石油钻井传动滚动轴承的振动信号分析与故障诊断

石油钻井传动滚动轴承的振动信号分析与故障诊断

ID:32473360

大小:1.84 MB

页数:68页

时间:2019-02-06

石油钻井传动滚动轴承的振动信号分析与故障诊断_第1页
石油钻井传动滚动轴承的振动信号分析与故障诊断_第2页
石油钻井传动滚动轴承的振动信号分析与故障诊断_第3页
石油钻井传动滚动轴承的振动信号分析与故障诊断_第4页
石油钻井传动滚动轴承的振动信号分析与故障诊断_第5页
资源描述:

《石油钻井传动滚动轴承的振动信号分析与故障诊断》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、江苏大擘硕士毕生论文摘要石油钻井是一种连续的作业过程,一旦发生故障将会带来严重的经济损失。钻井设备属于大型设备,有许多传动机构。易发生故障的部件主要是传动滚动轴承,因此开展对油田钻井设备滚动轴承的故障诊断具有很现实的意义。本文总结分析了滚动轴承的振动及其常见的故障形式,讨论了振动信号时域和频域的常规分析方法。由于滚动轴承出现故障时的振动信号是非平稳信号,用常规的傅里叶分析方法达不到良好的诊断效果,而小波分析可以同时从时域和频域两方面对信号进行分析,十分适用于滚动轴承的故障诊断。本文采用小波对振动信号进行消噪预处理,较好地消除了背景噪声对滚动轴承振动信号的干扰,提高了信噪比,并提

2、出小波包频带能量特征提取的方法,有效地提取出隐含在振动信号中的故障特征。在特征提取的基础上,本文研究了RBF神经网络及其在滚动轴承故障诊断中的应用,结果表明是可行的。由于在实际工程应用中,受到数据传输带宽和存储的限制,数据样本量往往不是很充分,易导致神经网络的诊断结果不准确。针对这一闯题,本文引入了基于统计学习理论的支持向量机(SvM)。以支持向量机的二值分类算法为基础,提出了支持向量机的多值分类算法。实验结果表明该方法是行之有效的,且在小样本情况下比RBF神经网络具有更高的诊断精度。关键词:滚动轴承,故障诊断,小波分析,RBF神经网络,支持向量机江苏大学硕士毕业论文Abstr

3、actTheproducingprocessofpetroleumdrillingisacontinuousprocess,ifitgoeswrong,theeconomiclosswillbeveryserious.Thedrillingisalarge-scaleequipmentwimmanytransmissionmechanisms,anditsrollingbearingseasilybreakdown.Thus,developingthefaultdiagnosisofdriningrolHngbearingshasgreatpracticalsignifican

4、ce.Inthispaper,thefaultmechanismandthevibrationcharact潮csofrollerbearingsaresummarized,andthetraditionalvibrationsignalanalysismethodsaleintroduced.However,excellenteffectsCannotbeobtainedbyusingregularFouriortoanalyzethenon-stationaryvibrationsignalproducedbythefaultrollingbearings.Thewavel

5、etanalysismethod,whichtailanalyzesignalbothintimeandfnutuencydomains,issuitabletothefaultdiagnosisofrollingbearings.Afterintroducingthetheoryofwaveletanalysis,thispaper蹴sthepriacipleofwaveletdenoisetopreprocessthevibrationsignal.Thenoisedisturbanceofthevibrationsignaliseffectivelyeliminateda

6、ndthesignal-to-noiseratioisimproved.Thenthewaveletpacketanalysisisusedtoe】(tnIctenergyeigenvectoroffrequencydomain.Theresultsshowthattherealfaultfeaturesofthevibrationsignalcouldbeextractedverywellbythismethod.Onthebasisoffeatureextraction,thispapermakessoinediscussesonRBFneuralnetwork(RBFNN

7、).ItispracticablethatRBFNNisappliedtodiagnosisofrollingbearingsthroughthenetworkanalysisresults.Aimingattheproblemthatitisdifficulttoobtainenoughsamplestotrainuettmlnetworksduetothelimitationofdatatransmissionbandwidthandmemory,causingshortageofneu

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。