水压试验机故障诊断与故障预测方法研究

论文摘要

钢管作为一种输送流体的管道,是国民经济各个领域不可缺少的重要钢材之一。根据API要求,各种不同品种和钢级的钢管,必须能承受相应等级的压力,压力试验成为钢管生产过程中必需的质量检测环节,对钢管质量检验起重要作用。水压试验机正是为检验钢管的耐压能力而设计制造的。水压试验机是一个集机械、液压及电控等多方面为一体的复杂系统,国内大部分先进的水压试验设备都是从国外直接引进的,由于涉及到一些专利的保密性,使得我们对引进水压试验机的机理知识缺乏深入的了解。液压系统发生故障时,故障的诊断和排除带有很大的技术难度,往往需要为此耗费大量的人力、财力和生产时间。此外,由于水压试验机是一个复杂的高压系统,该类系统一旦发生事故,不仅会影响生产的可靠运行还可能会造成人员和财产的巨大损失。如果能够通过对过程的在线预测,预知系统在未来一段时间内的故障信息,从而使操作者可以及时地进行生产决策和管理,这样就可以预防并且减少故障所造成的损失。因此,研究切实可行的水压试验机故障诊断与预测方法,快速判断故障原因,对提高设备的检验能力及保证生产安全可靠运行有重要意义。本文以宝钢钢管厂1995年从德国DEMAG公司引进的3号线水压试验机为研究对象,在深入研究水压试验机工作机理的基础上,针对该类水压试验机的故障特点,提出了具有一定实际应用价值的故障诊断及预测方法：1.深入研究水压试验机液压系统机理,通过简化水压试验机主液压系统,分别建立增压系统和平衡系统的数学模型。在此基础上,以AMESim作为软件环境,建立水压试验机主液压系统仿真模型,实现了该液压系统的故障输出及动态性能仿真。2.针对水压试验机常见故障特点,提出了基于打压波形信息的故障类别诊断专家系统方法,并针对其中的专家系统提出基于减聚类的“变焦”知识获取方法。该方法利用减聚类算法对水压试验机增压侧压力数据进行聚类分析,通过与专家进行交流,不断调整减聚类算法参数,挖掘尽可能多的信息进行知识获取,进而通过灰关联分析实现了水压试验机的故障类别诊断。3.在故障类别诊断的基础上,针对水压试验机打压过程的时段特性以及可以获得大量过程变量数据的特点,提出了基于子时段递推的多向Fisher判别分析(MFDA)方法,实现了液压系统的故障元件诊断。为了解决应用此类方法遇到的不等长周期问题,结合水压试验过程的数据特性提出了子时段首部数据等长法,进一步提高了诊断精度。4.针对一些液压元件故障具有批次间渐变的特点,提出了基于多元统计技术及时间序列的故障预测方法。通过建立T2及Q统计量的自回归模型预测下一批次统计量值,将所求值与控制限对比进而对渐变故障进行预测。5.描述了水压试验机故障诊断的实现方案,提出了故障诊断实现的体系框架并在生产现场实现部分功能。通过上述提出的方法可以构成一个完整的水压试验机故障诊断系统。首先利用专家知识快速准确地诊断出发生故障的类别,然后进一步通过多元统计方法诊断出发生故障的元件。在故障诊断问题的基础上,通过渐进故障的预测方法对故障信息进行预测,从而避免故障发生,提高生产效率。上述方法均在仿真中得到了验证并且部分方法已在实际生产过程中得到了应用,效果良好。

论文目录

• 摘要
• Abstract
• 目录
• 第一章 绪论
• 1.1 研究背景及其意义
• 1.1.1 钢管水压试验机概述
• 1.1.2 水压试验机的国内外研究现状
• 1.1.3 本文研究的目的和意义
• 1.2 故障诊断与预测技术的研究现状
• 1.2.1 故障简介
• 1.2.2 故障诊断的发展
• 1.2.3 故障预测的发展
• 1.3 本文的主要研究内容
• 第二章 钢管水压试验机机理分析及建模
• 2.1 引言
• 2.2 水压试验机结构及工作原理介绍
• 2.2.1 水压试验机的工作流程
• 2.2.2 水压试验机的主要结构及功能简述
• 2.2.3 水压试验机的工作原理
• 2.3 水压试验机液压系统的机理分析
• 2.3.1 水压试验机机理分析的目的和意义
• 2.3.2 液压系统的机理分析
• 2.3.3 机理分析的结论
• 2.4 水压试验机AMESim仿真模型
• 2.4.1 仿真软件介绍
• 2.4.2 水压试验机主液压系统仿真模型建立
• 2.4.3 仿真结果分析
• 2.5 本章小结
• 第三章 水压试验机故障类别诊断
• 3.1 引言
• 3.2 水压试验机故障类别诊断
• 3.2.1 水压试验机知识获取
• 3.2.2 基于灰关联分析的在线故障类别诊断
• 3.3 实验研究
• 3.4 本章小结
• 第四章 水压试验机故障元件诊断
• 4.1 引言
• 4.2 Fisher判别分析方法
• 4.2.1 Fisher判别式分析的基本原理
• 4.2.2 低维判别空间的确定
• 4.2.3 FDA与PCA比较
• 4.2.4 多向Fisher判别分析
• 4.3 水压试验机故障元件诊断方法
• 4.3.1 问题提出
• 4.3.2 子时段的划分
• 4.3.3 子时段递推MFDA方法
• 4.3.4 元件故障诊断仿真研究
• 4.4 不等长数据的处理
• 4.4.1 问题提出
• 4.4.2 不等长数据的处理方法
• 4.4.3 在元件故障诊断上的应用
• 4.5 本章小结
• 第五章 水压试验机缓变故障预测
• 5.1 引言
• 5.2 预测方法的提出
• 5.2.1 预测时间段的选取
• 5.2.2 预测值的选取
• 5.2.3 预测算法的选取
• 2及Q统计量的控制限'>5.3 求取Hotelling-T²及Q统计量的控制限
• 5.4 基于MPCA-AR的缓变故障预测
• 2及Q统计值'>5.4.1 求取已知批次的Hotelling-T²及Q统计值
• 2的ARMA模型'>5.4.2 建立Hotelling-T²的ARMA模型
• 5.4.3 建立Q统计量的ARMA模型
• 5.4.4 故障预测仿真研究
• 5.5 本章小结
• 第六章 水压试验机故障诊断系统技术实现方案
• 6.1 引言
• 6.2 水压试验机故障诊断系统技术方案
• 6.2.1 总体结构及功能
• 6.2.2 系统主要辅助功能
• 6.3 水压试验机故障诊断方案在线实现
• 6.3.1 软件开发环境
• 6.3.2 上位机的配置
• 6.3.3 下位机系统的硬件组态
• 6.3.4 建立专家系统知识库
• 6.3.5 人机交互界面
• 6.3.6 诊断结果
• 6.4 小结
• 第七章 总结与展望
• 参考文献
• 致谢
• 攻读博士学位期间论文情况
• 个人简历