旋轉與往復式機械系統(tǒng)故障特征提取及診斷方法研究.pdf

1、機械設備運行狀態(tài)的好壞直接影響到機械設備的工作狀況。本文基于支持向量機方法構建的風力機葉片和發(fā)動機兩個模塊。
　　 模態(tài)分析確定了風力機的固有頻率和振型，提取風力機葉片的前七固有頻率找到相對應的振型，通過振型判斷出葉片的根部、距葉尖1/6、1/3、1/2等振型結點處受到的疲勞應力大，確定了葉片的危險截面。
　　 從風力機的振動信號中提取其葉片運行狀態(tài)的動態(tài)參數(shù)，將其動態(tài)參數(shù)作為葉片運行狀態(tài)故障監(jiān)測與診斷的特征量。計算對應

2、葉片低頻特性的功率譜，從中提取對應葉片低頻的峰值能量值及計算其變化率。對葉片的正常、故障狀態(tài)的峰值能量變化率分別建立不同狀態(tài)的特征向量，用支持向量機分類方法進行故障模式的識別。
　　 在發(fā)動機不解體的情況下，通過分析發(fā)動機的結構和振動信號的傳遞路徑，選擇合適的測點進行信號的采集，通過上止點的定位截取整周期的時域信號，按照發(fā)動機曲軸轉角進行時域信號的劃分，對劃分后的信號進行幅值能量的計算提取，建立不同故障類型的訓練集和測試集，通過

3、支持向量機的方法實現(xiàn)故障模式識別。
　　 基于MATLAB的圖形化編程，搭建了旋轉與往復式機械故障診斷系統(tǒng)。通過對風力機葉片和發(fā)動機的數(shù)據(jù)進行歸一化、降維和參數(shù)尋優(yōu)的處理，通過支持向量機的方法實現(xiàn)樣本的訓練和預測，最后在支持向量機的故障分類界面下實現(xiàn)對不同故障類型的預測。
　　 研究結果表明，本文振動信號的采集和故障特征值的提取方法對判別不同故障行之有效，運用支持向量機的方法對風力機葉片和發(fā)動機的故障識別具有重要實用價值