旋轉機械故障診斷若干理論與技術的研究.pdf

1、旋轉機械是工業(yè)部門中應用最為廣泛的一類機械設備，例如汽輪機、發(fā)電機、鼓風機、壓縮機等諸多機械都屬于這一類。隨著科學技術的發(fā)展，旋轉機械正在向高速、重載和自動化方向發(fā)展，對旋轉機械在設備安全、穩(wěn)定、長周期、滿負荷運行的要求也越來越高，轉子以及其它回轉部件作為旋轉機械的的核心部件，在電力、能源、交通、石油化工等領域中發(fā)揮著無可替代的作用。這類設備一旦發(fā)生故障，將會引發(fā)嚴重的機毀人亡事故，并造成重大的經濟損失。所以，采用現(xiàn)代化技術，及時掌握設

2、備的運行狀態(tài)，才能預防故障，杜絕事故，延長設備運行周期，縮短維修時間，最大限度地發(fā)揮設備的生產潛力，提高經濟效益和社會效益。在新形勢下，設備現(xiàn)代化管理以及機械故障診斷正面臨著新的機遇和挑戰(zhàn)，把旋轉機械的故障識別與診斷技術引向深入，使其在現(xiàn)代化設備管理過程中發(fā)揮積極的作用，對國民經濟建設具有普遍而又重要的意義，也是機械故障診斷領域的科研人員與廣大現(xiàn)場工程技術人員所肩負的重要任務。因此研究旋轉機械故障診斷若干理論與技術具有重要的理論和實際意

3、義。 本文以旋轉機械轉子系統(tǒng)為研究對象，采用理論研究、計算機仿真和試驗測試相結合的研究方法，提出了基于小波理論、HMM(HiddenMarkovModels，簡稱為HMM)理論以及粗糙集理論的故障分類與識別的基本算法和實現(xiàn)技術，通過對典型故障的原始信號進行特征提取和選擇，建立相應的故障標準模式，從而達到故障診斷的目的。全文的主要內容如下： 第一章：論述了研究機械設備故障診斷的意義和內容，在查閱大量國內外文獻的基礎上，提出

4、了當前旋轉機械故障診斷技術存在的問題及應研究的主要內容。 第二章：研究了小波分析方法在旋轉機械故障診斷中的信號特征提取和診斷。首先以試驗數(shù)據(jù)為基礎，利用小波變換的多分辨率分析、奇異性理論對典型故障信號進行多尺度分解和重構，發(fā)現(xiàn)小波分析便于對信號的總體和局部進行刻畫，可以有針對性地選取有關頻帶的信息并且降低噪聲的干擾；其次根據(jù)小波變換系數(shù)模值與信號突變的關系，可以突出典型故障的特征頻率，達到提取裂紋故障的目的；最后利用小波包分解原

5、理對幾種典型故障進行研究，發(fā)現(xiàn)其在通頻范圍內可以得到不同頻段內的分解系列，時域和頻域均有更精細的局部化分析功能；對經過小波包分解和重構后各個頻帶信號進行重分配尺度譜分析，可以有效地進行特征提取。 第三章：依據(jù)HMM的基本理論與算法，提出了利用HMM在實際故障診斷中應注意的幾個問題；討論了HMM初始模型的選取方法；研究了以四種典型故障為基礎，通過對試驗數(shù)據(jù)進行加窗處理，采用自相關法提取12階LPC(LinearPrediction

6、coefficient)倒譜系數(shù)作為特征矢量，采用LBG聚類算法對特征矢量進行矢量量化處理，得出碼本矢量，訓練四種故障的DHMM(DiscreteHiddenMarkovModel，簡稱DHMM)模型，并將部分所測數(shù)據(jù)經矢量量化后輸入到訓練好的DHMM中，求其對數(shù)似然概率值，概率值最大者即為故障狀態(tài)。采用K-means算法對CHMM(ContinuousHiddenMarkovModel，簡稱CHMM)進行參數(shù)初始化處理，為了防止數(shù)據(jù)下

7、溢，引入前向-后向比例因子算法求對數(shù)似然概率值。對給定的觀測序列，每一種模型的優(yōu)化路徑通過Viterbi算法來實現(xiàn)，并用Baum-Welch算法實現(xiàn)參數(shù)重估，給出了重估公式。 第四章：確定了基于粗糙集理論進行故障診斷的技術路線；在對試驗數(shù)據(jù)進行分析的基礎上，結合典型故障的機理，根據(jù)故障的典型特征信息，構造了包含故障信息的知識庫；對知識庫的信息屬性進行了分析，計算了信息屬性的重要性，根據(jù)其重要性的程度來度量決策屬性對條件屬性的依賴