 構(gòu)建卡爾曼濾波器模型54-55
• 3.4.2 構(gòu)建多模型估計(jì)器55-56
• 3.4.3 不對(duì)中故障診斷56
• 3.5 多個(gè)未知參數(shù)的故障診斷56-60
• 3.5.1 算法提出56-58
• 3.5.2 算法應(yīng)用58-60
• 3.6 多模型估計(jì)的實(shí)際應(yīng)用60
• 3.7 本章小結(jié)60-61
• 第四章 基于 EKF 參數(shù)估計(jì)的轉(zhuǎn)子故障診斷方法61-80
• 4.1 擴(kuò)展卡爾曼濾波器理論（EKF）61-62
• 4.2 基于 EKF 的參數(shù)識(shí)別方法62-63
• 4.3 彎曲故障分析63-66
• 4.3.1 彎曲故障參數(shù)估計(jì)方程63-64
• 4.3.2 彎曲故障診斷64-66
• 4.4 不對(duì)中轉(zhuǎn)子66-68
• 4.4.1 參數(shù)估計(jì)方程66-67
• 4.4.2 不對(duì)中故障診斷67-68
• 4.5 加權(quán)整體迭代的擴(kuò)展卡爾曼濾波方法（EKF-WGI）68-73
• 4.5.1 EKF-WGI68-70
• 4.5.2 EKF-WGI 的應(yīng)用實(shí)例70-73
• 4.6 轉(zhuǎn)子系統(tǒng)阻尼系數(shù)估計(jì)73-77
• 4.6.1 正常轉(zhuǎn)子系統(tǒng)振動(dòng)仿真74-75
• 4.6.2 參數(shù)估計(jì)方程75-76
• 4.6.3 阻尼系數(shù)估計(jì)結(jié)果76-77
• 4.7 參數(shù)估計(jì)-多模型估計(jì)方法77-79
• 4.7.1 參數(shù)估計(jì)-多模型估計(jì)方法的提出77
• 4.7.2 參數(shù)估計(jì)-多模型估計(jì)方法的應(yīng)用77-79
• 4.8 本章小結(jié)79-80
• 第五章 基于粒子濾波的轉(zhuǎn)子故障診斷方法80-91
• 5.1 粒子濾波算法概述80-83
• 5.1.1 基本粒子濾波算法80-81
• 5.1.2 重采樣算法81-83
• 5.1.3 粒子濾波算法在轉(zhuǎn)子系統(tǒng)故障診斷中的應(yīng)用83
• 5.2 粒子濾波在單一故障轉(zhuǎn)子系統(tǒng)上的應(yīng)用83-84
• 5.3 粒子濾波在多故障轉(zhuǎn)子系統(tǒng)上的應(yīng)用84-87
• 5.4 粒子濾波在轉(zhuǎn)子系統(tǒng)裂紋定位上的應(yīng)用87-90
• 5.4.1 單跨雙盤轉(zhuǎn)子運(yùn)動(dòng)微分方程87-89
• 5.4.2 單跨雙盤轉(zhuǎn)子仿真振動(dòng)信號(hào)89
• 5.4.3 裂紋識(shí)別89-90
• 5.5 本章小結(jié)90-91
• 第六章 故障診斷方法的實(shí)驗(yàn)驗(yàn)證91-119
• 6.1 實(shí)驗(yàn)臺(tái)組成91-96
• 6.1.1 BENTLY-RK4 轉(zhuǎn)子系統(tǒng)91
• 6.1.2 信號(hào)測(cè)量系統(tǒng)91-93
• 6.1.3 轉(zhuǎn)子系統(tǒng)參數(shù)的確定93-96
• 6.2 故障實(shí)驗(yàn)96-100
• 6.2.1 裂紋故障96-97
• 6.2.2 不對(duì)中故障97-98
• 6.2.3 彎曲故障98-99
• 6.2.4 彎曲和裂紋復(fù)合故障99-100
• 6.3 故障診斷100-117
• 6.3.1 基于多模型估計(jì)方法的故障診斷100-104
• 6.3.2 基于參數(shù)估計(jì)方法的故障診斷104-114
• 6.3.3 基于粒子濾波方法的故障診斷114-117
• 6.4 故障診斷方法比較117-118
• 6.5 本章小結(jié)118-119
• 第七章 總結(jié)與展望119-121
• 7.1 總結(jié)119-120
• 7.2 展望120-121
• 參考文獻(xiàn)121-126
• 致謝126-127
• 攻讀碩士學(xué)位期間已發(fā)表或錄用的論文127

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 尚久銓;卡爾曼濾波法在結(jié)構(gòu)動(dòng)態(tài)參數(shù)估計(jì)中的應(yīng)用[J];地震工程與工程振動(dòng);1991年02期

2 柳玉甜;蔣靜坪;;基于多模型和小腦模型關(guān)節(jié)控制器神經(jīng)網(wǎng)絡(luò)的移動(dòng)機(jī)器人故障診斷[J];電工技術(shù)學(xué)報(bào);2007年03期

3 崔平遠(yuǎn),黃曉瑞;基于聯(lián)合卡爾曼濾波的多傳感器信息融合算法及其應(yīng)用[J];電機(jī)與控制學(xué)報(bào);2001年03期

4 裴福俊;孫新蕊;崔平遠(yuǎn);;基于線性優(yōu)化粒子濾波的捷聯(lián)慣導(dǎo)初始對(duì)準(zhǔn)方法[J];高技術(shù)通訊;2008年05期

5 周東華,王桂增;第五講 故障診斷技術(shù)綜述[J];化工自動(dòng)化及儀表;1998年01期

6 方力先,陳仲儀;小波變換在核電站一回路松動(dòng)件定位的應(yīng)用研究[J];核科學(xué)與工程;2001年01期

7 單振興;楊宏文;胡衛(wèi)東;郁文賢;;基于多模型濾波的只測(cè)角跟蹤方法[J];火力與指揮控制;2007年10期

8 程建;周越;蔡念;楊杰;;基于粒子濾波的紅外目標(biāo)跟蹤[J];紅外與毫米波學(xué)報(bào);2006年02期

9 肖乾;多模型估計(jì)理論[J];艦船科學(xué)技術(shù);2005年02期

10 馮新,周晶,陳健云;一種結(jié)構(gòu)參數(shù)識(shí)別的兩階段方法[J];計(jì)算力學(xué)學(xué)報(bào);2002年02期

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前1條

1 董清華;地基、結(jié)構(gòu)及其相互作用系統(tǒng)參數(shù)識(shí)別理論[D];西安建筑科技大學(xué);2004年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前1條

1 陳婷艷;航天器運(yùn)動(dòng)部件振動(dòng)特性與故障診斷方法研究[D];上海交通大學(xué);2010年

  本文關(guān)鍵詞：基于多模型估計(jì)的轉(zhuǎn)子典型故障診斷與參數(shù)識(shí)別方法研究，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：378395