基于混沌理论的汽轮机组振动状态监测与预测研究

论文摘要

本文提出了改进的关联维算法,对故障进行特征提取并判断故障类型,解决了目前关联维计算中一致性和实时性差、数据量大以及抗噪能力弱等问题。利用混沌理论的相空间重构方法,把lyapunov指数和关联维数作为可预测性的评价指标,判别系统的运行状态。归纳了混沌时间序列预报的基本方法,提出最大Lyapunov指数法和基于小波分解的volterra自适应预测方法,对汽轮机发电机组振动状态预测,数字仿真证明其预报精度、实时性均有所提高。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 课题研究背景及意义
• 1.2 故障诊断与状态预测技术国内外研究动态
• 1.2.1 国外状况
• 1.2.2 国内状况
• 1.3 混沌理论的概念、特点及发展状况
• 1.3.1 混沌信号的特点
• 1.3.2 混沌理论的发展状况
• 1.4 本文的主要研究工作
• 第二章 混沌理论简介
• 2.1 混沌理论的一些基本概念
• 2.2 混沌时间序列预测的研究内容
• 2.3 混沌信号噪音滤除方法
• 2.3.1 奇异值分析法
• 2.4 混沌特性识别方法
• 2.4.1 Lyapunov 指数判别法
• 2.4.2 Kolmogorov 熵
• 2.4.3 关联维数
• 2.5 混沌时间序列相空间重构
• 2.5.1 动力系统理论
• 2.5.2 相空间重构参数的选择
• 2.6 混沌序列预测方法及其分类
• 第三章 实验分析与基于混沌关联维的故障特征提取
• 3.1 实验介绍
• 3.1.1 实验目的及实验设备
• 3.1.2 实验设备连接及测试系统
• 3.1.3 实验方案与操作流程
• 3.2 基于混沌关联维的旋转机械故障特征提取
• 3.2.1 关联维数的定义与计算方法
• 3.2.2 饱和关联维数法
• 3.2.3 改进的关联维算法
• 3.3 典型故障信号实例分析
• 3.3.1 振动信号预处理
• 3.3.2 转子典型故障及测试结果
• 3.3.2.1 碰磨故障
• 3.3.2.2 油膜涡动故障
• 3.3.3 结论
• 第四章 基于混沌理论的汽轮机组振动状态预测
• 4.1 混沌时间序列最大 Lyapunov 指数预报法
• 4.1.1 基于最大Lyapunov 指数的预测模型
• 4.1.2 最大可预测时间T
• 4.1.3 具体预报过程
• 4.1.4 基于最大Lyapunov 指数的状态预测实例
• 4.2 基于WT-VOLTERRA 自适应预测
• 4.2.1 小波变换理论
• 4.2.2 基于奇异值分解的Volterra 自适应预测模型
• 4.2.3 应用实例分析
• 4.2.4 结论
• 第五章 总结与展望
• 5.1 结论
• 5.2 展望
• 参考文献
• 致谢
• 在学期间发表的学术论文和参加科研情况