G4-73No8D離心風機的機械故障診斷研究.pdf

1、風機是機械設備的一個大類,廣泛運用于石油、化工、電力、冶金等重要行業(yè),對國民經(jīng)濟的發(fā)展有重要的意義。作為煙風系統(tǒng)的驅動源,風機是發(fā)電廠中一種大型的旋轉機械,其運行過程中往往伴隨著較強的振動和較大的噪聲,容易引發(fā)故障,而風機故障可能引起機組停機,造成嚴重的經(jīng)濟損失,甚至可能導致環(huán)境污染、損害人身安全和其他更為惡劣的后果。因此對風機開展故障診斷研究,對保障電站的安全、經(jīng)濟運行有著重大的意義。
　　本文針對風機故障模擬實驗所得振動信號的

2、不同分析處理方法展開深入的研究,從而準確診斷風機機械故障,主要內容如下:
　　(1)運用復雜度分析方法分別對振動信號的樣本熵特征和符號動力學信息熵特征進行提取,針對已得樣本熵數(shù)據(jù)庫和符號動力學信息熵數(shù)據(jù)庫,采用附加動量項和自適應調節(jié)學習速率的改進 BP神經(jīng)網(wǎng)絡建立了相應的風機機械故障診斷模型,并測試了兩種模型的準確性。
　　(2)運用小波包分析提取了振動信號的小波包頻帶能量特征。將小波包分析和奇異值分解相結合,對振動信號的小

3、波包奇異值特征進行提取。在得到以上兩種特征的數(shù)據(jù)庫之后,再采用改進 BP神經(jīng)網(wǎng)絡對風機的機械故障進行診斷,并測試其相應的準確性。
　　(3)由于風機不同運行狀態(tài)相應的SDP圖形具有明顯的差異,本文采用了基于振動信號SDP分析的風機機械故障診斷方法。該方法將振動信號轉化為SDP圖形,再將振動信號的SDP圖形轉化為數(shù)值矩陣,然后采用相關系數(shù)法對振動信號SDP圖形間的相似度進行分析,通過比較測試信號的SDP圖與風機各類運行狀態(tài)下振動信號