检索结果-南通市图书馆

基于改进CEEMDAN的往复压缩机轴承间隙故障诊断方法研究

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于改进CEEMDAN的往复压缩机轴承间隙故障诊断方法研究

作者：欧凌非东北石油大学

学位级别：硕士

石油化工行业在国家的产业结构中占有重要地位。往复压缩机因其热效率高、结构紧凑、可靠性高等优势,而被广泛应用于石油化工企业。往复压缩机长时间服役,由于其零部件制造和装配存在误差,以及工作环境恶劣等因素,会导致故障的产生。这... 详细信息

石油化工行业在国家的产业结构中占有重要地位。往复压缩机因其热效率高、结构紧凑、可靠性高等优势,而被广泛应用于石油化工企业。往复压缩机长时间服役,由于其零部件制造和装配存在误差,以及工作环境恶劣等因素,会导致故障的产生。这不仅会给企业带来经济上的损失,同时还会造成严重的安全隐患。因此,往复压缩机的故障诊断一直是人们研究的重点。传统的信号处理方法多应用于旋转机械,应用在往复压缩机上具有一定的局限性。自适应噪声完备集合经验模态分解（CEEMDAN）是近几年新提出的一种信号自适应分解方法,通过在分解的每一个阶段添加自适应的白噪声,计算唯一的余量信号获得各模态分量,跟集合经验模态分解（EEMD）、经验模态分解（EMD）相比,其分解误差最低,并且在一定程度上解决了模态混叠问题。由于CEEMDAN在处理信号上的优势,本文在选用CEEMDAN并改进其插值包络线的基础上,与经灰狼优化的精细复合多尺度散布熵（RCMDE）相结合,提出了基于改进CEEMDAN与优化RCMDE的往复压缩机轴承间隙故障诊断方法,并将此方法应用到2D12-70型往复压缩机上,以实现对往复压缩机轴承间隙的故障诊断。首先通过查阅文献,了解机械故障诊断领域发展历程以及往复压缩机故障诊断领域常用的技术手段,总结了往复压缩机故障诊断领域当今存在的问题;阐述了常用的信号处理方法,并对常用的特征提取方法和模式识别技术进行概括总结。其次,对CEEMDAN分解方法进行深入研究,针对CEEMDAN分解方法中包络线拟合精度不高且插值形状不可控的问题,提出了改进的CEEMDAN方法。该方法的核心是用三次三角B样条插值代替传统的三次样条插值。与传统的三次样条插值曲线相比,三次三角B样条方法在基函数中引入了形状参数?,增加形状灵活性的同时也避免了过冲和下冲等问题的出现。对改进的CEEMDAN方法用仿真信号和实测信号进行验证,结果表明,改进的CEEMDAN方法可以更好的对信号进行分离。再者,在研究精细复合多尺度散布熵算法理论的基础上,针对不同参数结果差距较大的问题,引入灰狼优化算法,以精细复合多尺度散布熵偏度的平方作为目标函数,对精细复合多尺度散布熵进行参数优化,得到最优参数组合,从而提取出最优故障特征向量。最后,利用本文提出的基于改进CEEMDAN与优化RCMDE的故障诊断方法实现了往复压缩机轴承间隙故障的诊断。该方法首先对往复压缩机轴承五种状态的振动信号进行降噪等预处理工作,接着对轴承信号进行改进的CEEMDAN分解,筛选出富含故障特征信息的分量进行信号重构,然后将重构后的信号进行优化RCMDE分析,提取出特征向量,最后将特征向量输入到SVM中进行模式识别,识别结果表明本文提出的方法拥有较高的故障识别率,可以有效对故障进行分类。

关键词：自适应噪声完备集合经验模态分解精细复合多尺度散布熵往复压缩机轴承间隙故障诊断

基于电-振信号联合的高压断路器机械故障诊断方法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于电-振信号联合的高压断路器机械故障诊断方法研究

作者：孙宇晨华北电力大学

学位级别：硕士

高压断路器作为电力系统中重要的控制和保护设备,其运行可靠性直接关乎着电网的安全与稳定。根据运行经验和现场事故率的相关调查表明,断路器所发生的故障大部分是操动机构机械故障,因此分析断路器操动机构机械特性,研究伴随断路器分合... 详细信息

高压断路器作为电力系统中重要的控制和保护设备,其运行可靠性直接关乎着电网的安全与稳定。根据运行经验和现场事故率的相关调查表明,断路器所发生的故障大部分是操动机构机械故障,因此分析断路器操动机构机械特性,研究伴随断路器分合闸动作过程信号的特征变化,实现机械故障及时分类诊断,在为断路器检修提供依据和指导、保障电力系统运行可靠性方面具有重要意义。本文在分析高压断路器基本结构和工作原理的基础上,剖析了典型机械故障成因与控制回路和操作机构的联系,选择断路器分合闸线圈电流信号和振动信号作为潜在缺陷判别依据,进而深入研究电-振信号联合分析高压断路器机械故障的诊断方法。首先在分析断路器典型机械故障和关联表征信号的基础上,设计高压断路器机械故障诊断系统总体方案,建立断路器实验平台进行机械故障模拟实验,获取电-振信号样本。其次,分别提取电-振信号特征,提出了一种基于改进的自适应噪声完备集合经验模态分解(Improved Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,ICEEMDAN)和精细复合多尺度散布熵(Refined Composite Multiscale Dispersion Entropy,RCMDE)的振动特征提取方法,筛选有效本征模态分量重构信号并进行RCMDE分析;再采用ICEEMDAN与边际谱能量熵相结合的方法进一步刻画振动信号特征,计算有效分量的边际谱,提取边际谱能量熵值。对于电流信号,提取信号时域中关键点局部特征和数学全局特征量,将电流和振动信号特征共同构成电-振联合特征。再次,运用主成分分析法对电-振联合特征进行降维,将降维后的联合特征向量作为断路器故障诊断模型的输入。最后提出了麻雀搜索算法(Sparrow Search Algorithm,SSA)优化的支持向量机(Support Vector Machine,SVM)故障诊断方法,实验结果表明SSA-SVM的诊断模型性能优异,同时验证了主成分分析法得到的电-振信号联合特征向量与单一信号特征相比能够更加全面表征断路器不同运行状态,诊断准确率更高。

关键词：高压断路器联合特征提取改进的自适应噪声完备集合经验模态分解精细复合多尺度散布熵麻雀搜索算法

基于VMD和深度置信网络的电缆早期故障辨识

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于VMD和深度置信网络的电缆早期故障辨识

作者：张喆中国矿业大学

学位级别：硕士

随着国家经济社会的不断发展,电网规模不断扩大,电缆作为传输电能的载体,在电力系统中使用量也逐年增多。城市中的电缆多铺设在地下,环境恶劣,容易因局部绝缘缺陷引发早期故障,随着时间的推移,进而演化成永久性故障。在电力系统运行中,... 详细信息

随着国家经济社会的不断发展,电网规模不断扩大,电缆作为传输电能的载体,在电力系统中使用量也逐年增多。城市中的电缆多铺设在地下,环境恶劣,容易因局部绝缘缺陷引发早期故障,随着时间的推移,进而演化成永久性故障。在电力系统运行中,早期故障持续时间很短,常常无法发现,但是电网中的监测系统可以时刻记录相关数据,能够观察到电流变化。从电流变化中辨识出电缆早期故障,可以及时安排检修人员对受损电缆进行维护,消除故障隐患,对提高电网供电可靠性具有重要意义。首先,本文分析了早期故障发生机理及其特性。然后,介绍了Cassie电弧模型、Mayr电弧模型和Schavemaker电弧模型的基本原理,分析各电弧模型的适用性。在PSCAD/EMTDC中建立了基于Schavemaker电弧模型的10k V配电网早期故障仿真模型,根据仿真结果讨论了中性点不接地系统和谐振接地系统中的早期故障特征,验证了本文建立的故障模型的有效性。基于所建立的电弧故障模型,研究了电弧参数对早期故障特征的影响。在建立的10k V配电网早期故障仿真模型中对早期故障和各类扰动进行仿真,分析早期故障和各类扰动信号的时域特征,为精确提取电缆早期故障特征,引入散布熵（DE）特征,针对单一尺度散布熵特征信息有限和多尺度散布熵稳定性较差的问题,提出精细复合多尺度散布熵（RCMDE）特征,结果表明精细复合多尺度散布熵特征稳定性更高,更有利于早期故障辨识。针对实际现场中监测信号受到噪声影响导致提取后的特征混乱问题,提出通过变分模态分解（VMD）去除噪声信号的影响,避免了经验模态分解（EMD）存在的模态混叠问题,通过实验对比,结果表明VMD去噪效果均优于传统小波去噪和EMD。最后,提出基于深度置信网络（DBN）的电缆早期故障辨识方法。通过VMD对仿真信号进行去噪处理,提取时域特征和RCMDE特征进行归一化处理后作为网络输入的特征向量,利用粒子群算法对网络结构进行优化。实验结果表明,本文所提方法能有效地从其它干扰中辨识出电缆早期故障,且比传统分类方法具有更高的准确率和可靠性。

关键词：电缆早期故障变分模态分解精细复合多尺度散布熵深度置信网络

基于时频分析与非线性熵的水电机组智能故障诊断与状态趋势预测研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于时频分析与非线性熵的水电机组智能故障诊断与状态趋势预测研...

作者：张炜博华中科技大学

学位级别：硕士

随着我国能源结构的不断调整,水电能源已成为构建现代多功能互补、供需协调智慧能源系统中的重要一环。大力开发水电能源对于推动我国能源绿色低碳发展,提高能源供应能力和优化能源布局起着重大战略意义。作为水电站能源转换核心设备,... 详细信息

随着我国能源结构的不断调整,水电能源已成为构建现代多功能互补、供需协调智慧能源系统中的重要一环。大力开发水电能源对于推动我国能源绿色低碳发展,提高能源供应能力和优化能源布局起着重大战略意义。作为水电站能源转换核心设备,水电机组正向巨型化、复杂化、智能化方向发展,且机组结构日趋复杂,集成化程度越来越高,机组的安全问题日益凸显。同时,水电机组作为一类复杂非线性动力学系统,其运行过程受到水机电复杂耦合因素影响,机组振动信号通常呈现强非平稳、非线性特性,传统水电机组状态分析与故障诊断方法在准确表征故障与征兆间复杂映射关系,实现机组状态准确评估和故障精准诊断方面存在一定的理论和工程技术难点。因此,亟需探究新的状态分析与故障诊断方法,以提高故障诊断的可靠性和状态趋势预测的准确性,为事后维修决策和事前预知维护提供合理的指导意见。针对上述问题,本文围绕水电机组在非平稳信号分析与特征提取、故障检测与故障分类、以及状态趋势预测等工程应用中存在的关键问题,引入先进信号处理方法、非线性动力学理论以及智能故障诊断方法,以经验模态分解、多尺度非线性熵、基于互信息的最大相关最小冗余特征约简、极限学习机和随机森林等作为理论分析手段,探究并改进现有方法中存在的理论和应用不足,设计了水电机组非平稳振动信号分析的改进方法,提出了基于特征空间重构与多尺度排列熵的水电机组非线性特征提取方法,发展了故障检测、故障分类的两阶段综合故障诊断方法,构建了基于散布熵判别与极限学习机的水电机组状态趋势分段预测模型,为水电机组智能故障诊断和状态趋势预测领域的方法创新拓展了思路,并具有一定的工程应用价值。论文的主要研究内容及创新性成果如下:(1)针对经验模态分解中存在的端点效应问题,深入分析了端点效应产生的原因及对信号分解结果的影响,提出了基于极限学习机与镜像延拓的经验模态分解端点效应抑制方法。该方法有效融合了极限学习机延拓和镜像延拓两种单一延拓方法在抑制端点效应上的优势,在每一次筛选本征模态函数的过程中,完成信号极值点两阶段延拓。在第一阶段,利用极限学习机在数据预测上的良好性能,在信号极值点序列两端进行初步延拓;在第二阶段,利用镜像延拓方法对初步延拓后的极值点序列两端进行延拓,以避免在分解过程中极值点序列不足而导致包络线拟合失真的缺陷。最后,在仿真信号实验中,通过定性和定量对比分析,验证了所提方法的有效性。并将其应用于水轮机尾水管压力脉动信号分析,验证了其具有一定的工程应用价值。(2)考虑到强背景噪声干扰、多振源激励耦合作用下水电机组故障与征兆之间映射关系难以准确表征的问题,提出了一种基于特征空间重构与多尺度排列熵的水电机组非线性特征提取方法。该方法首先针对机组故障信号呈现的非平稳特性,且易发生模态混叠、能量泄露等现象,设计了基于集合经验模态分解的特征空间重构方法。该方法以能量为衡量标准,将与故障信息高度敏感的本征模态分量重构,实现故障特征的初步提取;同时结合多尺度排列熵在不同尺度检测信号动力学突变行为的优势,进一步对初步提取的重构特征空间进行多尺度排列熵分析,完成对机组故障特征的充分表征,通过国际标准故障诊断案例验证了所提特征提取方法的有效性和先进性。最终将所提方法成功应用于水电机组空化信号特征提取,表明了其工程实用性。(3)针对水电机组实际运行中多类故障的不同衍生和发展规律,深入考虑故障初步检测与不同故障类型、不同故障程度精准识别的实际诊断需求,提出了基于精细复合多尺度散布熵与快速集合经验模态分解的故障检测与分类的两阶段综合故障诊断策略。在故障检测阶段,考虑机组存在“正常”或“故障”状态的判别需要,探究了故障信号与正常信号对精细复合多尺度散布熵尺度因子具有不同敏感性的变化规律,提出了基于精细复合多尺度散布熵判据的故障检测方法,实现了对机组健康状况的快速判断。进一步,如果检测到故障,考虑到单一散布熵对不同故障种类和故障程度表征的不足,综合快速集合经验模态分解对复杂非线性信号高效处理性能以及精细复合多尺度散布熵在多个尺度度量信号不确定性或不规则性的优势,提出了一种基于快速集合经验模态分解与精细复合多尺度散布熵的广义多尺度特征提取方法,实现对故障特征的多维广域提取;考虑到所提取特征存在的高维、冗余特性,建立了基于互信息的最大相关最小冗余的最优特征选择和随机森林分类器的故障分类机制,实现了对不同故障种类、故障程度的准确分类。故障诊断实例表明,所提综合故障诊断策略能有效的实现对故障的检测与分类,为解决工程实际中的故障诊断问题提供了一种有效思路。(4)随着运行时间的不断积累,水电机组不可避免的存在性能下降、设备失效问题,结合机组运行状态特性,提出了一种基于散布熵判别与极限学习机的分段预测模型,实现对机组状态趋势的有效预测,以便及早捕捉异常征兆。该模型考虑极限学习机对不同波动趋势信号预测精度

关键词：水电机组时频分析特征提取故障诊断趋势预测精细复合多尺度散布熵极限学习机随机森林

基于小波包-RCMDE和FSVDD的轴向柱塞泵运行可靠性评估方法

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于小波包-RCMDE和FSVDD的轴向柱塞泵运行可靠性评估方法

作者：贾晟燕山大学

学位级别：硕士

轴向柱塞泵作为液压系统的动力源,它的运行状态直接决定整个液压系统的运行状态,有必要对其运行可靠性进行研究。由于轴向柱塞泵振动信号中会含有噪声信号,以往针对其信号降噪和特征提取过程的信号处理方法并不理想;另外传统的可靠性评... 详细信息

轴向柱塞泵作为液压系统的动力源,它的运行状态直接决定整个液压系统的运行状态,有必要对其运行可靠性进行研究。由于轴向柱塞泵振动信号中会含有噪声信号,以往针对其信号降噪和特征提取过程的信号处理方法并不理想;另外传统的可靠性评估模型中依赖大量的失效样本,导致不能实现对泵的运行状态进行实时评估,对微弱故障开始产生的判断不精确。因此,本文提出了基于小波包分解-RCMDE和FSVDD的轴向柱塞泵运行可靠性评估方法。首先,在数据采集方面,搭建了轴向柱塞泵故障研究实验台,并人为磨损相关元件,从而形成不同类型下不同严重程度的故障,通过采集设备获取各故障下的振动信号,为本文所提方法的研究提供了实验数据。其次,针对加速度传感器采集的振动信号中会含有噪声及其他无用信息,采用基于小波包分解的降噪方法。该方法使用小波包对原始信号进行分解,然后根据分解后各频段信号能量占比,将能量集中的频段进行重构,从而达到降噪目的。进而,在特征提取环节中,采用精细复合多尺度散布熵算法计算各信号熵值。由于该算法中参数嵌入维度m和类别个数c对熵值计算影响较大,将樽海鞘算法对该参数进行优化,随后将最优参数组合代入到经过小波包分解后依据能量占比重构的信号中,计算相对应的精细复合多尺度散布熵值来完成信号特征提取。最后,采用模糊支持向量数据描述方法对正常状态下的样本训练评估模型,将各测试样本输入模型中,利用归一化评估参数可靠度计算公式完成各个测试样本的运行可靠性评估。将所提方法应用于本实验台采集的轴向柱塞泵不同严重程度滑靴磨损故障数据和复合故障数据,所得结果验证了本文方法的有效性。

关键词：轴向柱塞泵小波包分解精细复合多尺度散布熵模糊支持向量数据描述运行可靠性评估

基于RCMDE的2D80-53.4型压缩机故障诊断研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

湖南文理学院学报（自然科学版） 2022年第2期34卷 8-12页

作者：曲孝海胡予欢沈磊湖南文理学院数理学院湖南常德415000

针对2D80–53.4型压缩机故障信号呈现高耦合性和非线性等问题,提出基于RCMDE的2D80–53.4型压缩机故障诊断方法。在MDE算法的基础上,结合精细复合改进MDE算法得到RCMDE算法,应用其对非线性振动信号进行特征向量构建,结合极限学习机进行... 详细信息

针对2D80–53.4型压缩机故障信号呈现高耦合性和非线性等问题,提出基于RCMDE的2D80–53.4型压缩机故障诊断方法。在MDE算法的基础上,结合精细复合改进MDE算法得到RCMDE算法,应用其对非线性振动信号进行特征向量构建,结合极限学习机进行故障识别。通过仿真信号验证,结果表明该算法可以有效抑制干扰信息,强化故障信息特征,大大提高了算法的准确性。以2D80–53.4型压缩机的轴承故障数据为研究对象进行实测验证,应用RCMDE实现其故障信号特征提取,与多尺度散布熵、复合多尺度散布熵进行对比,该方法表现出特征可分性良好,极限学习机故障识别准确率较高。

关键词： 2D80–53.4型压缩机精细复合多尺度散布熵极限学习机故障诊断