论文部分内容阅读
油气输送系统的状态评价和故障诊断结果是对其进行维护的重要依据。油气输送系统输送任务变化会导致其运行工况变化,状态参数则随着工况变化而变化。因此,对油气输送系统进行状态评价时,需要充分考虑工况对状态参数的影响。本文以油气输送系统为研究对象,分别开展了动设备状态评价、故障诊断以及管道信号降噪研究,主要研究内容如下:(1)首次提出了基于均值近似值移除(Small Approximations Removal by Means,SARM)的信号降噪预处理方法,解决了管道压力信号和音波信号处理中噪声干扰的问题。利用仿真信号研究了该方法降噪特点及影响因素,并将该方法与小波包变换(Wavelet Packet Transform,WPT)和奇异值分解(Singular Value Decomposition,SVD)进行了对比,表明该方法降噪效果更加优异,降噪后的曲线更加光滑,不会产生虚假突变或平移,更能完整保留突变特征。最后利用管道泄漏的音波信号和压力信号对该方法的有效性进行了验证。(2)通过改良BP(Back Propagation)模型输出向量的识别策略,解决了常规BP模型难以识别未经训练新工况类型的问题。将该改良模型应用于油气输送系统的输油泵和压缩机工况识别,验证和分析了该模型识别未知工况的能力以及工程应用的潜力。(3)建立了设备工况自组织的多参数健康状态综合评价模型,解决了工况对设备状态评价影响的问题。该模型结合了模糊综合评价模型与高斯混合模型,实现了两种模型的优势互补。该模型在现场设备已有的实时监测条件下,采用失效模式与后果分析法对状态参数进行了筛选;拓展了各单一参数分布类型,建立了与工况相关联的各单一参数的高斯分布或逻辑回归分布模型;用参数模型评价结果替代专家经验评分,降低了人为知识经验差异的影响。最后利用输油泵机组评价实例对该综合评价模型的有效性进行验证。(4)建立了基于设备工况自组织的算法优选诊断模型,降低了工况对故障诊断的影响。该模型提出了样本集“熵”的概念来描述不同工况下样本集的混乱程度,建立了工况与算法之间的映射关系,从而根据工况识别结果自主完成最优算法的选择,提高诊断准确率。在实验室的条件下,利用管道泄漏实验和转子故障实验对样本集“熵”概念的合理性以及该模型的有效性进行了验证。