基于形態(tài)學(xué)分形的往復(fù)式壓縮機(jī)氣閥故障診斷方法.pdf

1、往復(fù)式壓縮機(jī)由于其振源眾多、結(jié)構(gòu)繁雜，導(dǎo)致氣閥振動(dòng)信號(hào)不僅具有時(shí)頻特性，更包含有一定分形特征。本論文針對(duì)氣閥振動(dòng)信號(hào)的分形特性，采用自適應(yīng)波形分解與形態(tài)學(xué)分形相結(jié)合的方法，開(kāi)展了氣閥故障診斷方法研究，主要工作如下:
　　1、開(kāi)展了基于經(jīng)驗(yàn)?zāi)B(tài)分解(EMD)、局部均值分解(LMD)及自適應(yīng)波形分解(AWD）等時(shí)頻域分解算法的氣閥故障診斷方法研究，實(shí)現(xiàn)氣閥典型故障特征的提取，并對(duì)比分析了幾種方法的降噪效果。結(jié)果表明，AWD算法降噪效果

2、優(yōu)于EMD、LMD算法。
　　2、開(kāi)展了基于熵值法（排列熵、樣本熵、近似熵）與傳統(tǒng)分形維數(shù)（盒維數(shù)、關(guān)聯(lián)維數(shù)）等非線性分析方法的氣閥故障診斷方法研究，實(shí)現(xiàn)了氣閥典型故障模式的識(shí)別，并對(duì)比分析了幾種非線性分析方法的識(shí)別效果。結(jié)果表明，傳統(tǒng)非線性算法只能識(shí)別氣閥正常與故障狀態(tài)，無(wú)法識(shí)別幾類典型故障模式。
　　3、開(kāi)展了基于形態(tài)學(xué)分形維數(shù)與高階累積量分形維數(shù)的氣閥故障診斷方法研究，結(jié)合分段分形維數(shù)與廣義覆蓋面積等改進(jìn)方法，并分析對(duì)