欢迎来到天天文库
浏览记录
ID:34919068
大小:5.19 MB
页数:86页
时间:2019-03-14
《旋转机械早期故障诊断的研究与应用》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库。
1、ADissertationSubmittedinPartialFulfillmentoftheRequirementsfortheDegreeofMasterinEngineeringTheResearchandApplicationofRotatingMachineryEarlyFaultDiagnosisMasterCandidate:ZhangWeiMajor:ControlScienceAndEngineeringSupervisor:Prof.ZhouFengxingWuhanUniversityofSciencea
2、ndTechnologyWuhan,Hubei430081,P.R.ChinaMay,2015摘要本课题的研究来源于国家自然科学基金“低速重载机械早期故障稀疏特征识别的研究”。旋转机械是现代化工业生产中关键性设备,旋转机械早期故障诊断技术的研究具有重要的理论意义和广泛的推广应用价值。由于低速重载机械早期故障信号非常微弱,被淹没在低频振动信号和强背景噪声中,提取故障特征频率非常困难。为了解决低速重载旋转机械早期故障特征频率提取的难题问题,深入研究了旋转机械设备早期故障产生的机理、故障脉冲信号的数学模型及算法,完成了故障诊断平台的
3、设计。提出了自适应形态梯度提升方法,采用Hilbert变换、自适应形态梯度滤波、自适应形态梯度提升方法对振动信号进行时域和频谱分析,对比了这3种算法在有强背景噪声的振动信号中提取微弱冲击信号的能力,自适应形态梯度提升方法能够高效快速地提取较低信噪比下的微弱故障冲击信号,研究成果在故障诊断平台上取得了良好的早期故障识别效果。信号调理电路的硬件设计上,采用了自适应共振解调技术对振动信号进行自适应包络解调,保留了振动信号中的冲击成分;采用DSP和ARM9双核处理单元,实现了信号处理、采集控制、自动识别分类存储、多种网络通信、多任务、
4、故障特征提取与匹配等功能。诊断平台的软件设计上,采用了嵌入式Linux操作系统,实现了交叉编译环境搭建、BootLoader、kernel和根文件系统移植、设备驱动程序设计、GUI交互界面设计与移植等,对采集的振动数字信号进行诊断分析、故障识别、数据存储。本项目的研究成果已推广应用到工业现场,并得到了成功的应用,为企业实现机械设备预知维修的管理策略提供了技术支持,为企业创造了显著的经济效益和社会效益。关键词:共振解调;早期故障识别;形态梯度提升;专家诊断系统IAbstractTheresearchisbasedonprojec
5、t“ResearchofEarlyFaultDiagnosisofLow-speedandHeavy-loadMachinerybasedonSparseFeatureIdentification”,supportedbyNationalNaturalScienceFoundationofChina.Rotatingmachineryiskeyequipmentinthemodernindustrialproduction,theresearchofearlyfaultdiagnosistechnologyofrotating
6、machineryhasimportanttheoreticalsignificanceandextensiveapplicationvalue.Duetotheearlyfaultsignaloflow-speedandheavy-loadmachineryisveryweak,it’sdifficulttoextractthefaultcharacteristicfrequencyfromthelowfrequencyvibrationsignalandthestrongbackgroundnoise.Inordertos
7、olvetheproblemwhichearlyfaultcharacteristicfrequencyoflow-speedandheavy-loadrotatingmachineryisdifficulttoextract.Thefurtherresearchfocusesonthemechanismofearlyfault,themathematicalmodelofthepulsesignal,algorithmandthedesignoffaultdiagnosisplatform.Thedissertationpr
8、oposedanadaptivemorphologygradientliftingmethod.TheHilberttransform,adaptivemorphologicalgradientfilter,andadaptivemorphologygradientlifti
此文档下载收益归作者所有