往復式壓縮機是石油化工生產的關鍵設備,它的安全平穩(wěn)運行與氣閥的工作狀態(tài)息息相關。為實現(xiàn)往復式壓縮機氣閥故障的快速診斷,利用小波包分解提取故障特征,基于SVM方法對氣閥故障進行了識別,利用網格搜索進行參數(shù)尋優(yōu),搭建了小波包分解與支持向量機SVM聯(lián)合診斷壓縮機氣閥故障的模型,驗證了支持向量機SVM診斷壓縮機氣閥故障的有效性。簡化了傳統(tǒng)由經驗人員判斷氣閥故障類型的過程,為壓縮機氣閥故障分析、氣閥維修與更換等實際問題提供了理論依據。 

【文章頁數(shù)】：5 頁

【文章目錄】：
1 氣閥的受力分析
2 氣閥振動信號特征參數(shù)提取
    2.1 時域波形分析
    2.2 小波包分解
3 非線性支持向量機(SVM)算法
4 支持向量機預測模型
    4.1 訓練與測試樣本的確定
    4.2 模型參數(shù)的確定
    4.3 氣閥診斷結果分析
5 結論


【參考文獻】：
期刊論文
[1]往復壓縮機環(huán)狀氣閥故障試驗研究[J]. 張謙,趙遠揚,舒悅,王樂,謝傳東.  流體機械. 2018(02)
[2]支持向量機在壓縮機氣閥故障診斷中的應用[J]. 胡新,潘淑微.  自動化儀表. 2017(07)
[3]基于支持向量機數(shù)控機床切削能耗預測方法研究[J]. 陳薇薇,張華,向琴,張業(yè)祥.  機械設計與制造. 2014(11)

博士論文
[1]往復式壓縮機振動信號特征分析及故障診斷方法研究[D]. 趙俊龍.大連理工大學 2010
[2]往復活塞式壓縮機關鍵部件的故障診斷方法研究及應用[D]. 苗剛.大連理工大學 2006

碩士論文
[1]基于EEMD和SVM聯(lián)合診斷的發(fā)動機故障分析[D]. 牛家驊.內蒙古工業(yè)大學 2015
[2]往復式壓縮機氣閥閥片的故障分析與診斷[D]. 李慶.北京化工大學 2008



本文編號：3710547