往复活塞式压缩机关键部件的故障诊断方法研究及应用

论文摘要

机械设备监测与故障诊断技术是一门综合性技术，从本质上来讲是一个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。由于往复式压缩机在工业生产中的重要作用，其故障诊断的研究具有重要意义。本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)，在总结和汲取别人研究成果的基础上，以往复式压缩机表面振动信号为研究对象，结合适用于非平稳信号分析的局域波法、分数阶Fourier变换等方法，有效实现了往复式压缩机故障特征的提取，引入模式分类方法并加以改进，实现了故障的准确分类与故障程度的量化。本文的主要工作如下： 1．在分析往复式压缩机结构特征的基础上，总结了表面振动响应与主要激振源和传递路径的关系。结合长期在往复式压缩机振动测试中遇到的问题，阐述了信号可重复性的意义，指出信号的可重复性是往复式压缩机故障诊断的一个重要性质，它对于故障诊断工作的顺利开展有着深远的影响。通过对往复式压缩机实测信号的分析，发现同一部件不同测量位置及测试参数条件下，得到信号的能量与谱型均有较大差异。因此，只有在测试条件相对不变的前提下获取的信号，才能有效应用于往复式压缩机的故障诊断。 2．着重分析了局域波法的分解特征，尤其是采样频率的影响，分析了局域波分解误差的构成形式，总结了信号的分解误差与采样频率的关系，指出在应用局域波分解时应尽可能对信号进行过采样。比较了不同分解方法对同一信号的分解能力，发现当前的局域波分解方法均不能有效的抑制分解误差。根据上述研究结果，提出了一种基于重采样插值的局域波分解方法，以实例证实了其在特征提取中的有效性。 3．引入局域波自回归谱，证实了其在往复式压缩机故障特征提取中的有效性。针对实测信号的时频分布噪声干扰严重的现象，将分数阶Fourier变换应用于信号的时频分布的降噪。受到分数阶域滤波的启发，提出了一种基于分数阶Fourier变换的局域波分解方法，有效的解决了一类信号的局域波分解问题，拓宽了局域波分解的适用范围。 4．将聚类分析与往复式压缩机故障诊断相结合。分析了不同测度对往复式压缩机故障分类的影响，提出了一种基于J散度和局域波自回归谱的层次聚类算法，并应用于往复式压缩机的故障诊断，收到了良好的效果。探讨了在故障特征参数分类效果评判中应用模糊聚类的可行性，得出了基于振动绝对值的特征参数应该在诊断中谨慎使用的结论。重点研究了基于竞争学习的在线聚类方法，提出了一种改进的基于评判的在线聚类算法，分析了其在往复式压缩机故障诊断中的效果，证实此改进算法具有良好的分类能力。

论文目录

• 独创性说明
• 摘要
• ABSTRACT
• 1 绪论
• 1.1 往复式压缩机故障诊断技术研究的背景及意义
• 1.2 往复式压缩机故障诊断技术概述
• 1.2.1 往复式压缩机设备故障的特点
• 1.2.2 往复式压缩机故障诊断的一般过程
• 1.2.3 往复式压缩机的常用诊断方法
• 1.3 往复式压缩机故障诊断的研究现状
• 1.3.1 基于经典信号分析理论的特征提取
• 1.3.2 基于时间序列的特征提取
• 1.3.3 基于时频分析的特征提取
• 1.3.4 基于神经网络的往复式压缩机故障诊断方法
• 1.3.5 基于数学模型的故障诊断方法
• 1.3.6 基于专家系统和故障树的故障诊断方法
• 1.3.7 基于不确定性的粗糙集和模糊逻辑理论的诊断方法
• 1.4 课题来源及本文的主要内容
• 1.4.1 本文的研究思路及主要创新工作
• 1.4.1 本文主要内容及论文结构
• 2 往复式压缩机振动分析
• 2.1 往复式压缩机振动机理
• 2.1.1 往复式压缩机的系统构成
• 2.1.2 往复式压缩机振动的工作循环及振动激振源分析
• 2.1.3 活塞曲柄机构振动分析
• 2.1.4 往复式压缩机表面振动信号的特点
• 2.2 往复式压缩机故障诊断中的一些问题
• 2.2.1 测试参数的选取
• 2.2.2 测点位置的选择
• 2.2.3 信号的可重复性
• 2.3 小结
• 3 局域波法的分解特征及应用
• 3.1 局域波法基础
• 3.1.1 局域波分解
• 3.1.2 局域波时频表示
• 3.2 采样频率对局域波时频分辨特性的影响
• 3.2.1 采样频率对单一频率信号的影响
• 3.2.2 采样频率对不同分解方法的影响
• 3.2.3 误差的产生原因
• 3.3 基于重采样插值的局域波分解方法
• 3.4 应用实例
• 3.5 小结
• 4 基于分数阶Fourier变换和局域波法的特征提取
• 4.1 时域和频域的特征提取方法
• 4.1.1 时域特征提取
• 4.1.2 频域特征提取
• 4.2 基于局域波分解的时间序列模型的特征提取
• 4.2.1 时间序列参数模型与自回归谱
• 4.2.2 局域波自回归谱
• 4.2.3 基于局域波自回归谱的特征提取
• 4.3 基于分数阶Fourier变换的特征提取
• 4.3.1 分数阶Fourier变换的基本知识
• 4.3.2 分数阶Fourier变换的时频表示
• 4.3.3 分数阶Fourier域滤波
• 4.3.4 基于分数阶Fourier变换的局域波法分解
• 4.3.5 基于分数阶Fourier变换和局域波时频分布的故障特征提取
• 4.4 小结
• 5 基于聚类分析的故障诊断方法的研究及应用
• 5.1 聚类分析的基础知识
• 5.1.1 样本之间的度量
• 5.1.2 聚类的准则函数
• 5.2 基于J散度和局域波自回归谱的层次聚类
• 5.2.1 合并的层次聚类的基本算法
• 5.2.2 在故障诊断中的应用
• 5.3 模糊聚类及在往复式压缩机故障诊断中的应用
• 5.3.1 模糊c均值聚类
• 5.3.2 在特征参数评价中的应用
• 5.4 在线聚类
• 5.4.1 竞争学习
• 5.4.2 Leader-follower聚类算法
• 5.4.3 基于评判的Leader-follower在线聚类
• 5.4.4 聚类中的降维问题
• 5.4.5 在往复式压缩机气阀故障诊断中的应用
• 5.5 小结
• 6 基于多尺度Hilbert谱熵的故障程度量化的研究
• 6.1 常用的故障量化方法
• 6.2 熵的基本知识
• 6.2.1 熵和信息量
• 6.2.2 离散信息源信息熵
• 6.3 熵在往复式压缩机故障量化中的应用
• 6.3.1 功率谱熵
• 6.3.2 时频熵
• 6.3.3 时频奇异谱熵
• 6.4 Hilbert谱及多尺度Hilbert谱熵
• 6.4.1 Hilbert谱
• 6.4.2 Hilbert谱的时频多分辨率特性
• 6.4.3 多尺度Hilbert谱熵
• 6.5 应用实例
• 6.6 小结
• 结论
• 参考文献
• 附录A 测试机组及测试系统资料
• 攻读博士学位期间发表学术论文情况
• 创新点摘要
• 致谢
• 大连理工大学学位论文版权使用授权书