旋转机械典型故障特征提取方法研究.pdf

北京化工大学硕士学位论文旋转机械典型故障特征提取方法研究姓名：张弛申请学位级别：硕士专业：计算机应用技术指导教师：袁洪芳20100420旋转机械典型故障特征提取方法研究摘要实验数据分析计算机。并在该实验台上模拟裂纹故障，监测并且采集旋转机械是工业生产中应用最广泛的机械设备，研究旋转机械故障诊断技术及时发现并查找故障原因，可极大的减少和避免安全事故以及经济损失具有重要的现实意义。本文总结了常见旋转机械故障类型的故障机理，研究了旋转机械故障诊断的常规流程以及旋转机械故障特诊提取以及故障诊断推理方法，并主要针对旋转机械的典型故障开展了实验研究。本文首先搭建了旋转机械故障分析实验系统平台，该实验系统包括：旋转机械实验台、电涡流传感器、数据采集卡、信号调理模块、旋转机械的振动信号，对其进行采集与分析。在时域内使用时域特征分析，频域内应用传统FFT功率谱分析方法以及小波包频域能量分析的方法，对裂纹故障信号进行特征提取。应用特征评估的原理，选择最适合于进行故障诊断的故障特征。应用BP神经网络，SOC自组织竞争神经网络以及SVM支持向量机建立故障诊断模型，比对其性能进行比较。SOC网络以及SVM结构易于确定，且性能也优于BP网络。针对故障特征在旋转机械出现裂纹故障状态下区分度比较差的这一问题，提出一种将小波包分解与时域特征提取相结合的新方法，并应用了新的特征提取方法进行实验分析。结果表明，该特征提取方案可以在一定程度上提高了故障特征的区分度。关键词：旋转机械故障诊断，特征提取，小波包分解，神经网络北京化工大学博士学位论文Ⅱplatform．ThediagnosisandanalysisResearchmethodsmachineryABSTRACTofrotatingtypicalfaultfeatureextractionRotatingisthemostwidelyusedindustrialproductionequipment．Theresearchapplicationgreatlyreduce，avoideconomiclosses．Thisstudiessubstancetechnology,summarizescommonfailuremechanismtraditionalreasoningmethods．builtexperimentsystemexperimentalincludes：rotatingbed，eddysensors，dataacquisitioncards，signalconditioningmodules，experimentaldatamainmodelinginlaboratorybench．Itmonitorscollectedvibrationsignalfortimedomain，usingtime—domaincharacteristics，indomainconventionalgeneralmethodwaveletcurrentlytechnologyaccidentspapertypescharacteristicsInfirst，wecomputer．Thecrackanalysis．InfrequencyusingFFT-powerpacketenergycontenttestcurrentcallusesIIIperformancenetwork．ThebetweenWORDS：rotatingnetworkdiagnosisanddetermine，andanalysis．TheSVMmachinerycrackfaultsignalfeature．Usingtheprincipleoffeatureevaluation，choosemostsuitableforfeatures．Usmgneuralnetwork,SOCself-organizingcompetitivemachinebuildingmodelcomparewiththeirperformance．SOCstructureisbetterthanrotatingcracks，faultcharacteristicsrelativelydegreedifferentiation，presentspacketdecompositiontimedomainextractioncombinedmethodprogramsbeimprovedsomedistinguishdegreescharacteristics．KEYfault，crackfault，featureextraction，decomposition，neuralBPsupporteasypoorwaveletnewresultsshowthat北京