壓裂車是用來對(duì)油層進(jìn)行壓裂以達(dá)到油井增產(chǎn)的機(jī)械設(shè)備,其工作環(huán)境通常較為復(fù)雜,并且主要工作在高溫、高壓、重載等非常惡劣的狀態(tài)下,極有可能導(dǎo)致壓裂車關(guān)鍵系統(tǒng)或部件出現(xiàn)故障。一旦壓裂車發(fā)生故障,將會(huì)給企業(yè)造成重大經(jīng)濟(jì)損失甚至人員傷亡。因此,開展壓裂車故障診斷方面的研究有重要的現(xiàn)實(shí)意義和理論價(jià)值。目前,針對(duì)壓裂車進(jìn)行故障診斷方面的研究相對(duì)比較少。由于壓裂車結(jié)構(gòu)復(fù)雜、激勵(lì)源眾多,工作狀態(tài)變化大,振動(dòng)信號(hào)通常呈非線性和時(shí)變特性,同時(shí)工作環(huán)境導(dǎo)致采集到的信號(hào)包含較強(qiáng)噪聲,基于這些原因造成了對(duì)壓裂車動(dòng)力端進(jìn)行故障診斷的困難。針對(duì)壓裂車振動(dòng)信號(hào)復(fù)雜、特征不明顯以及故障診斷難等一些問題,本文進(jìn)行了壓裂車動(dòng)力端智能診斷方法的研究工作,主要內(nèi)容包括以下四個(gè)方面:（1）對(duì)壓裂車及其動(dòng)力端的結(jié)構(gòu)和工作原理做了介紹,分析了壓裂車動(dòng)力端典型的故障形式及診斷方式。（2）針對(duì)壓裂車動(dòng)力端振動(dòng)信號(hào)結(jié)構(gòu)復(fù)雜、包含很多噪聲信號(hào)的問題,提出了一種基于VMD-ICA的壓裂車動(dòng)力端降噪方法,將兩者相結(jié)合后進(jìn)行降噪處理,較單一的VMD或ICA降噪方法效果好。結(jié)果證明該方法能夠有效的去除壓裂車動(dòng)力端采集到的振動(dòng)信號(hào)中的噪聲信號(hào)。（3）針... 

【文章來源】：北京建筑大學(xué)北京市

【文章頁數(shù)】：71 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

全球壓裂車的產(chǎn)能分布圖

第 1 章 緒論1.3 故障診斷方法及趨勢(shì)1.3.1 故障診斷方法故障診斷是一種能夠及時(shí)了解機(jī)械工作狀態(tài)以及判斷機(jī)械是否“生病”的技術(shù)，一共分為兩部分，一個(gè)是檢測(cè)，另一個(gè)是診斷[10]。故障診斷的過程一般先是對(duì)通過傳感器獲得到機(jī)械設(shè)備的信息（一般是指針對(duì)信號(hào)）進(jìn)行檢查，將得到的信息輸入到診斷部分，通過信號(hào)分析以及診斷方法能夠及時(shí)準(zhǔn)確的判斷出該機(jī)械設(shè)備是否發(fā)生故障，如果真的發(fā)生故障，通過對(duì)機(jī)械設(shè)備進(jìn)行故障診斷能夠及時(shí)的判斷出該故障發(fā)生的故障類型，有些算法甚至可以有效的判斷出故障發(fā)生的位置。機(jī)械故障診斷的一般過程如圖 1.2[11]，主要是先從機(jī)械設(shè)備上采集診斷信號(hào)，將通過傳感器得到的數(shù)據(jù)進(jìn)行處理，一般是信號(hào)處理，得到設(shè)備的特征信息，將這些振動(dòng)信號(hào)的特征整理輸入到分類、識(shí)別、判斷系統(tǒng)中，根據(jù)以往的經(jīng)驗(yàn)進(jìn)行判定機(jī)械設(shè)備是否發(fā)生故障、故障的類型以及位置或者預(yù)測(cè)故障等等，最終進(jìn)行故障診斷決策[12]。

模式具有重要的意義。繞壓裂車及其動(dòng)力端的結(jié)構(gòu)和工作究是本文主要研究?jī)?nèi)容與方向。本章論知識(shí)，為特征提取以及故障診斷，工作環(huán)境通常處在高壓重載狀態(tài)力端進(jìn)行故障診斷前，需要充分了部分，其中主要包含的系統(tǒng)有四個(gè)[系統(tǒng)，如圖 2.1 為壓裂車的結(jié)構(gòu)圖[2；潤(rùn)滑系統(tǒng)是為這個(gè)壓裂車中的機(jī)系統(tǒng)通過液壓油液體進(jìn)行傳輸力

【參考文獻(xiàn)】：
期刊論文
[1]基于改進(jìn)卷積受限玻爾茲曼機(jī)的滾動(dòng)軸承故障診斷[J]. 張俊玲,陳志剛,許旭,張楠,謝貽東.  組合機(jī)床與自動(dòng)化加工技術(shù). 2019(05)
[2]基于VMD濾波和極值點(diǎn)包絡(luò)階次的滾動(dòng)軸承故障診斷[J]. 武英杰,辛紅偉,王建國(guó),王曉龍.  振動(dòng)與沖擊. 2018(14)
[3]基于EMD與深度信念網(wǎng)絡(luò)的滾動(dòng)軸承故障特征分析與診斷方法[J]. 俞嘯,范春旸,董飛,丁恩杰,吳守鵬,王昕.  機(jī)械傳動(dòng). 2018(06)
[4]基于群決策的道岔控制電路故障診斷方法[J]. 董煒,劉明明,王良順,趙輝,辜勛.  自動(dòng)化學(xué)報(bào). 2018(06)
[5]壓裂泵車車載發(fā)動(dòng)機(jī)支撐橫梁的性能評(píng)估[J]. 孫汝奇,岳愛麗,劉健,肖文生.  機(jī)械設(shè)計(jì)與制造. 2018(05)
[6]一種車載壓裂泵齒輪箱的設(shè)計(jì)與制造[J]. 夏志民,王德海,王樹甲.  中國(guó)高新科技. 2018(08)
[7]基于改進(jìn)棧式稀疏去噪自編碼器的圖像去噪[J]. 馬紅強(qiáng),馬時(shí)平,許悅雷,呂超,辛鵬,朱明明.  計(jì)算機(jī)工程與應(yīng)用. 2018(04)
[8]基于VMD的故障特征信號(hào)提取方法[J]. 趙昕海,張術(shù)臣,李志深,李富才,胡越.  振動(dòng).測(cè)試與診斷. 2018(01)
[9]滾動(dòng)軸承實(shí)時(shí)智能故障診斷算法研究[J]. 陳科,顧森茂,鄭紅梅.  電子測(cè)量與儀器學(xué)報(bào). 2018(01)
[10]棧式稀疏加噪自編碼深度神經(jīng)網(wǎng)絡(luò)的滾動(dòng)軸承損傷程度診斷[J]. 陳仁祥,楊星,楊黎霞,王家序,徐向陽,陳思楊.  振動(dòng)與沖擊. 2017(21)

博士論文
[1]基于短時(shí)奇異譜分析的滾動(dòng)軸承故障診斷方法研究[D]. 徐劍.浙江大學(xué) 2017
[2]基于神經(jīng)網(wǎng)絡(luò)和模糊邏輯的智能推薦系統(tǒng)研究[D]. 曹渝昆.重慶大學(xué) 2006

碩士論文
[1]基于振動(dòng)信號(hào)降噪與分解的軸承故障診斷研究[D]. 黃陽.西安理工大學(xué) 2018
[2]基于深度學(xué)習(xí)的三維模型識(shí)別及檢索研究[D]. 王慧.長(zhǎng)春工業(yè)大學(xué) 2018
[3]6500HP型壓裂泵動(dòng)力驅(qū)動(dòng)的研究[D]. 姚千里.蘭州理工大學(xué) 2018
[4]全液壓壓裂車大流量換向閥結(jié)構(gòu)設(shè)計(jì)及仿真研究[D]. 郭舒.長(zhǎng)安大學(xué) 2016
[5]基于小波分析和在線極限學(xué)習(xí)機(jī)的滾動(dòng)軸承故障診斷方法研究[D]. 韓寶珠.北京交通大學(xué) 2016
[6]復(fù)合無量綱免疫檢測(cè)器在機(jī)組故障診斷技術(shù)的應(yīng)用研究[D]. 覃愛淞.太原理工大學(xué) 2013
[7]石油鉆井傳動(dòng)滾動(dòng)軸承的振動(dòng)信號(hào)分析與故障診斷[D]. 陳季云.江蘇大學(xué) 2007



本文編號(hào)：2930616