燃氣輪機軸承故障診斷技術(shù)研究.pdf

1、軸承是燃氣輪機最主要的部件之一,它的狀態(tài)的好壞直接影響著燃氣輪機的工作狀況,輕則造成停機,重則造成重大經(jīng)濟損失或災(zāi)難性事故。因此進行軸承的故障診斷是非常有意義的,它可以減少經(jīng)濟損失,給出維修建議,節(jié)約財產(chǎn),避免事故的發(fā)生。
　　本文分析軸承的結(jié)構(gòu)、故障機理,用希爾伯特黃變換方法(Hilbert-Huang Transform,HHT)對軸承故障原始信號進行研究,引入基于方差能量的信號相關(guān)系數(shù)計算方法,減少了后續(xù)計算量,提高信號處理

2、速度,對貢獻率比較大的幾個分量進行Hilbert變換,可以確定信號頻率的組成成分,判別軸承發(fā)生了何種類型的故障,比小波變換處理同種信號時有自適應(yīng)優(yōu)勢和更廣泛的適用性。進一步研究某未知燃氣輪機機軸承等級數(shù)據(jù)時,發(fā)現(xiàn):不同的濾波頻率會影響結(jié)果的直觀性,但不影響包絡(luò)譜等級的直觀表示和故障判別;峭度系數(shù)是體現(xiàn)軸承振動等級的一個重要因素,包絡(luò)分析能有效地增大這種等級差距。該方法比較適合分析未知信號的組成成分,為分析未知故障提供了一種思路。

3、　　從軸承原始信號出發(fā),提取軸承13個特征屬性參數(shù),把這些屬性參數(shù)作為訓練、診斷樣本,采用不同的方法對軸承進行診斷,結(jié)果表明:SVM在小樣本情況下具有良好的分類性能,但是不能有效區(qū)分同種類型的等級故障;改進的SVM即PSO-SVM是利用粒子群理論對核函數(shù)參數(shù)進行尋優(yōu),提高了診斷準確率,在對軸承等級故障分類時效果不夠明顯;提出的PCA(Principle Component Analysis)與PSO-SVM相結(jié)合的故障診斷方法較好的解決