基于第二代小波分析的汽輪機(jī)組故障診斷研究.pdf

1、汽輪機(jī)組是電力系統(tǒng)中最重要的大型旋轉(zhuǎn)機(jī)械設(shè)備，因其故障率高，診斷難度大，其運(yùn)行狀態(tài)的監(jiān)測(cè)和故障診斷研究一直是工業(yè)故障診斷領(lǐng)域的研究熱點(diǎn)。滾動(dòng)軸承是汽輪機(jī)的核心零部件之一，也是故障率高發(fā)的部件，其工作狀態(tài)是否正常直接關(guān)系到整臺(tái)設(shè)備的性能，甚至影響整個(gè)電力系統(tǒng)的安全穩(wěn)定。因此，本文以滾動(dòng)軸承的狀態(tài)監(jiān)測(cè)與診斷為主要研究目標(biāo)，從軸承振動(dòng)信號(hào)特征提取入手，進(jìn)行了一系列的研究工作。主要內(nèi)容如下：
　　1分析了汽輪機(jī)組轉(zhuǎn)子和滾動(dòng)軸承的振動(dòng)機(jī)理，

2、對(duì)診斷信息獲取、故障特征提取和故障模式識(shí)別等方面的研究現(xiàn)狀進(jìn)行了闡述。
　　2提出基于第二代小波分析的滾動(dòng)軸承故障診斷方法。為解決分解信號(hào)的頻率混疊問(wèn)題，提出了基于尺度變換的冗余插值第二代小波能量特征提取方法，并采用希爾伯特振動(dòng)分解方法對(duì)故障進(jìn)行初步診斷。實(shí)驗(yàn)結(jié)果表明，該方法可準(zhǔn)確提取故障特征頻率并定位，避免了頻率混疊。
　　3為提高滾動(dòng)軸承故障分類的準(zhǔn)確率，本文提出了改進(jìn)BP結(jié)合Elman神經(jīng)網(wǎng)絡(luò)的軸承故障診斷算法。算法首