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

【文章來源】：北京建筑大學北京市

【文章頁數(shù)】：71 頁

【學位級別】：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1.3.1 故障診斷方法故障診斷是一種能夠及時了解機械工作狀態(tài)以及判斷機械是否“生病”的技術，一共分為兩部分，一個是檢測，另一個是診斷[10]。故障診斷的過程一般先是對通過傳感器獲得到機械設備的信息（一般是指針對信號）進行檢查，將得到的信息輸入到診斷部分，通過信號分析以及診斷方法能夠及時準確的判斷出該機械設備是否發(fā)生故障，如果真的發(fā)生故障，通過對機械設備進行故障診斷能夠及時的判斷出該故障發(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。機械故障診斷的一般過程如圖 1.2[11]，主要是先從機械設備上采集診斷信號，將通過傳感器得到的數(shù)據(jù)進行處理，一般是信號處理，得到設備的特征信息，將這些振動信號的特征整理輸入到分類、識別、判斷系統(tǒng)中，根據(jù)以往的經(jīng)驗進行判定機械設備是否發(fā)生故障、故障的類型以及位置或者預測故障等等，最終進行故障診斷決策[12]。

模式具有重要的意義。繞壓裂車及其動力端的結構和工作究是本文主要研究內(nèi)容與方向。本章論知識，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[系統(tǒng)，如圖 2.1 為壓裂車的結構圖[2；潤滑系統(tǒng)是為這個壓裂車中的機系統(tǒng)通過液壓油液體進行傳輸力

【參考文獻】：
期刊論文
[1]基于改進卷積受限玻爾茲曼機的滾動軸承故障診斷[J]. 張俊玲,陳志剛,許旭,張楠,謝貽東.  組合機床與自動化加工技術. 2019(05)
[2]基于VMD濾波和極值點包絡階次的滾動軸承故障診斷[J]. 武英杰,辛紅偉,王建國,王曉龍.  振動與沖擊. 2018(14)
[3]基于EMD與深度信念網(wǎng)絡的滾動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.  機械傳動. 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.  自動化學報. 2018(06)
[5]壓裂泵車車載發(fā)動機支撐橫梁的性能評估[J]. 孫汝奇,岳愛麗,劉健,肖文生.  機械設計與制造. 2018(05)
[6]一種車載壓裂泵齒輪箱的設計與制造[J]. 夏志民,王德海,王樹甲.  中國高新科技. 2018(08)
[7]基于改進棧式稀疏去噪自編碼器的圖像去噪[J]. 馬紅強,馬時平,許悅雷,呂超,辛鵬,朱明明.  計算機工程與應用. 2018(04)
[8]基于VMD的故障特征信號提取方法[J]. 趙昕海,張術臣,李志深,李富才,胡越.  振動.測試與診斷. 2018(01)
[9]滾動軸承實時智能故障診斷算法研究[J]. 陳科,顧森茂,鄭紅梅.  電子測量與儀器學報. 2018(01)
[10]棧式稀疏加噪自編碼深度神經(jīng)網(wǎng)絡的滾動軸承損傷程度診斷[J]. 陳仁祥,楊星,楊黎霞,王家序,徐向陽,陳思楊.  振動與沖擊. 2017(21)

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

碩士論文
[1]基于振動信號降噪與分解的軸承故障診斷研究[D]. 黃陽.西安理工大學 2018
[2]基于深度學習的三維模型識別及檢索研究[D]. 王慧.長春工業(yè)大學 2018
[3]6500HP型壓裂泵動力驅(qū)動的研究[D]. 姚千里.蘭州理工大學 2018
[4]全液壓壓裂車大流量換向閥結構設計及仿真研究[D]. 郭舒.長安大學 2016
[5]基于小波分析和在線極限學習機的滾動軸承故障診斷方法研究[D]. 韓寶珠.北京交通大學 2016
[6]復合無量綱免疫檢測器在機組故障診斷技術的應用研究[D]. 覃愛淞.太原理工大學 2013
[7]石油鉆井傳動滾動軸承的振動信號分析與故障診斷[D]. 陳季云.江蘇大學 2007



本文編號：2930616