导读:本文包含了工况诊断论文开题报告文献综述及选题提纲参考文献，主要关键词:水电站,调速系统,螺杆泵,异常
工况诊断论文文献综述
段水航[1]（2019）在《水电站调速系统螺杆泵运行异常工况诊断与维护》一文中研究指出在水电站机组运行过程中,调速系统螺杆泵及其过滤器、阀组在机组可能出现泵体振动过大、噪音增大、轴承温升过高、电机启动电流增大等异常,导致调速器液压系统工况的恶化,威胁到水轮发电机组的安全稳定运行。通过对上述异常工况的分析、归纳、总结,可供运行维护人员提高技术水平,以及时发现、处理运行中的异常,以确保调速系统叁螺杆泵长寿命高效运行。(本文来源于《水电与新能源》期刊2019年09期）
耿新中[2]（2019）在《基于能量守恒定律的气井井筒携液工况诊断模型》一文中研究指出井筒积液的产生对气井稳产有着较大的不利影响,而现有的井筒积液诊断方法又存在着应用局限性。为了明确产液量较大时气井井筒中两相流的携液机理、准确诊断井筒积液存在情况、合理制订气井生产措施,在前期研究的基础上,基于能量守恒定律,建立了气液两相垂管流的携液工况诊断新模型,通过与现场实践统计、室内实验数据进行比较,对新模型的准确性进行了验证,并采用新模型对某产液气井的携液工况进行了分析。研究结果表明:①产液量较少时,新模型计算得到的临界携液气量明显低于Turner模型的计算结果 ;②随着产液量增大,采用新模型计算得到的临界携液气量逐渐增大,并且压力越高,临界携液气量增大越明显;③气液两相垂管流的流型可分为气泡流、段塞流、过渡流、波浪流和环雾流5种,当两相流型为过渡流、波浪流或环雾流时,井筒中不存在积液。结论认为,新模型计算结果与现场实践统计、室内实验结果基本一致,诊断结论符合实际,具有普适性,可以为产液气井的携液工况诊断和积液预防提供理论支撑。(本文来源于《天然气工业》期刊2019年09期）
吴叶彬[3]（2019）在《工况传递路径法在路噪问题诊断中的应用》一文中研究指出首先研究传递路径法的基本原理,并详细阐述工况传递路径方法(OPAX)的试验步骤及实施要求。针对某款轿车路噪大问题,通过应用工况传递路径的试验分析方法,高效地识别出各个激励源路径的贡献量,并通过设计针对性的优化方案,成功有效地降低了车辆路噪。(本文来源于《汽车工艺师》期刊2019年09期）
吴高昌,刘强,柴天佑,秦泗钊[4]（2019）在《基于时序图像深度学习的电熔镁炉异常工况诊断》一文中研究指出超高温电熔镁炉(Fused magnesium furnace, FMF)生产炉况监测困难,易发生欠烧异常工况,不仅造成产品质量下降,也直接危害生产安全与人员安全.现有的人工巡检方式实时性差,容易发生漏报和误报,甚至导致铁制炉壳烧透、烧漏.针对该问题,本文采用视频信号,利用电熔镁炉欠烧工况的时空特征,即在炉壳表面出现的局部不规则高亮区域的空间特征,以及该高亮区域随时间呈现出亮度增强、面积变大的时序特征,提出一种基于卷积循环神经网络(Convolutional recurrent neural network, CRNN)的电熔镁炉异常工况诊断新方法.该方法包括图像序列一致性变换和时序残差图像提取预处理、基于卷积神经网络(Convolutional neural network, CNN)的空间特征提取、基于循环神经网络(Recurrent neural network,RNN)的时序特征提取、基于加权中值滤波的工况自动标记.最后采用实际的电熔镁炉炉壳的视频信号,进行了所提方法与现有的两种深度学习网络模型的实验比较研究,结果说明了所提方法的优越性.(本文来源于《自动化学报》期刊2019年08期）
刘浩华[5]（2019）在《随机风速工况下的风机齿轮箱齿轮故障诊断研究》一文中研究指出风力发电机的智能故障诊断是风电产业可持续发展的必然要求。风机齿轮箱是风力发电机的关键传动部件,在长期随机风速工况下容易出现磨损、裂纹、断齿等齿轮故障,潜在着引发安全事故和经济损失的巨大风险。因此,开展随机风速工况下的风机齿轮箱齿轮故障诊断研究,符合风电能源产业安全健康发展的需要。但受随机风速工况的影响,目前仍存在着风机齿轮箱故障机理不明确、含噪声的非平稳信号的故障特征提取困难等问题。针对上述关键问题,本文以“一级行星+两级平行轴”型风机齿轮箱为研究对象,以实现随机风速工况下风机齿轮箱的齿轮故障诊断为研究目标,建立了随机风速工况下风机齿轮箱振动信号模型,提出了一种基于PSO-EEMD和阶次分析的非平稳信号处理方法,并进行了模型仿真与试验验证研究。(1)为了揭示随机风速、齿轮故障状态和振动信号响应之间的映射关系,首次将随机风速激励引入振动信号模型,综合考虑齿轮时变啮合频率、时变故障特征频率和行星架旋转效应等关键因素,从而建立了随机风速工况下风机齿轮箱振动信号模型。一方面,根据风场的风速统计特性,计算得到基于韦伯分布的随机风速模型,通过模型来模拟外界的随机风速,并将其转化为风机齿轮箱的输入轴转速;另一方面,结合风机齿轮箱的输入轴转速、结构参数和齿轮故障状态,获得时变的故障特征频率和载波信号,通过故障特征频率对载波信号的幅值和频率调制,建立风机齿轮箱振动信号模型。最后,通过对随机风速工况下风机齿轮箱振动信号模型的仿真分析,获得受随机风速干扰的包含齿轮故障特征信息的非平稳振动信号,为风机齿轮箱故障诊断研究提供数据支撑及理论依据。(2)为了改进总体平均经验模式分解方法(ensemble empirical mode decomposition,简称EEMD),更好地发挥其滤波除噪的作用,本文基于粒子群算法(particle swarm optimization,简称PSO)优化传统EEMD方法的关键参数,从而提出了 PSO-EEMD方法。该方法选取新的PSO评价目标函数来表征原始信号极值点均布特性,自适应地确定最优的高斯白噪声幅值Anoise,并计算相对应的总体平均次数N,从而通过优化这两个关键参数来提升EEMD方法的自适应性和分解精度。仿真对比分析结果表明,PSO-EEMD方法能够有效地将原始信号分解为多个固有模式分量(intrinsic mode function,简称IMF),相对于传统EEMD方法具备有效性和优越性,对振动信号滤波除噪效果更好。(3)为了从受噪声干扰的风机齿轮箱非平稳振动信号中提取故障特征,结合PSO-EEMD方法在信号滤波除噪方面的优势,提出了一种基于PSO-EEMD和阶次分析的非平稳信号处理方法。首先,借助等角度采样方法将非平稳的风机齿轮箱时域信号转变为平稳的角域信号;其次,借助PSO-EEMD方法对齿轮箱角域信号进行滤波除噪处理,根据峭度准则筛选出故障敏感IMF信号;最后,借助傅里叶变换获取故障敏感IMF信号的阶次谱,并从阶次谱中提取齿轮的故障特征阶次,从而判断风机齿轮箱的故障状态。仿真分析结果表明,该方法可以有效提取受噪声干扰的非平稳振动信号中的故障特征阶次,为风机齿轮箱故障诊断研究提供了方法技术支撑。(4)为了验证上述模型和方法的有效性,针对齿轮断齿故障和齿轮磨损故障这两种最常见的齿轮故障,对国内某风电场的风机齿轮箱开展齿轮故障诊断实例探究。首先,详细说明了试验数据的采集方案,同步采集了风机齿轮箱的时域振动信号和输出轴的转速数据;然后,利用基于PSO-EEMD和阶次分析的非平稳信号处理方法,获得故障敏感IMF信号的阶次谱,并将故障特征阶次从阶次谱图中提取出来,从而直观准确地判断风机齿轮箱的齿轮故障状态,并与实际的试验情况相互印证。(本文来源于《山东大学》期刊2019-05-20）
王蒙,孙旭,张进杰[6]（2019）在《往复压缩机气量无级调节工况下吸气阀故障模拟与诊断》一文中研究指出气阀是往复空压机上的易损部件,由于机组排气量调节要求需增加无级气量调节系统,进而改变了气阀的工作状态,使得气阀故障机理变得复杂化。通过建立往复压缩机工作循环的数学模型,利用软件模拟获得压缩机气量调节工况下动态压力曲线;改进数学模型、增加故障影响参数后,模拟了吸气阀的泄漏故障和弹簧刚度失效故障,得到了故障下的气缸压力数据;基于PCA方法进行了气阀故障状态的自动分类。(本文来源于《流体机械》期刊2019年04期）
韩树发,于颖,唐堂,陈明,王亮[7]（2019）在《基于联合领域自适应卷积神经网络的多工况故障诊断》一文中研究指出近年来,基于深度学习的故障诊断方法取得了显着的成就。然而,传统的深度学习故障诊断方法都基于训练数据与测试数据来自相同的概率分布这一假设。在实际工业应用中,设备工作在复杂多变的工况下,难以保证训练数据与测试数据属于相同分布。当训练数据与测试数据属于不同工况时,训练后的模型在测试集中的准确率会明显下降。为了解决这个问题,提出了一种改进的深度迁移学习算法——联合领域自适应算法。通过最小化源域和目标域的边缘分布差异与条件边缘分布差异,联合领域自适应算法可以获得更强的知识迁移能力。将联合领域自适应算法与卷积神经网络(CNN)结合,提出了一种端到端的多工况故障诊断模型。最后,使用西储大学(Case Western Reserve University)的滚动轴承故障数据集进行实验。实验结果显示模型在多工况故障诊断中的表现优于传统的深度学习、数据驱动与迁移学习算法。(本文来源于《微型电脑应用》期刊2019年01期）
袁向兵[8]（2019）在《深度学习神经网络在电潜泵井口排量预测与工况诊断中的应用》一文中研究指出针对潜油电泵井运行状态的多变量、非线性、强耦合的复杂时序系统,传统的电流卡片、参数阈值方法难以建立精确的工况诊断与产量预警模型,提出一种基于深度学习循环神经网络的长短时记忆算法对电泵井运行状态建模。利用海上油田电泵井大量实时数据,基于Tensorflow框架搭建神经网络模型,实现电泵井井口产量预测,并实现多种异常工况的诊断。(本文来源于《新型工业化》期刊2019年01期）
林少宝[9]（2019）在《船舶发电机故障工况仿真与诊断》一文中研究指出船舶交流发电机作为船舶综合电力推进系统的重要组成部分,是船舶能源系统产生电力的重要一环,其运行状况的好坏直接影响到船舶的推进系统。因此仿真研究发电机的运行工况,特别是故障工况,进而研究故障诊断和定位方法,对于船舶电力系统健康运转和船舶的安全运行十分重要。船舶发电机故障诊断不仅保障了系统的安全运行,而且能够为船舶发电机的维修提供参考,为此开展了以下的研究。基于物理和数学等方面的知识分析建立电力推进系统交流发电机的的数学模型,基于Matlab软件搭建发电机的仿真模型,在仿真模型的基础上,设置运行参数,分析仿真交流发电机在各种工况下的运行情况,运行输出电压、电流波形。针对发电机在船舶运行环境中经常发生的故障种类,设置参数建立了相应的故障仿真模型,运行输出电压电流波形,根据波形提取各种故障出现的特征。仿真实验采集了发电机在正常状态和五种故障状态下的叁相输出电压波形数据、叁相输出电流波形数据和发电机的励磁电流波形数据作为运行工况分析诊断故障参数。基于Labview软件,建立了电力推进系统中四组发电机的故障仿真、诊断平台,在线仿真、提取每个发电机的故障特征。将BP神经网络算法与逻辑判断方法结合,建立了四组发电机的故障诊断算法,编制了诊断软件,实现了发电机的运行状态在线实时诊断,对出现的每种故障的识别成功率大于95%。文中提出的BP神经网络与逻辑判断方法结合的诊断方法,诊断成功率更高。逻辑判断方法解决了BP神经网络不能很好识别特征非常相近的问题,BP神经网络解决了逻辑判断需要对每种工况建立一套标准的问题,实现了在线的故障诊断,能够实时跟踪监测发电机的运行状态,当其出现故障时能够及时地报警,以便采取有效的措施,为发电机的安全运行提供了保障。(本文来源于《哈尔滨工程大学》期刊2019-01-08）
张瑞超,尹玉琼,徐林颖,陈德春,肖良飞[10]（2018）在《基于特征识别的电潜泵井工况智能诊断新方法》一文中研究指出针对目前油田现场电潜泵井工况诊断方式一般为人工诊断,存在工作技术性强,依赖技术人员的经验和方法,诊断效率和精度较低,且工作量大等缺陷的问题,以油田现场采集的电流卡片为数据来源,形成了10种不同典型工况下的电流卡片样本库,分析每种典型工况下电流曲线的形态特征及其形成原因,统一规范并确定了5个特征参数和7个电流特征以及它们的阈值,并对每种典型工况下的电流曲线进行特征提取,从而形成了基于特征识别的电潜泵井工况智能诊断新方法,以判断油井工况故障,并提出解决措施。对油田现场6口油井的电流卡片进行工况诊断,工况诊断符合率为100%,表明所建立的诊断模型具有很好的精度,可以满足油田现场工程对诊断精度的要求,能够为油田现场的生产提供理论支持和指导。(本文来源于《中国石油大学胜利学院学报》期刊2018年04期）
工况诊断论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
井筒积液的产生对气井稳产有着较大的不利影响,而现有的井筒积液诊断方法又存在着应用局限性。为了明确产液量较大时气井井筒中两相流的携液机理、准确诊断井筒积液存在情况、合理制订气井生产措施,在前期研究的基础上,基于能量守恒定律,建立了气液两相垂管流的携液工况诊断新模型,通过与现场实践统计、室内实验数据进行比较,对新模型的准确性进行了验证,并采用新模型对某产液气井的携液工况进行了分析。研究结果表明:①产液量较少时,新模型计算得到的临界携液气量明显低于Turner模型的计算结果 ;②随着产液量增大,采用新模型计算得到的临界携液气量逐渐增大,并且压力越高,临界携液气量增大越明显;③气液两相垂管流的流型可分为气泡流、段塞流、过渡流、波浪流和环雾流5种,当两相流型为过渡流、波浪流或环雾流时,井筒中不存在积液。结论认为,新模型计算结果与现场实践统计、室内实验结果基本一致,诊断结论符合实际,具有普适性,可以为产液气井的携液工况诊断和积液预防提供理论支撑。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
工况诊断论文参考文献
[1].段水航.水电站调速系统螺杆泵运行异常工况诊断与维护[J].水电与新能源.2019
[2].耿新中.基于能量守恒定律的气井井筒携液工况诊断模型[J].天然气工业.2019
[3].吴叶彬.工况传递路径法在路噪问题诊断中的应用[J].汽车工艺师.2019
[4].吴高昌,刘强,柴天佑,秦泗钊.基于时序图像深度学习的电熔镁炉异常工况诊断[J].自动化学报.2019
[5].刘浩华.随机风速工况下的风机齿轮箱齿轮故障诊断研究[D].山东大学.2019
[6].王蒙,孙旭,张进杰.往复压缩机气量无级调节工况下吸气阀故障模拟与诊断[J].流体机械.2019
[7].韩树发,于颖,唐堂,陈明,王亮.基于联合领域自适应卷积神经网络的多工况故障诊断[J].微型电脑应用.2019
[8].袁向兵.深度学习神经网络在电潜泵井口排量预测与工况诊断中的应用[J].新型工业化.2019
[9].林少宝.船舶发电机故障工况仿真与诊断[D].哈尔滨工程大学.2019
[10].张瑞超,尹玉琼,徐林颖,陈德春,肖良飞.基于特征识别的电潜泵井工况智能诊断新方法[J].中国石油大学胜利学院学报.2018