基于RBF神经网络的往复泵泵阀故障诊断研究

基于RBF神经网络的往复泵泵阀故障诊断研究

ID:32346012

大小:223.39 KB

页数:4页

时间:2019-02-03

基于RBF神经网络的往复泵泵阀故障诊断研究_第1页
基于RBF神经网络的往复泵泵阀故障诊断研究_第2页
基于RBF神经网络的往复泵泵阀故障诊断研究_第3页
基于RBF神经网络的往复泵泵阀故障诊断研究_第4页
资源描述:

《基于RBF神经网络的往复泵泵阀故障诊断研究》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、2011年第4O卷石油矿场机械第1期第24页OILFIELDEQUIPMENT文章编号:100卜3482(20l1)01-0024—04基于RBF神经网络的往复泵泵阀故障诊断研究王长忠,李伟平,吴正军(1.大庆职业学院,黑龙江大庆163000;2.大庆油田采油六厂,黑龙江大庆163000)摘要:根据小波包分析,获得了各频带能量的分布规律,构造了泵阀状态特征向量,训练了RBF神经网络。大量的现场试验证明,构造的故障特征向量与RBF神经网络配合使用的方法可以明显提高泵阀故障诊断的准确率。关键词:往复泵;故障诊断;故障特征向量;RBF神经网络中图分类号:TE926.03文献标识码

2、:AFaultDiagnosisApproachBasedonRBFNeuralNetworkforValvesofRecipr0catingPumpsWANGChang—zhong。LIWei~ping。WUZheng—jun(1.DaqingVocationalCollege,Daqing163000,China;2.No.6OilProductionPlant,DaqingOilyield,Daqing163000,China)Abstract:Accordingtowaveletanalysis,theenergyregularityofeachfrequencyb

3、andisfound,thecharacteristicvectorsforvaluesofpumpsareconstructed,theRBFneuralnetworkistrained.Throughalotofpractices,boththecharacteristicvectorsandtheRBFneuralnetworkareprovedtoraisethediagnosisrateforvalvesofreciprocatingpumps.Keywords:reciprocatingpump;faultdiagnosis;faultcharacteristi

4、cvector;RBFneuralnetwork三缸往复泵是石油矿场中广泛应用的一种关键有泵阀关闭、机构不平衡等惯性载荷冲击等造成的设备,由于工况比较恶劣,泵阀非常容易发生故障,瞬态激励响应,各缸之间相互干扰,因此所测得的振是往复泵的薄弱环节。目前对往复泵泵阀故障诊断动信号含有大量的噪声信号,而故障信号是被湮灭的主要方法是分析其振动信号,根据振动信号的相在各种噪声信号之中。如何有效提取故障特征以及关特征来判断泵阀状态。由于往复泵结构复杂,激如何利用故障特征实现智能诊断是目前研究的2个振源类型多,振动信号中既有各种随机振动成分,又关键问题。-—+“-+-+“+”+“+”+”+

5、一—-+-“+一—”参考文献:油矿场机械,2006,35(4):44—46.[1]李树国,史倬,王立伟.CYI15型捞油车的研制与应[42檀朝东,张佳民,师国臣,等.发展低矮抽油机和柔性杆用1』.石油机械,2001,29(5):29—30.配套技术的几点思考[J].石油矿场机械,2009,38[2]王春华,祝立群,张永功,等.新型固定式捞油机[J].油(10):1417.气田地面工程,2007,26(2):61—63.Es]梁宏宝,伊莲娜。钢丝绳抽油杆柱的加重杆优化设计[3]孟庆武,刘树林,王春华,等.油田捞油没备述评[J].石I-j].石油矿场机械,2009,38(11)

6、:34—36.收稿日期:2010-0730基金项目:黑龙江省教育厅科研项目(11j15001)作者简介:王长忠(1969一),男,吉林大安人,副教授,硕士,主要从事机械设备故障诊断方面的研究工作,E-mail:wcz0404@S1na.corn。第4O卷第1期王长忠,等:基于RBF神经网络的往复泵泵阀故障诊断研究1振动数据采集研究对象是3DJ一2.5/16型往复泵,冲程为76mm,柱塞直径为35mm,冲次为195min一。在往>量复泵泵阀的振动信号中存在大量的连续分布的频率粤成分,根据过去的研究可知,故障信号的频率通常在5kHz以下,而噪声信号的频率通常较高u一。根据采样定

7、理,在采集泵阀振动信号时,如果采样频率取为10kHz,则采样时问间隔为0.0001s,采样点数为20000。根据现场的实际情况,设置9种泵阀状态[2,如C弹簧失效时表1。图11号排出阀状态信号时域波形表1泵阀状态2利用小波分析提取故障特征序号泵阀状态序号泵阀状态小波变换具有多分辨率分析的特点,在时、频21正常状态61号吸入阀阀芯磨损域都具有表征信号局部特征的能力,是一种窗口面21号排出阀阀芯磨损72号吸入阀阀芯磨损32号排出阀阀芯磨损81号吸人阀弹簧失效积固定但其形状可以改变的时频局部化分析方法。41号排出阀弹簧失

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。