油氣關(guān)鍵設(shè)備中齒輪箱多處于變轉(zhuǎn)速、變荷載等復(fù)雜工況下,這使其故障劣化趨勢呈現(xiàn)多模式、非線性、不確定性等特點。然而傳統(tǒng)物理傳感技術(shù)由于動態(tài)性不強(qiáng)、精確度不高等問題,造成其難以同時滿足在線監(jiān)測與準(zhǔn)確表征設(shè)備退化狀態(tài)的要求。而基于智能推理模型的虛擬傳感技術(shù)通過集成直接傳感與間接傳感技術(shù)的優(yōu)勢,為實時有效監(jiān)測設(shè)備運(yùn)行狀態(tài)提供了新的思路。其次,齒輪箱退化趨勢在實際過程中通常呈現(xiàn)非線性、非高斯性等特點,這為趨勢預(yù)測模型準(zhǔn)確估計設(shè)備剩余壽命（Remaining Useful Life,RUL）造成了極大的挑戰(zhàn)。因而,從提升齒輪箱監(jiān)測手段與發(fā)展趨勢預(yù)測模型兩個方面入手,開展基于虛擬傳感的設(shè)備安全預(yù)測理論與模型研究,對于實現(xiàn)齒輪箱的早期狀態(tài)預(yù)警與趨勢預(yù)測具有重要的理論意義和實用價值。本文就如何將虛擬傳感技術(shù)及粒子濾波（Particle Filter,PF）方法更好地應(yīng)用于設(shè)備狀態(tài)監(jiān)測及趨勢預(yù)測展開了研究:（1）通過整合直接傳感與間接傳感技術(shù),研究基于智能推理模型的虛擬傳感技術(shù)用于構(gòu)建易測在線輔助變量與難測關(guān)鍵變量之間的關(guān)聯(lián)關(guān)系,從而實現(xiàn)齒輪箱運(yùn)行狀態(tài)的實時在線監(jiān)測。針對齒輪箱運(yùn)行過程中退化樣本小的特點,... 

【文章來源】：中國石油大學(xué)(北京)北京市 211工程院校 教育部直屬院校

【文章頁數(shù)】：80 頁

【學(xué)位級別】：碩士

【部分圖文】：

煉化設(shè)備煙氣輪機(jī)：a)煙氣輪機(jī)機(jī)組，b)煙氣輪機(jī)內(nèi)部結(jié)構(gòu)

300 350 400 450 500 550 6002.533.544.555.566.5x 10-3Median90%CI300 350 400 450 500 550 6000.60.81Median90%CI時間 (*180,000轉(zhuǎn))參概數(shù)率m分的布參概數(shù)率C分的布圖 4.9 利用傳統(tǒng) PF 方法所估計的模型參數(shù)分布Fig. 4.9 Distribution of model parameters estimated by conventional PF approac

圖 4.20 現(xiàn)場輸油離心泵的實驗裝置圖Fig. 4.20 The experimental diagram of oil centrifugal pump in the field為了在線監(jiān)測輸油泵的退化狀態(tài)，數(shù)據(jù)采集與監(jiān)視控制系統(tǒng)(SupervisoControl And Data Acquisition ， SCADA) 和 基 于 振 動 的 狀 態(tài) 監(jiān) 測 (ConditioMonitoring，CM)系統(tǒng)均被應(yīng)用。首先，SCADA 系統(tǒng)可測量包括轉(zhuǎn)速、扭矩、輸出功率、溫度及振動速度信號在內(nèi)的關(guān)鍵傳感參數(shù)。另一方面，基于振動的 CM系統(tǒng)以測量加速度信號為主，所采集的原始信號由安裝在泵軸承驅(qū)動端和非驅(qū)動端的加速度傳感器獲取。其中，加速度信號以 10KHz 的高采樣頻率每次持續(xù) 0.4采樣得到，而 SCADA 系統(tǒng)通常記錄 1Hz 采樣頻率下 10 分鐘內(nèi)的樣本均值。最后從傳感器所獲取的原始信號可通過光纖傳輸至上位機(jī)，從而方便后期運(yùn)行工況辨識與故障狀態(tài)預(yù)測。4.5.2 特征選擇與融合在這個模塊里，對應(yīng)所辨識的運(yùn)行工況，多個典型的特征指標(biāo)從 SCADA 和基于振動的 CM 系統(tǒng)中所提取。而后，上述特征指標(biāo)被進(jìn)一步選擇與融合，從而實

【參考文獻(xiàn)】：
期刊論文
[1]基于遺傳神經(jīng)網(wǎng)絡(luò)的旋轉(zhuǎn)機(jī)械故障預(yù)測方法研究[J]. 張琪,吳亞鋒,李鋒.  計算機(jī)測量與控制. 2016(02)
[2]基于核主元分析和支持向量機(jī)相結(jié)合的齒輪箱齒輪故障識別方法[J]. 王加祥,吳斌,蘇紅偉.  上海電機(jī)學(xué)院學(xué)報. 2015(04)
[3]基于振動分析的風(fēng)力機(jī)齒輪箱故障診斷[J]. 楊明莉,劉三明,張衛(wèi),劉琦.  電機(jī)與控制應(yīng)用. 2015(01)
[4]基于支持向量回歸方法的齒輪箱故障診斷研究[J]. 沈長青,朱忠奎,黃偉國,孔凡讓.  振動.測試與診斷. 2013(05)
[5]基于粒子濾波算法的疲勞裂紋擴(kuò)展預(yù)測方法[J]. 袁慎芳,張華,邱雷,楊偉博.  航空學(xué)報. 2013(12)
[6]小波相關(guān)排列熵和HMM在故障預(yù)測中的應(yīng)用[J]. 馮輔周,司愛威,江鵬程.  振動工程學(xué)報. 2013(02)
[7]粒子濾波參數(shù)估計方法在齒輪箱剩余壽命預(yù)測中的應(yīng)用研究[J]. 孫磊,賈云獻(xiàn),蔡麗影,張星輝.  振動與沖擊. 2013(06)
[8]基于粒子濾波的移動機(jī)器人目標(biāo)追蹤控制改進(jìn)算法[J]. 康倩,侯媛彬,張譯文.  計算機(jī)測量與控制. 2013(01)
[9]基于相對特征和多變量支持向量機(jī)的滾動軸承剩余壽命預(yù)測[J]. 申中杰,陳雪峰,何正嘉,孫闖,張小麗,劉治汶.  機(jī)械工程學(xué)報. 2013(02)
[10]基于材料低周疲勞的裂紋擴(kuò)展預(yù)測模型[J]. 陳龍,蔡力勛.  工程力學(xué). 2012(10)

博士論文
[1]抽油機(jī)齒輪箱故障診斷系統(tǒng)的研究[D]. 王金玉.東北石油大學(xué) 2015
[2]粒子濾波算法及其應(yīng)用研究[D]. 梁軍.哈爾濱工業(yè)大學(xué) 2009
[3]裂紋擴(kuò)展與損傷演化理論與應(yīng)用研究[D]. 吳建國.北京航空航天大學(xué) 2009
[4]基于人工智能和虛擬儀器技術(shù)的發(fā)動機(jī)故障診斷專家系統(tǒng)研究[D]. 李增芳.浙江大學(xué) 2004

碩士論文
[1]基于裂紋擴(kuò)展理論的風(fēng)電齒輪箱零件動態(tài)可靠性建模[D]. 劉小剛.蘭州理工大學(xué) 2014
[2]基于振動信號的齒輪箱智能故障診斷方法研究[D]. 張任.北京化工大學(xué) 2013
[3]基于最大期望和勢能函數(shù)的滾動軸承故障識別算法研究[D]. 孫麗杰.遼寧大學(xué) 2013
[4]轉(zhuǎn)子疲勞裂紋擴(kuò)展的研究[D]. 張啟迪.華東理工大學(xué) 2013
[5]基于粒子濾波的非線性系統(tǒng)故障診斷與預(yù)測方法研究[D]. 劉志倉.西安電子科技大學(xué) 2013
[6]基于支持向量機(jī)與遺傳算法的故障模式識別及趨勢預(yù)測方法研究[D]. 郭永偉.北京化工大學(xué) 2012
[7]基于人工神經(jīng)網(wǎng)絡(luò)的旋轉(zhuǎn)機(jī)械故障診斷專家系統(tǒng)[D]. 梅杰.武漢理工大學(xué) 2011
[8]基于振動信號分析的齒輪箱故障診斷儀的研究[D]. 彭春陽.重慶大學(xué) 2011
[9]基于粒子濾波的運(yùn)動對象追蹤[D]. 高偉義.武漢科技大學(xué) 2008
[10]虛擬傳感器研究[D]. 宋述杰.西北工業(yè)大學(xué) 2004



本文編號：3032036