基于混合小波分析的振动信号奇异性识别与设备维修

来源 :第十二届全国设备监测与诊断学术会议 | 被引量 : 0次 | 上传用户:rkn7621278
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
针对振动信号的奇异性识别问题,提出了一种新的混合小波分析方法.复Hermitian小波适合于识别由于机械故障引起的信号奇异性,冗余第二代小波分解能够较好地揭示信号的时域特征.综合这两种小波方法的优势,分析信号的奇异性.应用本文方法,成功地提取出了空气分离压缩机齿轮箱的碰摩故障及其时频特征,指出安装不善、对中不良是导致碰摩故障的原因,指导了设备维修,恢复正常运行。
其他文献
本文在研究电力计算信息平台的基础上,提出了一种新的构建电力计算信息平台的方法,解决当前电力计算信息平台中存在的问题。在电力行业中实现了对电网的规范管理。
采用小波-时频方法对某双转子发动机地面实测数据进行了分析,根据其振动能量的时频特征,发现在不同的频率区间内含有不同的冲击成分,可以判断系统故障的存在;在此基础上采用谐波小波对不同的频带进行谐波小波包分解,得到了振动的频带成分,进一步分析了可能发生的故障模式。
介绍了径向基(RBF)函数神经网络的原理、结构和学习方法,与BP网络进行了比较,指出RBF网络可以避免局部最优问题,是一种分类能力很强的网络.应用该网络建立了故障诊断模型,并对给水泵故障诊断进行了模拟验证,试验结果表明用RBF神经网络来诊断给水泵故障是一种切实可行的方法。
在电气设备的故障诊断中,不同检测方法对故障模式的识别能力是不同的.为充分利用各种诊断方法的优点,提高故障模式的分辨率,增强故障诊断的可靠性,可采用多传感器信息融合技术进行故障模式识别.简介了信息融合的基本原理和常用算法,重点介绍了D-S证据理论算法在故障诊断中模式识别方面的应用。
本文以信息融合技术为基础,建立了集成神经网络故障诊断系统,该系统采用子神经网络从不同侧面对设备进行初步诊断,然后将各子神经网络进行决策融合,并结合诊断实例对火电厂给水泵进行了仿真分析,结果表明利用集成神经网络信息融合进行故障诊断是一种有效的方法,提高了确诊率。
在对飞行器结构系统旱期故障机理与人、机、环境的相互关系进行分析的基础上,提出了根据不同的故障特征,利用多模块并行和分层递阶优化融合策略对早期故障信息进行获取的方法.对小波分析、混沌与分形、磁记忆和局域波时频分布四种方法的原理与特点及融合策略重点进行了分析和研究,并通过实验证明了所提方法的有效性。
为了对某型液体推进剂导弹二级动力系统进行稳态故障分析、故障仿真,用于检测诊断以及研制箭载监控系统,必须建立其全系统稳态故障模型.通过对二级动力系统稳态工作过程中各部件的故障特性进行分析,故障因素的引入方法进行研究,特别是对与一级动力系统的不同之处进行了分析,依据某型导弹二级动力系统的实际结构完整地建立了该导弹二级动力系统的全系统稳态故障模型方程,与单纯的发动机系统模型相比,该模型能够更好更全面地反
利用贝叶斯网络进行诊断的关键在于确定网络拓扑结构.基于系统构成及故障的层次性,提出了对系统分层次构建CME(Cause-Mode-Effect)三层诊断网络.阐述了如何从故障模式、影响分析(FMEA)表单中抽取构建CME三层网络所需的节点;说明了利用系统各层次CME三层诊断网络进行诊断推理的过程;分析了CME三层网络的诊断能力.以轨道交通自动门电控系统的开关门故障为例说明了该方法的有效性。
为了对非平稳状态下的机电系统进行准确的状态分析,需要对适合非平稳信号的信号分析方法进行研究,基于EMD的信号分析方法在这方面有着明显的优势.阐述了基于EMD的非平稳信号分析方法的基本原理,对EMD中产生端点效应的原因进行了分析,从各个不同途径对端点效应抑制方法进行了研究,设计了软硬件系统,实现了分布式的基于EMD方法的非平稳状态下的机电系统信号分析,为构建开放式、柔性化状态分析和趋势预测系统提供了
基于粗糙集理论的数据库知识发现核心思想,对机组故障实例的知识资源保护问题进行了研究.通过对一机组油膜涡动故障实例的专家决策方式的讨论,提出了机组故障实例知识资源保护的一般模型.该模型由机组故障状态的量化特征和专家决策的知识描述组成,其结构形式决定着诊断知识蕴涵的有效性与可靠性.因此是基于粗糙集理论诊断知识发现的数据资源准备阶段应给予特别关注的基本研究问题。