基于全矢譜的設(shè)備故障預(yù)測(cè)方法研究.pdf

1、機(jī)械設(shè)備在運(yùn)行的過程中，由于不同原因會(huì)出現(xiàn)各式各樣的故障，這些故障輕則影響運(yùn)轉(zhuǎn)，重責(zé)造成重大事故，帶來嚴(yán)重的經(jīng)濟(jì)損失。正確的故障預(yù)測(cè)能夠提醒設(shè)備管理人員提前采取措施，避免事故的發(fā)生，為設(shè)備安全高效地運(yùn)行提供技術(shù)保障。當(dāng)前的預(yù)測(cè)研究仍以單一參數(shù)的數(shù)值預(yù)測(cè)為主，并不能通過預(yù)測(cè)對(duì)可能發(fā)生的故障的性質(zhì)和部位做出判斷。本文以大型旋轉(zhuǎn)機(jī)械為研究對(duì)象，針對(duì)現(xiàn)有故障預(yù)測(cè)中存在的不足，從信息融合、數(shù)據(jù)采集、預(yù)測(cè)建模、產(chǎn)品開發(fā)等多個(gè)方面對(duì)基于全矢譜的故障預(yù)

2、測(cè)方法進(jìn)行研究。解決了傳統(tǒng)預(yù)測(cè)方法無法預(yù)測(cè)故障性質(zhì)和部位的問題，利用振動(dòng)大數(shù)據(jù)進(jìn)行設(shè)備健康預(yù)警和評(píng)價(jià)，為預(yù)測(cè)技術(shù)的推廣應(yīng)用提供了基礎(chǔ)保障。論文所做的主要研究工作和取得的成果如下:
　　(1)研究了基于全矢信息融合的設(shè)備故障預(yù)測(cè)方法，闡述并構(gòu)建了一維全矢振動(dòng)強(qiáng)度預(yù)測(cè)模型(FVMP)，二維全矢頻譜結(jié)構(gòu)預(yù)測(cè)模型(FVSP)和設(shè)備故障多維預(yù)測(cè)模型(FVEP)。在分析全矢譜技術(shù)的基本原理、方法和數(shù)值計(jì)算的基礎(chǔ)上建立的預(yù)測(cè)模型，能夠克服傳統(tǒng)測(cè)

3、試方法得到的數(shù)據(jù)反映的設(shè)備振動(dòng)特征不夠全面的問題，根據(jù)全矢融合后的振動(dòng)信號(hào)，預(yù)測(cè)頻譜結(jié)構(gòu)的變化，判斷故障性質(zhì)并評(píng)價(jià)設(shè)備健康狀態(tài);
　　(2)研究了全矢數(shù)據(jù)采集和特征提取方法。分析設(shè)計(jì)了支持全矢融合的數(shù)據(jù)采集電路和采樣控制策略，并在電廠設(shè)備上，驗(yàn)證了全矢數(shù)據(jù)采集的正確性和可靠性;提出并定義了虛擬傳感器的概念，虛擬傳感器為邏輯上存在的一個(gè)傳感器，其輸出為同源兩傳感器信號(hào)融合后的結(jié)果;研究表明，在轉(zhuǎn)子同一截面上的信號(hào)，靠單一傳感器數(shù)據(jù)得

4、出的診斷結(jié)論是片面的，全矢融合后的數(shù)據(jù)能夠全面的反映設(shè)備運(yùn)行狀態(tài)，其頻譜結(jié)構(gòu)和特征值具有唯一性，可用于振動(dòng)強(qiáng)度和頻譜結(jié)構(gòu)的預(yù)測(cè)。
　　(3)研究了全矢自回歸時(shí)序預(yù)測(cè)模型(FAR)。FAR預(yù)測(cè)模型將全矢譜信息融合技術(shù)與AR模型分析方法相結(jié)合。對(duì)建模步驟、模型識(shí)別、參數(shù)估計(jì)和遞推計(jì)算進(jìn)行了理論研究和數(shù)據(jù)驗(yàn)證。FAR模型能夠很好的用于平穩(wěn)時(shí)序數(shù)據(jù)的趨勢(shì)預(yù)測(cè)，也為振動(dòng)強(qiáng)度、故障性質(zhì)、設(shè)備狀態(tài)的預(yù)測(cè)提供了一種行之有效的方法;但對(duì)于非平穩(wěn)的運(yùn)

5、行過程，利用AR預(yù)測(cè)誤差較大，有一定的局限性。
　　(4)研究了全矢灰色預(yù)測(cè)模型(FGM)。FGM預(yù)測(cè)模型以全矢譜同源信息融合為基礎(chǔ)，結(jié)合灰色理論，既保證了預(yù)測(cè)數(shù)據(jù)的可靠性，又實(shí)現(xiàn)了對(duì)小樣本的趨勢(shì)項(xiàng)數(shù)據(jù)的預(yù)測(cè)能力;全矢灰色模型包括全矢GM(1，1)和全矢MGM(1，m)兩種，全矢MGM(1，m)是對(duì)GM(1，1)模型在m元變量下的拓廣。研究表明，全矢灰色模型對(duì)于“小樣本”、單調(diào)增長(zhǎng)序列具有很好的預(yù)測(cè)效果，能夠進(jìn)行振動(dòng)幅值和頻譜結(jié)構(gòu)

6、的預(yù)測(cè)。
　　(5)研究了全矢綜合預(yù)測(cè)模型(FVCP)和基于全矢譜的大數(shù)據(jù)預(yù)警(FVEW)。FVCP全矢綜合預(yù)測(cè)模型將全矢FAR模型與全矢FGM模型有機(jī)結(jié)合起來。利用經(jīng)驗(yàn)?zāi)B(tài)分解(EMD)分離出數(shù)據(jù)序列中的隨機(jī)項(xiàng)和趨勢(shì)項(xiàng)，分別送入FAR模型和FGM模型進(jìn)行預(yù)測(cè)，并將結(jié)果進(jìn)行有機(jī)整合。FVCP模型充分利用了兩種數(shù)值預(yù)測(cè)模型的優(yōu)點(diǎn)，研究表明，F(xiàn)VCP全矢綜合預(yù)測(cè)模型兼顧振動(dòng)信號(hào)隨機(jī)性和趨勢(shì)性的特點(diǎn)，具有更好的適用性。
　　基于全

7、矢譜的大數(shù)據(jù)預(yù)警從海量歷史數(shù)據(jù)中提取振動(dòng)特征，并預(yù)測(cè)這些特征的變化趨勢(shì)，根據(jù)預(yù)測(cè)得到的各個(gè)全矢振動(dòng)特征值，結(jié)合設(shè)備運(yùn)轉(zhuǎn)過程中的其它如溫度、電流等工藝過程參數(shù)，依據(jù)模糊產(chǎn)生式規(guī)則，做出基于大數(shù)據(jù)的設(shè)備健康評(píng)價(jià)和故障預(yù)警，可以更好的指導(dǎo)維修決策。
　　(6)總結(jié)了研究的全矢故障預(yù)測(cè)技術(shù)，開發(fā)了基于全矢故障預(yù)測(cè)的相關(guān)軟硬件產(chǎn)品，并應(yīng)用于工程實(shí)踐。開發(fā)的SDC系列智能數(shù)據(jù)采集器，其數(shù)據(jù)采集遵循全矢譜分析技術(shù)對(duì)數(shù)據(jù)的要求，支持基于全矢譜技術(shù)