基于信息熵的涡旋压缩机的故障诊断研究

论文摘要

近年来基于涡旋压缩机的测试系统的平台搭建和对其振动噪声的分析，展示出了非常广阔的应用前景，但还是难以满足涡旋压缩机运行状态监测的要求。由于涡旋压缩机在国内的应用时间还不是很长,对其使用过程中的故障分析还不多，仍处于搭建测试平台采用传统单一的频谱分析描述其工作状态的初级阶段，其运转状况的性能数据还无法通过准确的数学模型计算获得。而且涡旋压缩机振动的激励源较多，壳体表面信号表现为非平稳性和非线性，因此对其故障诊断较为复杂。本文在常规频谱分析的基础上，通过多角度的信息融合更准确的对非平稳信号进行了故障判别。本文从振动信号分析的思路出发,结合信息论中熵和灰关联度的理论，建立了一种基于时域的奇异谱熵、频域的功率谱熵、时-频域小波能量谱熵和小波空间特征谱熵新的的故障诊断方法并以此作为综合评价涡旋压缩机振动状态的定量特征指标。对其中几处难点作了重点分析，一是关于奇异谱熵的嵌入延迟理论的参数选取问题，这直接关乎于奇异分解对于信号的有效信息和噪声的区分效果。二是对传统概率熵加入了滑动时窗进行了改进，使其功率谱熵和小波能谱熵体现了信号局部特征的分布差异和变化。在MATLAB信号处理工具箱里利用信息熵的几种算法实现了对奇异谱熵、功率谱熵、小波能谱熵和小波特征谱熵这四种熵的数学模型建立。结合整理出的涡旋压缩机的不同转速下的熵值参考样本与待诊样本进行了灰关联对比分析，直接利用灰关联度的量化结果实现了对涡旋压缩机几种故障的很好识别,证明了该故障诊断方法的有效性。

论文目录

• 摘要
• Abstract
• 插图索引
• 附表索引
• 第1章 绪论
• 1.1 课题研究的背景
• 1.2 国内外的研究现状
• 1.2.1 涡旋压缩机国外研究现状
• 1.2.2 涡旋压缩机国内研究现状
• 1.3 涡旋压缩机的发展趋势
• 1.4 课题的来源与意义
• 1.4.1 课题来源
• 1.4.2 课题意义
• 1.5 课题主要研究工作
• 第2章 涡旋压缩机故障特征和实验平台概述
• 2.1 涡旋压缩机的基本结构
• 2.2 涡旋压缩机的基本原理
• 2.3 涡旋压缩机故障诊断中的难点
• 2.4 涡旋压缩机故障特征
• 2.5 故障测试平台的搭建
• 第3章 信息熵理论及相关特征
• 3.1 信息熵的定义
• 3.1.1 熵的概念
• 3.1.2 熵的性质
• 3.2 基于信息熵的涡旋压缩机故障方法
• 3.3 信息熵诊断的基本原理
• 3.4 振动信号时域的信息熵特征
• 3.4.1 奇异值分解理论
• 3.4.2 参数选取问题
• 3.5 振动信号频域的信息熵特征
• 3.6 振动信号时-频域的信息熵特征
• 3.6.1 连续、离散小波区别
• 3.6.2 连续小波变换
• 3.6.3 离散小波变换
• 3.7 本章小结
• 第4章 灰关联度分析
• 4.1 灰色关联简介
• 4.1.1 灰色关联分析的概述
• 4.1.2 灰关联空间定义
• 4.1.3 灰关联度分析模型
• 4.1.4 灰关联分析在复杂机械设备诊断中的应用
• 4.1.5 灰关联分析的应用举例
• 4.2 本章小结
• 第5章 实验结果分析
• 5.1 熵的分析模块
• 5.1.1 MATLAB 信号处理工具箱
• 5.1.2 信号处理工具箱中算法实现
• 5.2 测试方案
• 5.3 结果分析
• 5.4 不同转速下的信息熵
• 5.5 基于灰关联度故障诊断方法
• 5.6 本章小节
• 结论与展望
• 参考文献
• 致谢
• 附录 A 攻读学位期间所发表的学术论文
• 附录 B 部分奇异值谱熵程序
• 附录 C 功率谱熵部分算法实现程序
• 附录 D 小波空间特征熵
• 附录 E 部分小波能谱熵源程序