基于全矢-ar模型的旋转机械故障趋势预测方法研究

《基于全矢-ar模型的旋转机械故障趋势预测方法研究》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、学校代码10459学号或申请号201212202355密级硕士学位论文基于全矢-AR模型的旋转机械故障趋势预测方法研究作者姓名：李永耀导师姓名：韩捷教授学科门类：工学专业名称：机械电子工程培养院系：机械工程学院完成时间：2015年5月AthesissubmittedtoZhengzhouUniversityforthedegreeofMasterResearchonFaultTrendPredictionMethodofRotatingMachineryBasedonFullVectorARMode

2、lByYongyaoLiSupervisor:Prof.JieHanMechanicalandElectronicEngineeringSchoolofMechanicalEngineeringMay2015学位论文原创性声明本人郑重声明：所呈交的学位论文，是本人在导师的指导下，独立进行研究所取得的成果。除文中已经注明引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写过的科研成果。对本文的研究作出重要贡献的个人和集体，均已在文中以明确方式标明。本声明的法律责任由本人承担。学位论文作者：n期：

3、年jr月巧FI学位论文使用授权声明本人在导师指导下完成的论文及相关的职务作品，知识产权归属郑州大学。根据郑州大学有关保留、使用学位论文的规定，同意学校保留或向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅；本人授权郑州大学可以将本学位论文的全部或部分编入有关数据库进行检索，可以釆用影印、缩印或者其他复制手段保存论文和汇编本学位论文。本人离校后发表、使用学位论文或与该学位论文直接相关的学术论文或成果时，第一署名单位仍然为郑州大学。保密论文在解密后应遵守此规定。学位论文作者：FI期：年

4、尸月巧Fi摘要摘要大型旋转机械故障趋势预测中，传统的AR预测模型是基于单源信息的，事实上，由于转子的涡动特性，同一截面不同方向振动信号的频谱结构是有差异性的。因此，针对单源信息进行故障趋势预测，其结果具有差异性。为保证预测结果的可靠性和唯一性，本文将全矢谱技术引入到AR预测模型中，构建全矢AR预测模型。由于AR模型和全矢AR模型具有短期预测精度高，中长期预测精度低的特点，将卡尔曼滤波引入到AR模型和全矢AR模型中，通过实例对其有效性进行验证。本课题的主要成果如下：（1）研究了基于全矢谱的AR模型在大

5、型旋转机械转子系统故障趋势预测的应用。给出了具体的理论计算公式及故障趋势预测流程图。通过实例分析，验证了全矢AR预测模型在转子系统故障趋势预测的可行性，有效的保证了故障趋势预测结果的可靠性。（2）研究了基于卡尔曼滤波的AR模型在大型旋转机械转子系统故障趋势预测的应用。将卡尔曼滤波与AR模型相结合，提出了一种新的故障趋势预测方法——AR-Kalman预测（ARKF）方法，并给出了具体的理论计算公式及故障趋势预测流程图。通过实例分析，验证了该方法在提高AR模型线性预测精度的有效性。（3）研究了基于卡尔曼

6、滤波的全矢AR模型在大型旋转机械转子系统故障趋势预测的应用。结合全矢AR模型和卡尔曼滤波各自的特点，分别提出了全矢AR-Kalman预测（FARKF）模型和全矢AR-Kalman修正（FARKC）模型，并给出了它们的具体理论计算公式及其相应的故障趋势预测流程图。通过实例分析，验证了它们在提高全矢AR模型线性预测精度的有效性。关键词：全矢谱技术；AR模型；卡尔曼滤波；故障趋势预测；旋转机械IAbstractAbstractForfaulttrendpredictionoflarge-scalerota

7、tingmachinery,thetraditionalARpredictionmodelisbasedonsingle-sourceinformation.Infact,duetothewhirlingmotioncharacteristicsoftherotor,thestructureofthefrequencyspectrumatthesamecrosssectionisdifferentinthedifferentdirections.Asaresult,accordingtofaultt

8、rendpredictiontosingle-sourceinformation,theresultisdifferent.Toensurethereliabilityanduniquenessofthepredictingresult,fullvectorARpredictionmodel，combiningwithfullvectorspectrumtechnologyandtheARpredictionmodel,isconstructed.BecauseARm