往复压缩机多重分形故障特征的提取与识别

论文摘要

往复压缩机广泛应用于各工业领域,对其状态监测与故障诊断技术的研究是目前国内外故障诊断领域的研究热点之一。本文针对往复压缩机振动信号的非线性特征,应用多重分形理论提取压缩机的故障特征参数,并采用支持向量机对其特征参数进行分类识别,为往复压缩机故障诊断技术研究提供了新的思路。多重分形理论是自相似一致分形的推广,该方法克服了单一分形维数难以全面刻画信号特征的缺点,可用于非平稳信号内在特征信息的精细刻画和准确提取。本文研究分析了不同的多重分形算法,确定使用更简便、快速有效的多重分形谱改进算法来求取往复压缩机的故障特征参数。分析结果发现广义维数Dq能够很好的反映往复压缩机的工作状态,并以广义维数Dq为故障特征参数建立了支持向量机的识别样本。随后介绍了支持向量机的核函数选择和参数优化过程,在此基础上构造了支持向量机的多故障分类器。本文明确给出了往复压缩机故障特征提取与识别的具体步骤,并利用现场实测信号对往复压缩机常见的气阀和轴承故障进行了识别分析。识别结果表明,该方法克服了传统方法在故障特征提取和识别上的局限性,能够有效地识别出往复压缩机的各种故障。最后提出了压缩机运行状态的分级诊断方法,即通过比较压缩机两级部件正常与故障状态的ΔD q之差,其值较大者既确定为故障级;并通过多种故障类型的分析对比,证明了此方法的有效性。

论文目录

• 摘要
• ABSTRACT
• 创新点摘要
• 前言
• 第一章 往复式压缩机故障诊断基础性问题研究
• 1.1 往复式压缩机简介
• 1.1.1 往复式压缩机的工作过程
• 1.1.2 2D12 往复式压缩机的主要参数和基本结构
• 1.2 振动机理分析
• 1.2.1 引起振动的内部激振力
• 1.2.2 引起振动的其它原因
• 1.3 压缩机振动信号特性分析
• 1.3.1 压缩机振动信号的特点
• 1.3.2 时域和频域分析
• 1.3.3 振动信号其它分析方法
• 1.4 本章小结
• 第二章 基于多重分形的故障特征提取方法
• 2.1 分形基本原理及概念
• 2.1.1 分形的定义
• 2.1.2 分形的性质
• 2.1.3 分形的算法
• 2.2 多重分形
• 2.2.1 多重分形模型
• 2.2.2 多重分形算法
• 2.2.3 多重分形谱的改进算法
• 2.3 本章小结
• 第三章 智能识别技术研究
• 3.1 故障特征智能识别技术概述
• 3.1.1 专家系统
• 3.1.2 人工神经网络
• 3.1.3 支持向量机的提出及其优点
• 3.2 统计学习理论
• 3.2.1 机器学习的基本问题和方法
• 3.2.2 统计学习理论的基本内容
• 3.3 支持向量机
• 3.3.1 最优分类面
• 3.3.2 支持向量机的定义
• 3.3.3 支持向量机的核函数
• 3.3.4 支持向量机的多元分类
• 3.4 本章小结
• 第四章 故障特征的提取与识别
• 4.1 数据的预处理
• 4.2 故障特征的提取
• 4.2.1 多重分形谱计算步骤
• 4.2.2 多重分形谱图
• 4.2.3 多重分形参数的提取
• 4.2.4 多重分形特征参数优选
• 4.3 故障特征的识别
• 4.3.1 多故障分类器的建立
• 4.3.2 识别样本的确定
• 4.3.3 SVM 识别参数的确定
• 4.3.4 识别结果分析与核函数的确定
• 4.4 本章小结
• 第五章 往复压缩机故障诊断实例分析
• 5.1 往复压缩机故障概述
• 5.1.1 往复压缩机的故障诊断难点
• 5.1.2 压缩机的测点布置
• 5.2 故障实例分析
• 5.2.1 压缩机气阀泄露故障分析
• 5.2.2 压缩机气阀故障类型分析
• 5.2.3 压缩机轴承故障分析
• 5.2.4 压缩机运行状态分级诊断
• 5.3 本章小结
• 结论
• 参考文献
• 发表文章目录
• 致谢
• 详细摘要