基于全矢谱的瞬态信号表征与故障识别研究

论文摘要

现代工业生产大型回转机械,如压缩机、汽轮机、发电机等是化工、石油、电力等国民经济支柱行业的关键性设备,一旦出现故障,将给企业和国家带来巨大的经济损失,而且还会威胁现场作业人员的生命安全。为掌握设备运行状态,减少甚至避免设备事故的发生,对以上主要关键机组实行在线监测和诊断,具有显著的经济效益和社会效益。其中机组起停车监测分析系统的优劣是衡量一套回转机械状态监测和故障诊断系统性能的重要指标,在监测和故障诊断系统中具有非常重要的作用。然而,目前传统的机组起停车分析和诊断大都以转子的单截面单源信息为基础,忽略了各传感器信息间的联系,所获信息并不完整、准确,对故障的精确诊断造成不利的影响。为改变这种现状,将全信息技术引入瞬态信号处理,对基于全矢谱理论的瞬态信号表征和故障识别进行了研究和探索。对机组起停车过程和传统起停车特征提取方法和有关全信息瞬态分析技术进行了简要介绍,认真学习转子典型故障机理及振动特征,结合实例分析了传统瞬态分析、全谱瞬态分析与全息起停技术各自技术特点,为全矢瞬态分析方法的提出和故障识别奠定坚实的基础。对转子单截面双通道信息融合理论基础进行了研究,结合全矢谱理论快速算法,推导全矢瞬态分析所需各种参数。提出了两种全矢瞬态分析新方法,即全矢伯德图(FullVector Bode,FVB)、三维全矢瀑布图(Full Vector Cascade,FVC),并用具体机组起停车实例和实验对其可行性进行了验证。分析结果证明,全矢伯德图(FVB)、三维全矢瀑布图(FVC)是可行的,可以准确表现转子起停车过程中的临界转速和过临界特性,可以代替传统伯德图、瀑布图应用到机组起停车分析中。根据机组起停车过程中有关故障统计数据,结合现有实验条件,对机组起停车过程中可能出现的常见典型故障进行了实验模拟,如转子不平衡、动静件碰磨、油膜振荡(油膜涡动)、转子轴承系统支承松动等。用全矢伯德图、三维全矢瀑布图对其进行了进行了分析诊断。分析结果表明:全矢伯德图、三维全矢瀑布图对某些故障类型表现敏感,反映振动特征明显,诊断较为准确。

论文目录

• 摘要
• ABSTRACT
• 1 绪论
• 1.1 课题的来源、目的和意义
• 1.1.1 课题的来源
• 1.1.2 课题的提出及意义
• 1.2 国内外研究现状
• 1.2.1 同源信息融合技术国内外发展概况
• 1.2.2 传统瞬态处理技术概述
• 1.2.3 全信息瞬态技术概述
• 1.3 本文主要研究内容及创新点
• 1.3.1 主要研究内容
• 1.3.2 本文创新点
• 1.4 本章小结
• 2 传统瞬态分析技术及全信息瞬态分析技术
• 2.1 传统瞬态分析技术
• 2.1.1 机组起停车数据采集模块
• 2.1.2 机组起停车振动特性分析
• 2.1.3 常规瞬态信号振动特征提取
• 2.2 全信息瞬态分析技术
• 2.2.1 全谱瞬态分析技术
• 2.2.2 全息起停车技术
• 2.3 本章小结
• 3 全矢谱技术及在瞬态信号处理中的应用
• 3.1 基于同源信息融合的全矢谱技术
• 3.1.1 双通道信息融合的全矢谱理论基础
• 3.1.2 数值计算
• 3.1.3 轴心轨迹图形描述
• 3.1.4 实例应用
• 3.2 全矢瞬态分析技术
• 3.2.1 全矢伯德图
• 3.2.2 三维全矢瀑布图
• 3.3 本章小结
• 4 全矢瞬态信号典型故障模拟及识别
• 4.1 概述
• 4.2 实验方案
• 4.2.1 实验装置介绍
• 4.2.2 传感器安装调整
• 4.2.3 转子典型故障振动机理及特征介绍
• 4.3 全矢瞬态信号典型故障模拟及识别
• 4.3.1 实验前准备
• 4.3.2 正常起停车实验
• 4.3.3 转子初始不平衡实验
• 4.3.4 初始动静件碰磨实验
• 4.3.5 转子支承系统松动实验
• 4.4 小结
• 5 结论与展望
• 5.1 结论
• 5.2 展望
• 致谢
• 参考文献
• 攻读学位期间参与的项目及发表的学术论文