欢迎来到天天文库
浏览记录
ID:32470352
大小:1.69 MB
页数:75页
时间:2019-02-06
《振动筛振动异常状态辨识方法研究》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、太原理工大学硕士研究生学位论文振动筛振动异常状态辨识方法研究摘要振动筛是洗煤厂的一个重要的筛分设备,它是利用筛子的振动来实现选煤的。振动筛是靠振动来工作的,噪声大,工作环境恶劣,工作时间长,难免出现设备的诸多故障。出现故障时又不易被发现,以至于使故障不断恶化,最终带来严重的后果,不得不停产整修,使振动筛的维护成本大增,也使生产进度和经济效益受到影响。因此,对振动筛振动异常状态的辨识方法的研究,就显得具有一定的现实意义和实用价值。通过对振动筛振动异常的辨识,及早地发现故障,不致使故障继续发展,及时对其进行维护,使维修成本降低,对生产予以保证是有重要意义的。本论文通过正常状态时振动
2、筛的振动数据和故障状态时的振动数据的分析研究,对故障信号予以辨识,同时也找出了相应的辨识方法。在数据信号的处理过程中,使用了相应的处理方法,为最终被分析信号的正确性提供了保证。●首先,对采得的数据信号进行标定变换和消除多项式趋势项处理。通过标定变换,使电压信号转换为我们需要研究的加速度信号。而通过消除多项式趋势项处理,消除了信号偏离基线的问题。其次,采用小波降噪方法对振动信号进行降噪。由于噪声信号多包含在具有较高频率的细节中,通过对信号进行小波分解,利用门限阈值等形式对所分解的小波系数进行处理,然后对信号进行小波重构,实现信号降太原理工大学硕士研究生学位论文噪。然后,对降噪后的
3、信号进行时域和频域处理,通过MATLAB软件,计算出信号的有效值,给出降噪后的时域图形和信号的功率谱。’最后,通过对测得的4个传感器x、Y、Z三方位的正常状态的有效值、时域图形和功率谱与故障状态时的有效值、时域图形和功率谱进行对比分析,找出故障信号,并对故障信号的辨识方法予以研究,找出相应的振动筛故障诊断的可行方法。关键词:振动筛,异常状态,辨识方法,小波降噪,功率谱,MATLABⅡ太原理工大学硕士研究生学位论文RESEARCHoNTHEIDENTIFICATIoNMETHoDSoFⅥBROSIEVEABNORMALVIBRATloNSABSTRACTThevibrosieve
4、isoneoftheimportantsizingdevicesincoalwasheriesUsingthevibrationsofsieve,itcarriesoutcoaldressing.Itworksonthevibrations,aCOUStiCnoiseisloud,workingatmosphereisbad,workingtimeislong,SOitishardtoavoidagoodmanyfaults.It’Shardtofindthefaultswhentheyoccur,SOthatthefaultsgobad,finallythatbringsse
5、riousresults.Thatmakesusstopproducing,refitthemachine,alsoincreasethemaintenancecostofvibrosieveandinfluencetheproductivetempoandeconomicbenefit.Therefore.theresearchontheidenfificationmethodsofvibrosieveabnormalvibrationsseemstohavecertainpracticalmeaningsandvalues.Throughtheidentificationo
6、fvibrosieveabnormalvibrations,findthefaultsassoonaspossible,avoidthefaultsgobad,maintainthemachineintime,godownthecostofmaintenance.Thatisimportanttoinsuretheproducing.Throughtheanalyticalstudyofvibrationdataofnormalandabnormal,thethesishasdistinguishthefaultsignalsfromnormalsignalsandfindst
7、heidentificationways.III查垦堡三查堂堡圭塑塞生兰垡鎏奎Alongtheprocessingofthedata.usethewaysofcorrespondingp。oce88ing·Thatgivesguaranteetothevalidityofthedata.‘First,dotheprocessingofcalibrationtransformandpolynomialtrenditemeliminationtotheobtaineddata.Throughth
此文档下载收益归作者所有