面向設備管理的機電設備狀態(tài)監(jiān)測與故障診斷技術研究.pdf

1、本研究以機電設備為對象，對復雜振動信號中的時頻特征提取、凈化及回轉(zhuǎn)機械的智能診斷方法進行了研究。 ⑴針對機電設備工況信號中的非平穩(wěn)特征，提出了基于SVD降噪算法對原始振動信號進行預處理，然后再進行EMD分解，抑制了異常數(shù)據(jù)或高頻噪聲產(chǎn)生的影響，分解所得基本模式分量更能反應設備運行狀態(tài)的本質(zhì)特征。研究了基于Hilbert變換的相位解調(diào)算法的不足，提出了基于EMD的相位解調(diào)方法，仿真數(shù)據(jù)驗證了該方法的有效性；基于工程實踐，指出了HH

2、T在工程應用中的兩個局限性。 ⑵針對機電設備運行中的信號混合特性，研究了信號混合的數(shù)學模型和常用的信息分離方法，提出將盲源分離方法和Hilbert-Huang變換相結合，實現(xiàn)了旋轉(zhuǎn)機械轉(zhuǎn)子系統(tǒng)非平穩(wěn)故障特征的獨立化提取，故障診斷案例明該方法的有效性和實用性。研究了機械振動信號變換域盲源分離的可行性，提出了機械振動信號頻域內(nèi)的獨立分量提取方法，渦流傳感器失效故障診斷和早期碰摩故障診斷的成功應用，表明了該方法的有效性，結合設備振動的

3、先驗知識可以準確判定各獨立分量的物理內(nèi)涵，提高診斷信息的質(zhì)量。 ⑶針對汽輪機智能診斷中知識表達的不確定性問題，在研究了基于聯(lián)合樹的貝葉斯網(wǎng)絡精確推理方法和貝葉斯網(wǎng)絡的學習算法的基礎上，結合機械故障特有的表現(xiàn)形式，提出了基于貝葉斯網(wǎng)絡的汽輪機故障診斷方法，并建立了基于貝葉斯網(wǎng)絡的機械故障診斷模型，通過對一些設備的實測數(shù)據(jù)進行了故障診斷分析，驗證了該模型的有效性。 ⑷研究了基于振動信息的自動診斷方法，建立了故障模式類的概念，

4、根據(jù)模糊聚類算法確定了故障標準模式類及其頻譜特征，為在故障模式類層次上的識別提供了理論基礎；研究了模糊關系診斷結果的分布規(guī)律、多征兆模糊產(chǎn)生式規(guī)則的診斷知識表示以及規(guī)則結論的可信度組合，工程診斷實例驗證了其可靠性。 ⑸提出了監(jiān)測診斷與設備管理信息系統(tǒng)的集成化設計思想，給出了系統(tǒng)框架和技術方案，并在此基礎上開發(fā)出了“基于網(wǎng)絡和狀態(tài)監(jiān)測的設備管理信息化系統(tǒng)”，消除了狀態(tài)監(jiān)測和設備管理之間的“信息孤島”現(xiàn)象。該系統(tǒng)在天津大港廣安津能發(fā)