基于全矢譜的設備故障預測方法研究.pdf_第1頁
已閱讀1頁,還剩133頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

1、機械設備在運行的過程中,由于不同原因會出現(xiàn)各式各樣的故障,這些故障輕則影響運轉(zhuǎn),重責造成重大事故,帶來嚴重的經(jīng)濟損失。正確的故障預測能夠提醒設備管理人員提前采取措施,避免事故的發(fā)生,為設備安全高效地運行提供技術(shù)保障。當前的預測研究仍以單一參數(shù)的數(shù)值預測為主,并不能通過預測對可能發(fā)生的故障的性質(zhì)和部位做出判斷。本文以大型旋轉(zhuǎn)機械為研究對象,針對現(xiàn)有故障預測中存在的不足,從信息融合、數(shù)據(jù)采集、預測建模、產(chǎn)品開發(fā)等多個方面對基于全矢譜的故障預

2、測方法進行研究。解決了傳統(tǒng)預測方法無法預測故障性質(zhì)和部位的問題,利用振動大數(shù)據(jù)進行設備健康預警和評價,為預測技術(shù)的推廣應用提供了基礎保障。論文所做的主要研究工作和取得的成果如下:
  (1)研究了基于全矢信息融合的設備故障預測方法,闡述并構(gòu)建了一維全矢振動強度預測模型(FVMP),二維全矢頻譜結(jié)構(gòu)預測模型(FVSP)和設備故障多維預測模型(FVEP)。在分析全矢譜技術(shù)的基本原理、方法和數(shù)值計算的基礎上建立的預測模型,能夠克服傳統(tǒng)測

3、試方法得到的數(shù)據(jù)反映的設備振動特征不夠全面的問題,根據(jù)全矢融合后的振動信號,預測頻譜結(jié)構(gòu)的變化,判斷故障性質(zhì)并評價設備健康狀態(tài);
  (2)研究了全矢數(shù)據(jù)采集和特征提取方法。分析設計了支持全矢融合的數(shù)據(jù)采集電路和采樣控制策略,并在電廠設備上,驗證了全矢數(shù)據(jù)采集的正確性和可靠性;提出并定義了虛擬傳感器的概念,虛擬傳感器為邏輯上存在的一個傳感器,其輸出為同源兩傳感器信號融合后的結(jié)果;研究表明,在轉(zhuǎn)子同一截面上的信號,靠單一傳感器數(shù)據(jù)得

4、出的診斷結(jié)論是片面的,全矢融合后的數(shù)據(jù)能夠全面的反映設備運行狀態(tài),其頻譜結(jié)構(gòu)和特征值具有唯一性,可用于振動強度和頻譜結(jié)構(gòu)的預測。
  (3)研究了全矢自回歸時序預測模型(FAR)。FAR預測模型將全矢譜信息融合技術(shù)與AR模型分析方法相結(jié)合。對建模步驟、模型識別、參數(shù)估計和遞推計算進行了理論研究和數(shù)據(jù)驗證。FAR模型能夠很好的用于平穩(wěn)時序數(shù)據(jù)的趨勢預測,也為振動強度、故障性質(zhì)、設備狀態(tài)的預測提供了一種行之有效的方法;但對于非平穩(wěn)的運

5、行過程,利用AR預測誤差較大,有一定的局限性。
  (4)研究了全矢灰色預測模型(FGM)。FGM預測模型以全矢譜同源信息融合為基礎,結(jié)合灰色理論,既保證了預測數(shù)據(jù)的可靠性,又實現(xiàn)了對小樣本的趨勢項數(shù)據(jù)的預測能力;全矢灰色模型包括全矢GM(1,1)和全矢MGM(1,m)兩種,全矢MGM(1,m)是對GM(1,1)模型在m元變量下的拓廣。研究表明,全矢灰色模型對于“小樣本”、單調(diào)增長序列具有很好的預測效果,能夠進行振動幅值和頻譜結(jié)構(gòu)

6、的預測。
  (5)研究了全矢綜合預測模型(FVCP)和基于全矢譜的大數(shù)據(jù)預警(FVEW)。FVCP全矢綜合預測模型將全矢FAR模型與全矢FGM模型有機結(jié)合起來。利用經(jīng)驗模態(tài)分解(EMD)分離出數(shù)據(jù)序列中的隨機項和趨勢項,分別送入FAR模型和FGM模型進行預測,并將結(jié)果進行有機整合。FVCP模型充分利用了兩種數(shù)值預測模型的優(yōu)點,研究表明,F(xiàn)VCP全矢綜合預測模型兼顧振動信號隨機性和趨勢性的特點,具有更好的適用性。
  基于全

7、矢譜的大數(shù)據(jù)預警從海量歷史數(shù)據(jù)中提取振動特征,并預測這些特征的變化趨勢,根據(jù)預測得到的各個全矢振動特征值,結(jié)合設備運轉(zhuǎn)過程中的其它如溫度、電流等工藝過程參數(shù),依據(jù)模糊產(chǎn)生式規(guī)則,做出基于大數(shù)據(jù)的設備健康評價和故障預警,可以更好的指導維修決策。
  (6)總結(jié)了研究的全矢故障預測技術(shù),開發(fā)了基于全矢故障預測的相關(guān)軟硬件產(chǎn)品,并應用于工程實踐。開發(fā)的SDC系列智能數(shù)據(jù)采集器,其數(shù)據(jù)采集遵循全矢譜分析技術(shù)對數(shù)據(jù)的要求,支持基于全矢譜技術(shù)

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論