论文部分内容阅读
气动调节阀因其结构简单、使用方便、防爆性能优越等特点,广泛应用于石油化工、电力、冶金等行业。然而,气动调节阀的工作环境恶劣,长期受到磨损和腐蚀,难免出现各种故障,影响工业生产。早期通常采用定期检查的方式维护气动调节阀,但这种维护方式存在严重的“维修过剩”问题,容易导致大量的设备因检修而被破坏。近年来,数据驱动的故障诊断方法备受青睐。然而,现有数据驱动的气动调节阀故障诊断方法未考虑诊断方法对噪声的鲁棒性、数据分布的差异性和故障并发性等问题。鉴于此,本文对气动调节阀的故障机理分析与智能诊断方法进行研究。主要研究工作总结如下:1.分析气动调节阀常见故障的故障机理。首先,根据气动调节阀的运行原理和状态,分析常见故障机理;然后,建立气动调节阀机理模型,据此分析单一故障和多重并发故障的特征及其表现形式;最后,通过机理模型验证故障机理,为后续故障数据采集和故障诊断方法研究奠定基础。2.提出基于变分模态分解-多重多尺度熵(Variational Mode Decomposition Multiple Multiscale Entropy,VMD-MMSE)和鲁棒随机向量函数链接网络(Robust Random Vector Functional Link Network,RRVFLN)的单一故障鲁棒故障诊断方法。首先,采用基于VMD-MMSE的特征提取方法提取气动调节阀的故障特征;然后,在常规随机向量函数链接网络的基础上,最小化建模误差的均值和方差,构造RRVFLN,用于气动调节阀的故障分类,以此提高故障诊断的鲁棒性;最后,通过实验系统采集故障数据进行实验,并与现有方法进行对比,验证所提方法的有效性。3.提出基于并行领域适应随机向量函数链接网络(Paralleled Domain Adaptation Random Vector Functional Link Network,Paralleled-DA-RVFLN)的并发故障领域适应故障诊断方法。首先,引入最大均值差异,构造新的领域适应随机向量函数链接网络(Domain Adaptation Random Vector Functional Link Network,DA-RVFLN);然后,提出一种基于Paralleled-DA-RVFLN的并发故障诊断框架,用于气动调节阀的故障诊断,以此解决故障并发性与领域适应性差的问题;最后,通过实验系统验证所提方法的有效性。该论文有图33幅,表13个,参考文献80篇。