离心压缩机是大型石化企业中的关键生产设备,保障其安全运转十分重要。目前,多数企业都实现了压缩机组的实时状态监测,但是,故障诊断环节却相对薄弱。基于计算机的智能故障诊断是目前各国学者竞相研究的热点,各种先进的智能诊断理论都被应用到这一领域。尤其是近年来比较流行的人工神经网络技术,以其强大的函数逼近能力和模式识别能力,在非平稳时间序列预测和故障诊断领域得到了广泛的应用。 对反映机组状态的关键参数进行趋势预测,同时对机组可能出现的故障进行诊断,是机械设备状态监测与故障诊断系统中最重要的两部分内容。本文研究了基于RBF神经网络和Adaline神经网络的非平稳时间序列预测理论,并将其应用于离心压缩机转子振动状态的预测。此外,还研究了基于小波分析和人工神经网络的离心压缩机故障诊断技术。根据课题的需要,笔者参与研制了离心压缩机状态监测与故障诊断实验系统,编制了该系统的热力性能监测模块和故障诊断模块。结合理论研究和实验分析,编制了适用于信号处理、小波分析以及神经网络分析的通用模块化程序。 本文还对滚动轴承的早期表面损伤故障诊断技术进行了研究。滚动轴承是旋转机械中的重要部件,对其早期损伤进行故障诊断,实质上就是进行故障的预防。本文建立了滚动轴承单点损伤和多点损伤的共振解调法理论振动模型,并对单点损伤理论模型进行了验证,结果表明该模型能够对滚动轴承的早期损伤做出精确的诊断。除此之外,本文还研究了基于RBF神经网络的滚动轴承故障诊断技术,网络的实际仿真性能良好。