非平稳信号特征提取方法在超高压压缩机故障诊断中的应用研究

论文摘要

机械故障诊断是以机器学为基础的一门综合性技术，它的本质是机器运行状态的模式识别问题，其关键就是故障信号的特征提取与分类。论文基于国家自然科学基金项目“局域波法及其工程应用研究”（50475155）和往复式压缩机故障诊断的横向课题，以现场工作的超高压聚乙烯压缩机为研究对象，利用压缩机的振动信号实现了它关键部件的状态监测与故障诊断。本文针对往复式压缩机主要部件的故障机理及其振动信号的特征，分别引入了适合分析它们的方法——局域波法、广义分形维法和改进的小波包阈值消噪方法，以便准确地从中提取可靠的故障特征。在特征提取的基础上，对往复式压缩机在线监测和智能诊断的方法进行了研究。并在现场工作的超高压聚乙烯压缩机状态监测中验证了这些方法的有效性。本论文主要的工作如下： 1．以超高压聚乙烯C-2二次压缩机为例介绍了往复式压缩机的工作原理和结构特征，总结了往复式压缩机主要零部件的故障机理和失效形式；使用振动信号对压缩机的关键部件进行了状态监测，规划了每列气缸主要零部件测点的位置和检测参数；使用传统信号处理方法对比分析了各测点振动信号的特征，初步得到了压缩机振动信号的一些统计特征，为使用振动信号实现往复式压缩机的故障诊断奠定了基础。 2．在深入研究局域波理论基础上，结合高阶统计量的方法，提出了一种往复式压缩机气阀特征提取的新方法。建立了气阀振动信号的多调幅调频模型，利用局域波法的多分辨性和分解信号自适应性，对振动信号实现了解调分析并得到了它的特征频段；通过特征频段瞬时幅值的归一化处理，并计算包含气阀故障信息的高阶统计量参数；试验结果证实了这些特征参数很好地反映了气阀的劣化过程，对压缩机气阀的故障诊断具有很好的工程适用性。 3．实现了基于振动信号分析的填料密封故障诊断。研究了往复式压缩机填料密封的故障机理，鉴于填料函处振动信号的复杂性，传统信号处理方法无法满足故障诊断的要求，使用了多重分形理论对非线性振动信号进行了研究分析；为了能够获取淹没在噪声中微弱信号的几何结构信息，将原始信号转化为它的分贝值形式；试验的结果表明广义维数谱能够很好地反映填料密封的工作状态，该方法为往复式压缩机密封件的故障诊断提供了新的思路。 4．提出了一种往复式压缩机传动部件早期故障检测的方法。在小波包变换和阈值消噪的基础上，引进了小波包系数极大似然阈值估计的方法，并使用小波包系数的Shannon熵选择了最佳的小波包函数；该方法可以实现强噪声背景下弱冲击信号的提取，使用模

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 课题背景及意义
• 1.2 往复式压缩机故障诊断技术概述
• 1.2.1 往复式压缩机故障诊断的基本过程
• 1.2.2 往复式压缩机故障特征及诊断内容
• 1.2.3 往复式压缩机故障诊断的方法研究
• 1.3 现代信息处理技术在故障诊断中的应用概况
• 1.3.1 非平稳、非线性信号故障特征提取简介
• 1.3.2 智能故障诊断技术的研究与应用概述
• 1.4 往复式压缩机故障诊断的研究现状
• 1.5 论文的主要研究内容
• 1.5.1 和前人工作区别
• 1.5.2 论文的主要内容
• 2 往复式压缩机的故障机理及振动信号的特征
• 2.1 引言
• 2.2 往复式压缩机的关键部件及其故障特征
• 2.2.1 压缩机气阀
• 2.2.2 压缩机填料密封
• 2.2.3 压缩机的传动机构
• 2.3 往复式压缩机振动信号的监测
• 2.3.1 振动信号测点的规划
• 2.3.2 振动信号的采集
• 2.3.3 各测点振动信号的对比分析
• 2.4 小结
• 3 基于局域波解调分析组合阀状态监测的研究
• 3.1 引言
• 3.2 局域波解调分析方法
• 3.2.1 多分量信号的瞬时幅值和瞬时频率
• 3.2.2 局域波分解原理及算法
• 3.2.3 局域波时频分布
• 3.2.4 仿真信号的分析
• 3.3 气阀信号的多AM-FM模型
• 3.4 气阀振动信号的局域波解调分析
• 3.4.1 气阀振动信号的特征
• 3.4.2 特征频段的确定
• 3.4.3 特征频段的解调分析
• 3.5 气阀状态特征的提取
• 3.6 在实际状态监测中的应用
• 3.7 结果分析
• 3.8 小结
• 4 广义分形维数在填料函状态监测中的应用
• 4.1 引言
• 4.2 多重分形的基本理论
• 4.2.1 多重分形的定义
• 4.2.2 广义维数D（q）
• 4.3 填料函故障特征的提取
• 4.3.1 振动信号的采集
• 4.3.2 基于广义分形维谱的特征提取
• 4.4 小结
• 5 往复式压缩机传动部件早期冲击信号的检测
• 5.1 引言
• 5.2 小波包分析基本理论
• 5.2.1 小波包分解
• 5.2.2 小波包阈值消噪
• 5.3 极大似然阈值估计
• 5.4 小波包函数的选择
• 5.5 模拟信号的消噪
• 5.5.1 冲击信号的模型
• 5.5.2 最佳小波包函数的选择
• 5.5.3 不同阈值方法消噪后的对比
• 5.6 隔离体运动联结件早期松动的检测
• 5.6.1 振动信号的采集
• 5.6.2 振动信号的分析
• 5.7 多分辨松动故障信号特征的提取
• 5.7.1 特征参数提取
• 5.7.2 故障特征分析
• 5.8 小结
• 6 往复式压缩机智能诊断及关键特征参数提取方法的研究
• 6.1 引言
• 6.2 关键特征提取的模型
• 6.3 智能分类器的选择
• 6.3.1 学习向量量化网络（LVQ）
• 6.3.2 概率神经网络（PNN）
• 6.3.3 支持向量机（SVM）
• 6.4 基于遗传算法特征选择的实现
• 6.4.1 遗传算法的编码
• 6.4.2 适应度函数
• 6.4.3 选择函数
• 6.4.4 遗传操作函数
• 6.4.5 初始化和结束
• 6.5 在往复式压缩机故障诊断中的应用
• 6.5.1 组合阀故障关键特征的提取
• 6.5.2 传动部件故障关键特征的提取
• 6.6 小结
• 结论
• 参考文献
• 附录 A 超高压 C-2二次压缩机的技术参数
• A.1 超高压 C-2二次压缩机的规格
• A.2 C-2二次压缩机的结构
• A.3 现场振动信号的采集
• 攻读博士学位期间发表学术论文情况
• 创新点摘要
• 致谢