【摘要】：轉(zhuǎn)子系統(tǒng)在石油石化行業(yè)中應(yīng)用廣泛,一旦發(fā)生故障可能造成人員傷亡、財產(chǎn)損失等十分嚴(yán)重的后果。轉(zhuǎn)子系統(tǒng)故障診斷過程中存在兩個問題:(1)轉(zhuǎn)子故障診斷主要依據(jù)振動信號,但其運(yùn)行工況復(fù)雜、環(huán)境噪聲大,導(dǎo)致轉(zhuǎn)子系統(tǒng)故障診斷率低。(2)轉(zhuǎn)子系統(tǒng)在智能故障識別過程中,故障特征選擇沒有統(tǒng)一標(biāo)準(zhǔn)受人為因素影響很大,最終導(dǎo)致振動監(jiān)測故障診斷率低。針對以上兩個問題,以轉(zhuǎn)子系統(tǒng)為研究對象,提出基于差值尺度譜和卷積神經(jīng)網(wǎng)絡(luò)的轉(zhuǎn)子故障診斷方法,降低噪聲及人為因素對故障識別準(zhǔn)確率的影響。本文主要研究內(nèi)容如下:(1)從理論、模擬信號分析、實驗信號分析三個方面,研究轉(zhuǎn)子系統(tǒng)主要故障類型、時域故障特征、頻域故障特征以及時頻域故障特征,結(jié)果表明時域圖、頻域圖及時頻域圖(小波尺度譜圖)在無噪聲情況下可以清晰分辨出不平衡、不對中、碰摩和基座松動故障,但是在大噪聲背景下無法有效識別故障類型,轉(zhuǎn)子系統(tǒng)故障診斷需要一種能在大噪聲背景下提取故障特征的方法。(2)由于最大相關(guān)峭度解卷積濾波可以有效提取大噪聲中的沖擊分量,希爾伯特包絡(luò)譜和小波尺度譜可以凸顯沖擊分量,所以提出一種基于最大相關(guān)峭度解卷積濾波、希爾伯特包絡(luò)譜及重排尺度小波譜結(jié)合的差值小波尺度譜方法,通過該方法獲得的振動信號差值小波尺度譜在倍頻分量處幅值較高,可以有效分辨大噪聲背景下的轉(zhuǎn)子系統(tǒng)故障類型,并且采用模擬信號及實驗信號證明差值小波尺度譜,可以提取大噪聲背景下的故障特征。(3)提出一種基于改進(jìn)卷積神經(jīng)網(wǎng)絡(luò)及差值小波尺度譜相結(jié)合的故障診斷方法,該方法將一維振動數(shù)據(jù)處理成差值小波尺度譜,然后輸入卷積神經(jīng)網(wǎng)絡(luò)分類,不需要人為選擇特征。設(shè)計該方法的實現(xiàn)步驟,通過轉(zhuǎn)子系統(tǒng)實驗分析驗證該方法的故障診斷準(zhǔn)確率可達(dá)到96%。(4)研究兩種消除過擬合的方法,限制神經(jīng)元及Dropout在提高神經(jīng)網(wǎng)絡(luò)稀疏程度及增加網(wǎng)絡(luò)泛化能力方面的效果,并根據(jù)該結(jié)果確定最優(yōu)保持概率p等于0.4,將卷積神經(jīng)網(wǎng)絡(luò)優(yōu)化為深度稀疏矯正卷積神經(jīng)網(wǎng)絡(luò),對比實驗結(jié)果,該模型分類準(zhǔn)確性比傳統(tǒng)CNN提高了8個百分點。
【學(xué)位授予單位】：中國石油大學(xué)(北京)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TE65;TQ050.7
【圖文】：

引言著社會進(jìn)步科技水平越來越高，生產(chǎn)所需要的機(jī)械設(shè)備結(jié)構(gòu)趨于大型化，生產(chǎn)過程也更加自動化。因為設(shè)備在運(yùn)行過程中常會受到各種形式的因素影響，導(dǎo)致機(jī)械設(shè)備常會出各種類型的機(jī)械故障，最終引起設(shè)備喪功能，給企業(yè)帶來經(jīng)濟(jì)損失、環(huán)境污染及人員傷亡。為了實現(xiàn)大型機(jī)械的可靠性，降低事故發(fā)生概率，提高企業(yè)的經(jīng)濟(jì)效益和保證其社會效益時識別設(shè)備的各種狀態(tài)包括故障狀態(tài)及正常狀態(tài)，對設(shè)備日常運(yùn)行可以重要的指導(dǎo)作用。章作為全文的理論基礎(chǔ)和鋪墊，主要對轉(zhuǎn)子系統(tǒng)的常見故障及其振動時行了詳細(xì)地介紹和分析，并就轉(zhuǎn)子系統(tǒng)常見故障進(jìn)行了轉(zhuǎn)子實驗臺模擬計，為后續(xù)分析與處理提供理論和數(shù)據(jù)支撐。轉(zhuǎn)子主要故障形式及時頻分析 轉(zhuǎn)子不平衡

【引證文獻(xiàn)】

相關(guān)碩士學(xué)位論文 前1條

1 甘磊;深度學(xué)習(xí)模式識別法及其在旋轉(zhuǎn)機(jī)械故障診斷中的應(yīng)用[D];湖南大學(xué);2018年

本文編號：2768783