【摘 要】
：
对旋转机械进行频谱结构预测可以有效地掌握设备未来的运行状态.基于单源信息的频谱结构具有不确定性,无法进行预测研究.为保证预测结果的唯一性和准确性,将全矢谱技术引入预测模型,结合反向传播(BP)神经网络,构建全矢-BP神经网络预测模型.对风机设备轴承的频谱结构进行多步预测,比较预测精度.研究结果表明,该方法能准确对设备的频谱结构进行预测,为设备的预知维修提供技术支持.
【机 构】
：
郑州大学振动工程研究所, 郑州,450001
【出 处】
：
2016年全国设备监测诊断与维护学术会议、第十五届全国设备故障诊断学术会议、第十七届全国设备监测与诊断学术会议、2016
论文部分内容阅读
对旋转机械进行频谱结构预测可以有效地掌握设备未来的运行状态.基于单源信息的频谱结构具有不确定性,无法进行预测研究.为保证预测结果的唯一性和准确性,将全矢谱技术引入预测模型,结合反向传播(BP)神经网络,构建全矢-BP神经网络预测模型.对风机设备轴承的频谱结构进行多步预测,比较预测精度.研究结果表明,该方法能准确对设备的频谱结构进行预测,为设备的预知维修提供技术支持.
其他文献
论述了广义平滑伪Wigner-Ville分布(GSPWVD)的定义、算法和最优时域窗函数的设计问题,并与传统平滑伪Wigner-Ville分布(SPWVD)进行了性能对比分析.仿真结果表明,该方法有效地提高了传统SPWVD的精度和抗干扰性.将其应用到转子系统故障诊断中,取得满意的诊断效果.
零空间追踪(Null Space Pursuit,NSP)是在局部窄带信号和算子理论的基础上提出的一种自适应分解算法,论述了该方法的原理和算法,并通过仿真与经验模态分解(EMD)方法进行了对比研究.仿真结果表明,NSP能够保证其收敛性,存处理非平稳信号及微弱信号检测方面比EMD具有明显的优势,在机械故障诊断中具有广阔的应用.
针对旋转机械机组设备故障而引起的非计划停机所带来的不必要的经济损失问题,在故障诊断的基础上,开展了故障预警研究.介绍相似度量方法的类别和故障预警的基本原理,描述故障预警系统建立的流程,首先采集满足一定要求的数据,进而对其进行插值和归一化处理,然后建立超球模型,最后输出相似度曲线,通过比较设备实时数据与历史数据之间的相似关系来估计设备的运行状态.研究结果表明,该方法可以有效的辨识设备运行中的异常状况
建立了转子碰摩的动力学模型,讨论分析了不同的转子与定子间隙情况下各阶NOFRF值的变化情况.仿真结果表明,利用NOFRF对碰摩故障的敏感性不仅能及时发现早期碰摩故障是否存在,而且还能区分转子碰摩的严重程度.
建立了呼吸型斜裂纹转子系统的动力模型,讨论分析了呼吸型斜裂纹转子系统在不同裂纹倾角、裂纹深度和裂纹位置下的非线性输出频率响应函数特性.仿真结果表明,NOFRF对裂纹倾角、裂纹深度、裂纹位置的变化情况比较敏感,因此,利用NOFRF值可有效地诊断斜裂纹转子故障.
提出一种基于旋转机械同源数据融合的全矢(Ensemble Empirical Mode Decomposition,EEMD)总体平均经验模态分解信号分析方法.EEMD法是在传统的(Empirical Mode Decomposition,EMD)经验模态分解法的基础上,为了有效地抑制模态混叠现象而提出的改进方法.而在一些实际应用中,全矢EEMD方法能够提供比直接进行全矢融合更为可靠的诊断结论.具
由于地下变电站的密闭性,变电站内的电气设备中的SF6气体一旦发生泄漏,易造成电力设备的运行故障,并导致室内工作人员或抢修人员窒息,而且当变电站处于人流密集区域时,会对该区域人员产生严重中毒危害.对变电站泄漏气体及其衍生物的浓度和毒性含量进行分析,提出电力工作人员防护措施.基于突发绝缘气体泄漏对环境影响,设计了泄漏气体处理方案,通过实验对泄漏后快速回收处理过程进行模拟,并对各监测点进行数据监控和分析
石化行业是国家经济发展的支柱产业,也是典型的流程工业,其生产装备具有大型化、复杂化、生产工艺自动化、连续化的特点,设备投资巨大、能耗物耗与经济利益直接相关,故障引起非计划停产不仅将带来巨大的经济损失,还可能导致机毁人亡的重大事故.与发达国家相比,我国能源动力机械普遍存在两个突出问题:一是安全运行周期短,故障率高;二是运行效率普遍偏低.在设计、选型、定购、引进装备时只注重设备本身的效率,忽视与生产过
局部保持投影作为一种无监督的维数约简方法,没有充分利用样本的类别信息,易导致聚类效果不理想.为此提出了一种基于类别信息的改进局部保持投影方法,通过在计算训练样本间距时引入类别信息,使得每个点的近邻点主要是同类别的点,从而改善聚类效果.将该方法应用于齿轮的故障诊断,首先计算样本多个时域特征参数,利用改进的局部保持投影对训练样本进行维数约简,得到聚类中心和转换矩阵;其次再通过转换矩阵约简测试样本维数,
针对故障信号的非平稳特征和单源信息进行故障识别易造成误判,提出了一种多维经验模式分解(MEMD)与全矢谱(FV)结合的故障特征提取方法一全矢多维经验模式分解(FV-MEMD).MEMD是一种基于多源信息等尺度分解的信号分析方法,该方法避免了采用传统EMD分解的分量在数量和频率成分出现的不匹配现象.首先使用MEMD算法对多源信息进行自适应分解得到各阶IMF分量,然后采用互信息法计算出多元信息和各自的