一、石化旋转机械振动故障诊断与治理实例(论文文献综述)
陈鹏[1](2021)在《滚动轴承故障诊断及性能退化评估方法研究》文中研究表明滚动轴承作为石油化工、风力发电、高速铁路和航空航天等领域大型装备的核心部件,长期连续高速运转,极易发生故障损伤,从而造成整个装备处于安全隐患状态,因此对装备进行及时的故障诊断,确保装备的安全稳定运行具有重要意义。本文以滚动轴承振动信号的分析和处理为主要技术路线,对滚动轴承恒工况、变工况、早期单一、早期复合故障诊断和性能退化评估分别开展研究,其主要研究内容如下:(1)针对滚动轴承在恒工况下故障特征信息难以有效提取,导致故障诊断精度较低的问题,提出基于层次散布熵(HDE)与K最近邻分类器(KNN)相结合的滚动轴承故障诊断方法。该方法首先对振动信号进行层次分解;其次计算层次分解后不同节点的散布熵(DE),实现振动信号高低频带特征的有效提取,克服了DE无法提取信号多尺度下故障特征和多尺度散布熵(MDE)无法提取高频带下故障特征的不足,并通过分析高斯白噪声的MDE和HDE验证了HDE的可行性和稳定性;最后,将HDE与KNN相结合实现滚动轴承恒工况下的故障诊断。(2)针对滚动轴承在变工况下,传统浅层机器学习故障诊断方法诊断能力降低的问题,提出基于改进一维卷积神经网络(1D-CNN)的滚动轴承变工况故障诊断方法。该方法以1D-CNN为基础,将1D-CNN的全连接层(FC)通过全局均值池化(GAP)代替;然后在改进1D-CNN的GAP层引入域自适应(DA)实现变工况下故障特征的迁移学习;最后,以美国西储大学轴承不同工况下的故障数据作为验证对象,将提出的方法与传统信号处理方法SVM+EMD+Hilbert包络谱、BPNN+EMD+Hilbert包络谱、残差神经网络(Res Net)和未改进1D-CNN融合DA的方法进行对比分析,结果表明提出方法在未加入噪声和加入噪声下的变工况故障诊断能力更优。(3)针对早期故障产生的振动信号微弱且易受噪声污染而导致故障诊断难以实现的问题,提出优化变分模态分解(VMD)与改进阈值降噪的滚动轴承早期单故障诊断方法。该方法建立了L-kurtosis和相关系数的最优模态分量选取准则,以此为准则通过鲸鱼优化算法(WOA)优化VMD实现早期故障振动信号的分解来检测早期故障冲击特征;然后通过改进阈值降噪实现对选取最佳分量信号进一步降噪,再通过包络谱分析实现早期单故障诊断;最后,该方法通过在仿真信号和轴承早期故障试验中进行了有效性验证,同时与基于优化VMD分解与Teager能量算子降噪的方法和基于包络熵准则优化VMD与改进阈值降噪方法进行了对比,表明提出方法能够更好地实现早期故障诊断。(4)针对滚动轴承早期复合故障诊断中复合故障特征难以提取的问题,提出优化群分解(OSWD)的滚动轴承早期复合故障特征提取方法。首先构建基于平方包络谱负熵的优化准则,以此为适应度函数通过改进蝗虫优化算法(IGOA)优化群分解(SWD)对早期复合故障振动信号进行分解,来保留周期性冲击能量较强的分量;然后再对OSWD分解后的分量通过包络谱分析实现复合信号中不同故障冲击特征的提取,从而实现滚动轴承早期复合故障诊断;最后,将提出方法应用在仿真信号和风机轴承上进行验证,并与SWD和VMD方法进行对比分析,验证了OSWD在复合故障诊断方面的优势。(5)滚动轴承的故障诊断属于事后诊断,无法满足轴承的寿命预测和预测性维护问题,因此提出一种考虑全局-局部特征提取与支持向量数据描述(SVDD)的滚动轴承性能退化评估方法。该方法通过在邻域保持嵌入(NPE)算法中引入最大方差函数,建立最大方差保持和最小邻域保持的全局-局部目标函数实现振动信号高维退化特征降维,并结合SVDD实现滚动轴承性能退化评估,为轴承的预测性维护提供理论基础;最后,在全寿命轴承实验中进行方法的测试,并与相关文献、局部、全局特征降维与SVDD相结合的方法相比,表明提出方法的性能更优。
张志成[2](2021)在《面向无标签数据的旋转机械故障诊断方法研究》文中提出旋转机械作为绝大多数机械设备的核心部件,在工业化生产中有着广泛的应用,其一旦发生故障,往往会造成重大的经济损失甚至人员伤亡等严重后果。因此为了提升旋转机械运行期间的安全性和可靠性,避免重大事故的发生,需要对旋转机械故障诊断技术进行大量的研究。针对已有大多数故障诊断算法是基于有监督的思想,需要借助数据先验信息,即面向有标签的数据,且所涉及算法的参数大多需要人为指定,实际可操作性不强的不足,本文提出了一种面向无标签数据的无监督、参数自适应化的旋转机械故障诊断算法(Sm-DLLOF-AFCM),可以对没有任何先验信息(标签)的样本集自适应的完成故障诊断工作,具有良好的准确性和较强适用性等实际意义。主要工作概括如下:1.对旋转机械故障的典型故障进行一定的分析。对旋转机械状态监测数据的采集和预处理技术开展了一定的研究。最后确定了基于Labview的数据采集方案,和小波阈值降噪的预处理方式。2.对特征提取和特征选择技术进行了研究。在进行旋转机械振动信号的特征提取工作中,采用基于尺度空间理论的改进经验小波变换算法(SEWT)。SEWT算法解决了传统的经验小波变换(EWT)算法需要人为指定频带分割数目的问题,可以自适应的确定频带分割数目并确定保留的模态分量(IMF)。在进行特征选择工作中,采用基于m RMR思想的改进的拉普拉斯分值算法(m RMR-LS)。m RMR-LS算法综合考虑了特征之间的相关性和冗余性,可以自适应的采用无监督的方式完成特征选择工作。3.对模式识别方法进行了研究,采用了异常识别加聚类的无监督模式识别方法。首先在异常识别工作中,采用了二次识别的方式来提升识别的准确性和效率,其中初次识别采用基于核密度估计方法的改进DBSCAN算法(KDBSCAN),KDBSCAN算法可以自适应的确定传统的DBSCAN算法中的两个参数Eps、Minpts,输出噪声点和少类簇样本作为初次识别的异常样本。二次识别采用基于自然最近邻居搜索方法的改进局部离群因子算法(LLOF),可以自适应的确定LOF算法中的邻域参数k,输出二次识别的异常样本和其异常得分值(LOF)。然后通过真实数据集验证了两种算法的优越性。最后针对经过异常识别算法得到的异常样本和其得分值,采用了自适应的模糊C均值聚类算法(AFCM),将异常样本进行分类。4.确定了最终的故障诊断方案并进行验证。首先提出Sm-DLLOF-AFCM旋转机械故障诊断算法,并给出其一般流程。然后利用实验室的电主轴状态监测试验系统和搭建的电主轴综合试验软件平台,通过人工模拟故障的方式得到了转子数据集。最后将Sm-DLLOF-AFCM算法应用到实验室的转子数据集和公开的轴承和齿轮数据集中进行验证,结果表明,Sm-DLLOF-AFCM算法在三个数据集上均取得了良好的效果,在保证效率的同时,能成功的将绝大多数异常(故障)样本找出并进行聚类。
王仲[3](2021)在《燃气-蒸汽联合循环机组智能诊断与健康维护技术研究》文中研究说明燃气-蒸汽联合循环机组运行工况多变、状态参数间相互耦合、故障传递与演化规律复杂,其健康状况诊断是一项涉及多学科知识的复杂系统工程。本文在对影响机组健康状况的典型故障模式深入分析的基础上,结合知识工程、大数据以及人工智能等相关理论和技术,开展了数据与知识双驱动的机组智能诊断与健康维护技术研究。首先,针对燃气-蒸汽联合循环机组多源故障信息间关联关系复杂以及查询和推理低效的问题,提出了基于本体理论和语义网络技术的领域知识和数据结构化表示方法。以故障树分析法和故障模式及影响分析法为指导,系统性地分析了机组典型故障知识;提出了机组健康维护领域本体概念和层次结构,构建了包括边界工况、故障知识和监测数据在内的本体语义网,实现故障知识和数据的多粒度语义性建模;同时,研究了基于本体的机组故障知识和数据的语义性推理和查询方法,提高了故障知识和数据的管理效率和应用效果。其次,针对燃气-蒸汽联合循环机组运行工况的多变性和健康状态信息的复杂性,研究了基于条件变自编码器的机组健康状况异常检测方法。在深入分析机组的运行特性和监测数据规律的基础上,提出了包括稳态判别、工况划分、基准样本筛选等过程在内的机组历史运行数据清洗流程;考虑到负荷等边界条件对监测参数的影响,采用条件变自编码器建立多变运行工况下多参数融合的基准模型,实现变工况下机组健康状况的数据表征;采用模型的重构概率作为异常检测的特征指标,用于衡量机组实际状态与基准状态的偏离程度,提高机组健康状况异常检测的准确率和灵敏度。再次,针对燃气-蒸汽联合循环机组故障和征兆复杂关联关系下的诊断问题,研究了基于反事实推理的诊断决策方法。从因果性的角度重新定义故障和征兆间的关系,通过引入隐变量表示诊断的不确定性,结合领域本体搜索获得的故障知识,构建了故障的结构性因果模型。在此基础上,提出了基于反事实推理的充分因和必要因的表达式和计算模型,用于定量表征故障对证据的因果性解释强弱,并从敏度、可靠性和可解释性的角度对所提出的诊断方法的鲁棒性和工程适用性进行了评价。最后,研究了基于数字孪生的燃气-蒸汽联合循环机组智能诊断系统构架,详细介绍了该系统的总体设计思想、具体功能以及系统实现的关键技术等,完成了粤电集团中山电厂燃气-蒸汽联合循环机组智能诊断系统的开发,以推进燃气-蒸汽联合循环机组智能诊断与健康维护研究工作的技术成果转化和工程应用。
葛茂[4](2021)在《张量分解理论及其在机械故障诊断中的应用》文中进行了进一步梳理在工程实际中采集的机械设备故障信号通常是不同激励源和多部件耦合振动的结果,具有典型的干扰大、非线性、非平稳等特征,且早期弱故障易被强背景噪声所淹没。此外,单一传感器获取的故障信息有限。因此,强噪声、多组分干扰下的弱故障特征提取以及多传感器联合诊断是当前故障诊断研究的热点问题。信号复杂的动力学特性在重构的高维相空间中可以有效展示,作为矩阵表示的高维扩展,张量是高维数据最自然的表现形式。基于张量分解的信号处理方法能挖掘数据中潜在的特征信息,近年来被广泛的应用于各类信号处理领域。论文以机械设备为研究对象,针对以上几个典型问题,深入研究并改进张量分解理论,为机械故障诊断提供一种新的理论体系。论文的主要工作包括以下几个方面:(1)针对强噪声干扰问题,提出基于张量核范数CP分解的信号降噪方法。将信号的降噪问题转化为信号特征子空间低秩近似求解问题,通过张量核范数最小化实现一维信号在高阶张量空间的低秩表达,并通过凸优化算法求取全局最优的收敛解以实现噪声的鲁棒消除。在此基础上,将提出的方法与多尺度排列熵相结合用于齿轮信号故障诊断中,并选择BP神经网络分类器实现了齿轮不同故障模式的智能识别。(2)针对多组分干扰下的故障特征提取问题,提出基于局部张量鲁棒主成分分析的信号子空间分离方法。在一维信号经重构形成的二阶轨迹张量即轨迹矩阵,在保持降噪性能的基础上,通过平滑核函数和距离函数建立信号的局部低秩模型。该模型认为信号吸引子相空间是代表信号中不同特征成分的多个子空间的线性混合,其对应的局部轨迹矩阵具有典型的低秩特征。并通过求解结合矩阵核范数和罚函数正则项的联合最小化的凸问题可以有效地分离这些低秩特征。然后,利用Teager能量算子计算信号的时频分布并通过故障特征的时频特征识别出故障相关的子空间分量,从而有效地从多组分信号中分离出故障特征。(3)针对多传感器联合分析和早期弱故障特征提取问题,提出基于广义非凸张量鲁棒主成分分析的弱故障特征信号能量保持方法。首先通过相空间重构技术将信号重构到三阶轨迹张量,获得多通道信号的高阶张量表征。然后应用经典的张量奇异值分解模型对其进行非线性滤波以挖掘多通道信号的联合故障特征。通过广义非凸约束对滤波采用的凸优化降噪框架中张量核范数的强凸约束进行非凸放松以避免有用的奇异值管幅值衰减,并利用峭度对于信号冲击特征的敏感的特性,定义一个新的张量奇异值峭度指标来自适应确定奇异值管的重构阶数,最终实现弱故障特征的有效提取和能量保持。(4)针对强噪声和多组分干扰下的弱故障诊断问题,将局部低秩模型扩展到三阶张量空间并对广义非凸张量鲁棒主成分分析进一步优化,提出基于局部广义非凸化张量鲁棒主成分分析的弱故障诊断方法。将实测的多通道信号重构的三阶轨迹张量建模为多个受噪声污染的局部低Tubal秩子空间的线性混合,并通过求解广义非凸优化框架有效分离这些特征子空间。同时定义一个新的多元峭度指标来识别其中与故障相关的子空间分量,从而有效地去除干扰成分并保持提取的故障特征的能量,实现多通道信号早期弱故障的特征提取和准确诊断。
张永明[5](2021)在《汽轮发电机组健康状态监测与智能故障诊断技术研究》文中研究指明汽轮发电机组作为电力系统中极为关键的大型旋转机械设备,对安全性、稳定性以及寿命的要求非常高,如果出现意外故障,会造成人员伤害或严重的经济损失,因此为了提高汽轮发电机组运行的安全性与可靠性,对其故障进行准确的诊断和预测具有重要的工程实用价值。设计开发状态监测与智能故障诊断系统是保证机组在不停机的状态下平稳运行的主要手段,有助于技术人员对机组产生的故障进行监测和维护。本文基于UML系统建模方法开发了汽轮发电机组健康状态监测与智能故障诊断系统,提出了多源异构本体知识表示方法及关联案例推理机制,对系统知识库的构建和推理机的设计进行了深入的研究。论文主要内容与贡献总结如下:(1)构建了基于UML系统建模方法的状态监测与智能故障诊断系统模型。针对汽轮发电机组状态监测与故障诊断系统功能多样、结构复杂、开发周期长等问题,考虑UML建模方法具有拓展性强、通用程度高、开发周期短等特点,设计了基于UML的汽轮发电机组状态监测与智能故障诊断系统模型,包括机组的总体架构、系统用例模型、功能分解模型、系统静态类模型、系统状态模型、系统交互模型及组件部署模型。(2)提出了汽轮发电机组多源异构知识本体建模与融合的方法。利用Protégé软件构建了汽轮发电机组的全局本体和局部本体,详细说明了建模的方法与步骤,改进了知识融合的算法与多源知识检索的过程,通过多源知识的检索过程证明了所建本体知识模型的正确性。利用机械故障模拟实验台(MFS)模拟了汽轮发电机组转子的不同故障,验证了知识融合算法的可行性与有效性。(3)设计了基于本体和关联案例推理机制。针对本体推理结果不完善,推理效率低等问题,利用Protégé自带的推理机Fa CT++进行初步推理,根据本体推理结果再进行案例分层检索。结合案例检索的全局相似度和局部相似度算法,设计了故障诊断系统推理机,提高了系统诊断的准确性和高效性,通过推理机制给出了故障的合理解决方案,实现了汽轮发电机组从“故障属性输入”到“解决方案输出”的全过程。(4)开发了汽轮发电机组健康状态监测与智能故障诊断系统。利用本体编辑器构建了知识库和完成了初步推理,使用SQL Server储存了机组传送过来的数据和长期积累的故障案例,通过MATLAB封装了相关图谱绘制算法、特征提取算法和关联案例推理算法,结合UML系统模型,开发了汽轮发电机组健康状态监测与智能故障诊断系统。通过系统性能调试验证了此系统能够为汽轮发电机组故障诊断提供可行的解决方案,保证了机组健康运行。
刘涛[6](2020)在《汽轮发电机组振动故障诊断模型构建及运用》文中指出汽轮发电机组是电力生产的核心设备,它能否安全、稳定、可靠地运行,对本单位的安全、经济等考核指标至关重要。汽轮发电机组一旦出现重大故障,不仅对企业造成巨大的经济损失,而且可能会对社会造成极坏的影响,甚至可能会上升为政治事件。汽轮发电机是高速旋转机械,运行中不可避免地会出现振动。当振动超出限值时就会影响机组的稳定运行,过大的振动有时可能造成机组发生灾难性的事故。因此,振动是衡量机组可靠性的重要安全性能指标。目前,大容量、高参数机组已经成为国内主力机组,随着机组结构越来越复杂、轴系长度不断增加和运行蒸汽压力、温度不断提高,机组在启动、停运和运行过程中很有可能出现很多全新的、疑难的振动问题。因此,对汽轮发电机组振动进行在线监测与故障诊断是电厂的一个非常重要的课题。本文以电厂汽轮发电机组振动故障案例为依托,融合语义本体技术和汽轮发电机组振动诊断技术展开了深入系统的研究,论文的主要贡献和创新性成果有:(1)构建了适用于汽轮发电机组振动诊断领域的知识模型。针对汽轮发电机组振动诊断领域术语繁杂、异构、表示和共用困难等问题,考虑了本体在振动诊断知识表示中的优势,改进了传统的七步法作为汽轮发电机组振动诊断本体的构建方法,弥补了其在本体评估和跟踪更新上的缺陷。根据本体的构建原则,借助Python网络爬虫技术来快速进行网络知识的收集整理,并基于此通过知识的构建存储改进,成功构建起了Protégé汽轮发电机组振动诊断领域本体,为振动诊断知识提供了明确的形式化表示方法。(2)验证了汽轮发电机组振动诊断本体的可行性和有效性。针对本体中可能存在的不一致现象,设计了基于Tableau算法的一致性检验算法对本体进行了检验。采用了SQI机械振动综合模拟实验台模拟了汽轮发电机组的不同振动,采集和分析了获取的振动信息,并通过实例对本体知识进行了推理测试。(3)提出了基于本体和案例推理的汽轮发电机组振动诊断方法。阐明了本体在案例表示中的优势,分析了案例表示的主要组成部分,量化了语义距离、语义深度和语义密度的数学模型,简化和改进了语义相似度算法,建立了基于语义和案例属性相似度算法的本体和案例推理分层检索模型,并且通过案例研究对振动诊断方法进行了验证。(4)基于已有软件的基础上,结合汽轮发电机组所表现出的主要故障,创造性的完成了系统开发框架及运行过程的合理处理,包括本体知识库、本体和案例推理检索模块的创建以及系统主要功能界面的设计。融合Protégé、Visual Studio C#和SQL Server实现了振动诊断系统的开发,提高了整个振动诊断过程的人机交互性,使得操作过程简洁高效。最后通过实例验证了系统可以为汽轮发电机组振动诊断提供决策支持,提高了振动诊断的效率,同时振动诊断准确率可达80%。
陈就兴[7](2020)在《9E燃气轮机轴瓦不稳定振动问题监测分析及试验研究》文中研究说明由于我国燃机工业起步晚,外方对燃机设计技术封锁等因素影响,我国燃机产业受制于人的局面还未摆脱。燃机转子作为燃气轮机重要的运行部件,对其特性的掌握是实现燃机国产化的一个重要突破点。本文通过对本特利3500振动监测系统的研究,掌握9E燃气轮机轴系振动的特点,在原有的系统上增加瓦振数据,并找到可以采集历史数据的方案。通过振动数据的采集和分析,跟踪燃气轮机转子振动变化情况,全方位多角度的分析9E燃气轮机和发电机振动的变化趋势,找到引发轴瓦不稳定振动的原因和解决方案。经过多次的现场动平衡试验优化转子的振动,采用缸体激光对中、转子工厂动平衡、以及人工降温方法、改变机组正常启动方式等策略,降低振动幅值和爬升高度,避免了重大安全事故的发生,保障了机组安全稳定运行。9E燃气轮机复杂的振动问题,需要长时间的跟踪运行参数,以及采取逐项排除方法才可以找到引起轴瓦不平衡振动的主要原因。存在热弯曲现象的9E燃气轮机转子,动平衡只是降低振动幅值,并不能彻底根治振动爬升问题。除了解体检修燃气轮机转子外,还需要进一步查找导致热弯曲的影响因素,比如透平温度、运行环境等各种因素。对于可能导致缸体变形和转子热弯曲的因素,需采取有效的措施,避免故障重复出现。该研究可为同类型机组提供宝贵的经验数据和参考方案。
蒋政[8](2020)在《动力旋转设备故障诊断技术在钢铁冶金行业的应用》文中研究表明动力旋转设备是现代钢铁企业不可或缺的,它在烧结、高炉、炼钢和轧钢等扮演着重要角色。比如送风系统,如果动力旋转设备突然停机,将会导致整个工序的瘫痪。将故障诊断技术应用到动力旋转设备中,可以有效的进行设备监测和故障诊断,及时找出故障的原因,做出决策;也能预测设备故障,做出计划性维修,提高设备的使用效率,保证设备的安全运行。因此,动力旋转设备的故障诊断技术研究有着重要意义。本文主要研究内容:1、机械振动信号理论研究,以及转子单、双面动平衡理论研究;2、转子动力学理论研究,同时,基于Workbench仿真平台,建立转子系统的有限元分析模型,分别确定了单盘、双盘转子系统的固有频率、临界转速及对应的振型等动态特性。最后利用谐响应分析方法对转子系统不平衡这一故障进行了研究;3、利用转子试验台,研究转子不同状态的振动特征和现场动平衡技术;4、旋转设备典型故障机理分析,结合时域波形、频谱图、轴心轨迹、波德图等,研究故障的特征;5、利用故障诊断技术对现场生产设备进行故障判断、故障解决。通过对旋转设备典型故障机理进行分析,结合故障振动特征,实现快速辨识故障的能力。同时,针对转子不平衡的故障,开展了现场动平衡的实验,找出一种有效解决柔性转子不平衡的诊断方法并加以应用。
王吉,蒋海军,王喆,张少鹏,王强[9](2020)在《旋转机械振动故障机理及诊断方法分析》文中研究表明近年来,随着生产技术的不断成熟和发展,旋转机械已成为使用最广泛的工业机械设备之一,其故障的诊断对于旋转机械的安全运行至关重要。如果旋转机械运行过程中发生故障,复杂的内部结构很容易引起机械设备的连锁反应。因此,研究旋转机械故障诊断对于分析机械设备缺陷的原因和缺陷状况以及检查两者之间的关联有着相当重要的意义。本文首先分析了旋转机械的常见的故障类型及机理,并对目前常用的旋转机械故障诊断方法进行了详细的论述,最后叙述了故障诊断专家系统的开发研究现状。
郭小帅[10](2020)在《电动机及离心泵组在线监测与故障诊断方法研究》文中认为在石油化工行业中,机泵装置在整个系统当中占有非常重要的地位,可以说是“装置的心脏”。机泵设备为介质输送提供动力,而输送的介质往往是高温高压、腐蚀、有毒性、易燃易爆等特点,一旦机泵设备在运行过程中出现问题,会造成一系列严重后果,轻则造成经济损失、环境污染,重则可能导致人身伤亡等灾难性后果。因此,对电动机及离心泵实施在线监测及故障诊断很有必要。本文主要对电动机转子断条故障进行了研究、对离心泵入口处的三通过滤器内流体的流动状态进行了模拟分析、针对某电厂离心泵振动过大的问题,分析了产生振动的原因,给出了治理建议。(1)针对电动机转子断条故障,通过搭建电动机故障诊断实验台,模拟电动机转子断条故障。在空载状态和满载状态下分别获取了正常电机、断条电机的定子电流信号和振动信号。对采集到的信号分析处理后得知:电动机在空载情况下运行时,外界因素对电机的影响比较小,相比于电流信号,振动信号更能明显地识别出电动机转子断条故障特征频率。当电动机在满载状态下运行时,由于电动机受到负载、电压、噪声信号等的影响,故障电机的振动信号频率成分变得非常复杂,故障特征频率很难被区分开来,很容易对电机故障识别造成误判。但是电流信号能很清楚的辨别出电动机转子断条故障,并且故障特征频率明显。(2)主要对三通过滤器进行了实体建模,然后将模型导入到ANSYS Fluent中进行处理,抽取流体域。在Mesh中对抽取的流体域进行网格划分。设置好边界条件后,模拟了在不同流速下,对流体经过过滤器时的速度场和压力场进行了分析,可知当介质经管道进入过滤器后,流体在过滤器滤网处产生了漩涡。在过滤器直角弯处,流体流向发生了突变,并且由于直角弯处过滤网的过流面积突然减小,使得经过此处的流体的流动速度突然增大,流动方向发生了严重絮乱,流体在此处形成了不稳定流动。在三种流速下,截面的压力梯度变化趋势相同,过滤器入口处压力最大,在流经过滤器滤网附近的压力最小,入口流速不同,过滤器内外压强差也不同,流速越大,压强差越大。(3)对某电厂脱硫泵在运行过程中振动过大的原因进行了分析。分析指出造成泵体振动的主要原因是流体激振引起的,并给出了相应的解决措施。
二、石化旋转机械振动故障诊断与治理实例(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、石化旋转机械振动故障诊断与治理实例(论文提纲范文)
(1)滚动轴承故障诊断及性能退化评估方法研究(论文提纲范文)
摘要 |
Abstract |
缩略说明 |
第1章 绪论 |
1.1 研究背景与意义 |
1.2 滚动轴承结构及振动信号分析 |
1.2.1 滚动轴承结构原理 |
1.2.2 滚动轴承常见故障形式 |
1.2.3 滚动轴承振动信号特性 |
1.3 滚动轴承故障诊断及性能退化评估研究现状 |
1.3.1 滚动轴承故障诊断研究现状 |
1.3.2 滚动轴承性能退化评估研究现状 |
1.4 本论文的组织安排与研究内容 |
1.4.1 论文的组织安排 |
1.4.2 论文的研究内容 |
第2章 基于层次散布熵与K最近邻分类器的滚动轴承恒工况故障诊断 |
2.1 引言 |
2.2 散布熵 |
2.2.1 散布熵理论 |
2.2.2 多尺度散布熵 |
2.3 层次散布熵 |
2.3.1 参数选择 |
2.3.2 仿真分析 |
2.4 基于HDE和 KNN的滚动轴承恒工况故障诊断方法 |
2.5 试验验证 |
2.5.1 不同位置故障诊断 |
2.5.2 不同损伤程度故障诊断 |
2.6 本章小结 |
第3章 基于改进一维卷积神经网络的滚动轴承变工况故障诊断 |
3.1 引言 |
3.2 卷积神经网络 |
3.2.1 卷积层 |
3.2.2 池化层 |
3.2.3 全连接层 |
3.2.4 Softmax分类器 |
3.3 改进1D-CNN网络 |
3.3.1 改进卷积层 |
3.3.2 全局均值池化层 |
3.3.3 域自适应 |
3.3.4 最大平均差异 |
3.3.5 参数调整训练 |
3.4 基于改进1D-CNN的变工况故障诊断方法 |
3.5 试验验证 |
3.5.1 参数设置 |
3.5.2 变工况诊断分析 |
3.6 本章小结 |
第4章 基于优化变分模态分解的滚动轴承早期单故障诊断 |
4.1 引言 |
4.2 变分模态分解 |
4.2.1 变分模态分解原理 |
4.2.2 变分模态分解实现 |
4.2.3 变分模态分解参数影响 |
4.3 WOA优化VMD原理 |
4.3.1 WOA算法基本原理 |
4.3.2 WOA优化VMD实现 |
4.4 基于WOA优化VMD与改进阈值降噪的早期单故障诊断方法 |
4.4.1 适应度函数构建 |
4.4.2 改进阈值降噪 |
4.4.3 故障诊断流程 |
4.5 仿真与实例验证 |
4.5.1 仿真验证 |
4.5.2 实例验证 |
4.6 本章小结 |
第5章 基于优化群分解的滚动轴承早期复合故障诊断 |
5.1 引言 |
5.2 群分解 |
5.2.1 群分解原理 |
5.2.2 群分解实现 |
5.3 蝗虫优化算法 |
5.3.1 蝗虫优化算法基本原理 |
5.3.2 蝗虫优化算法步骤 |
5.3.3 改进蝗虫优化算法 |
5.4 基于优化群分解的早期复合故障诊断方法 |
5.4.1 适应度函数构建 |
5.4.2 早期复合故障诊断流程 |
5.5 仿真与实例验证 |
5.5.1 仿真分析 |
5.5.2 实例验证 |
5.6 本章小结 |
第6章 基于全局-局部与支持向量数据描述的滚动轴承性能退化评估 |
6.1 引言 |
6.2 全局-局部特征提取算法 |
6.2.1 局部结构保持算法 |
6.2.2 全局结构保持算法 |
6.2.3 全局-局部结构保持算法 |
6.3 支持向量数据描述 |
6.4 基于GLNPE与 SVDD的性能退化评估方法 |
6.4.1 特征提取 |
6.4.2 性能退化状态评估流程 |
6.5 试验验证 |
6.5.1 实例验证 |
6.5.2 对比分析 |
6.6 本章小结 |
第7章 总结与展望 |
7.1 工作总结 |
7.2 工作展望 |
参考文献 |
致谢 |
附录 A攻读学位期间所发表的学术论文目录 |
附录 B攻读学位期间主持或参加的科研项目 |
(2)面向无标签数据的旋转机械故障诊断方法研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.2.1 旋转机械故障诊断研究现状 |
1.2.2 异常识别算法研究现状 |
1.3 本文主要研究内容 |
第2章 旋转机械典型故障分析及状态监测数据的采集和预处理 |
2.1 引言 |
2.2 旋转机械典型故障分析 |
2.2.1 轴承故障 |
2.2.2 转子系统故障 |
2.2.3 齿轮故障 |
2.3 旋转机械状态监测数据采集 |
2.4 旋转机械状态监测数据预处理 |
2.5 本章小结 |
第3章 旋转机械振动信号特征提取和特征选择方法研究 |
3.1 引言 |
3.2 基于尺度空间理论的改进EWT算法(SEWT) |
3.2.1 EWT理论 |
3.2.2 尺度空间理论 |
3.2.3 SEWT算法实例验证 |
3.3 振动信号特征矩阵的构建 |
3.4 基于mRMR算法的改进LS特征选择算法(mRMR-LS)及实例验证 |
3.5 本章小结 |
第4章 模式识别方法研究 |
4.1 引言 |
4.2 基于核密度估计的改进DBSCAN算法(KDBSCAN) |
4.2.1 DBSCAN算法 |
4.2.2 非参数核密度估计方法 |
4.2.3 KDBSCAN算法实例验证 |
4.3 基于自然最近邻居算法搜索思想的改进LOF算法(LLOF) |
4.3.1 局部离群因子(LOF)算法 |
4.3.2 自然最近邻居搜索方法 |
4.3.3 LLOF算法实例验证 |
4.4 自适应模糊C均值聚类算法(AFCM) |
4.5 本章小结 |
第5章 面向无标签数据的旋转机械故障诊断算法试验验证 |
5.1 引言 |
5.2 Sm-DLLOF-AFCM算法一般流程 |
5.3 转子系统故障诊断-电主轴 |
5.3.1 电主轴状态监测试验系统 |
5.3.2 电主轴综合试验软件平台开发 |
5.3.3 转子系统故障诊断 |
5.4 轴承故障诊断 |
5.5 齿轮故障诊断 |
5.6 本章小结 |
第6章 总结与展望 |
6.1 总结 |
6.2 展望 |
参考文献 |
个人简介及硕士期间取得的研究成果 |
致谢 |
(3)燃气-蒸汽联合循环机组智能诊断与健康维护技术研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 课题研究背景 |
1.1.1 联合循环机组在我国的发展 |
1.1.2 联合循环机组健康维护面临的挑战 |
1.1.3 联合循环机组健康维护的新机遇 |
1.2 课题的研究目的及意义 |
1.3 国内外研究现状 |
1.3.1 故障与健康概念内涵研究现状 |
1.3.2 知识与数据管理研究现状 |
1.3.3 联合循环机组智能诊断理论研究现状 |
1.3.4 联合循环机组智能诊断系统研究现状 |
1.4 本文的研究内容和结构安排 |
第2章 联合循环机组健康维护大数据系统研究 |
2.1 引言 |
2.2 联合循环机组健康维护领域知识获取 |
2.2.1 FMEA和FTA基本理论 |
2.2.2 FMEA和FTA联合指导机组领域知识获取 |
2.2.3 联合循环机组领域知识获取结果 |
2.3 本体基本理论 |
2.3.1 本体的概念 |
2.3.2 本体的语义 |
2.3.3 OWL的语法 |
2.4 基于本体的领域知识和数据结构化表示 |
2.4.1 边界工况本体 |
2.4.2 故障知识本体 |
2.4.3 监测数据本体 |
2.4.4 案例验证 |
2.5 基于本体的语义性推理 |
2.5.1 基于OWL公理的本体语义性推理 |
2.5.2 基于SWRL的本体语义性推理 |
2.5.3 案例验证 |
2.6 基于本体的语义性查询 |
2.6.1 基于SPARQL的本体查询 |
2.6.2 基于本体的历史数据访问 |
2.6.3 案例验证 |
2.7 本章总结 |
第3章 联合循环机组健康状况异常检测研究 |
3.1 引言 |
3.2 联合循环机组健康状况异常检测分析与流程设计 |
3.3 历史数据清洗 |
3.3.1 稳态工况判别 |
3.3.2 工况划分 |
3.3.3 基准样本筛选 |
3.4 变工况异常检测 |
3.4.1 联合循环机组变工况运行状态分析 |
3.4.2 变分自编码器基本理论 |
3.4.3 基于条件变自编码器的联合循环机组变工况基准模型 |
3.4.4 基于重构概率的异常检测 |
3.5 实例验证 |
3.5.1 数据清洗 |
3.5.2 参数预测 |
3.5.3 异常检测 |
3.6 本章总结 |
第4章 联合循环机组健康诊断与维护决策研究 |
4.1 引言 |
4.2 联合循环机组智能诊断分析与流程设计 |
4.2.1 联合循环机组故障诊断特点 |
4.2.2 联合循环机组智能诊断的流程设计 |
4.3 诊断模型的构建 |
4.3.1 结构性因果模型基本理论 |
4.3.2 Leaky Noisy-Or假设 |
4.3.3 基于结构性因果模型的诊断模型 |
4.4 基于反事实推理的诊断决策 |
4.4.1 反事实推理基本理论 |
4.4.2 充分因与必要因诊断指标的定义 |
4.4.3 基于孪生网络的反事实推理计算框架 |
4.5 诊断模型的评价 |
4.5.1 诊断模型的敏度分析 |
4.5.2 诊断模型的可靠性分析 |
4.5.3 诊断模型的可解释性分析 |
4.6 实例验证 |
4.7 本章总结 |
第5章 联合循环机组智能诊断系统设计与实现 |
5.1 引言 |
5.2 联合循环机组智能诊断系统的数字孪生模型 |
5.2.1 数字孪生基本理论 |
5.2.2 基于数字孪生的智能诊断系统框架 |
5.3 联合循环机组智能诊断系统的设计 |
5.3.1 系统需求分析 |
5.3.2 系统整体设计 |
5.3.3 大数据系统设计 |
5.3.4 模型算法库设计 |
5.3.5 人机交互系统设计 |
5.4 联合循环机组智能诊断系统的实现 |
5.4.1 系统技术框架概述 |
5.4.2 系统主要功能实现 |
5.5 本章总结 |
第6章 结论与展望 |
6.1 全文总结 |
6.2 论文的主要创新点 |
6.3 有待进一步开展的工作 |
参考文献 |
攻读博士学位期间发表的论文及其它成果 |
攻读博士学位期间参加的科研工作 |
致谢 |
作者简介 |
(4)张量分解理论及其在机械故障诊断中的应用(论文提纲范文)
摘要 |
ABSTRACT |
缩略词表 |
第1章 绪论 |
1.1 课题研究背景及意义 |
1.2 经典信号分析方法的研究现状 |
1.3 模式分解方法研究现状 |
1.3.1 经验模式分解 |
1.3.2 局部均值分解 |
1.3.3 奇异值分解 |
1.3.4 张量分解 |
1.4 论文研究内容与结构安排 |
1.4.1 论文主要研究内容 |
1.4.2 论文结构安排 |
第2章 张量理论基础和信号的高阶张量表征 |
2.1 引言 |
2.2 张量理论基础 |
2.2.1 符号的定义 |
2.2.2 张量代数的基本运算 |
2.3 基于相空间重构的振动信号的高阶张量表征 |
2.3.1 相空间重构基本原理 |
2.3.2 相空间重构参数的确定原则与仿真验证 |
2.3.3 振动信号的高阶张量表征 |
2.4 本章小结 |
第3章 张量CP分解和张量奇异值分解 |
3.1 引言 |
3.2 CP分解 |
3.2.1 基本定义 |
3.2.2 数值仿真分析 |
3.2.3 CPD应用于机械故障诊断中存在的问题 |
3.3 张量奇异值分解 |
3.3.1 基本定义 |
3.3.2 基于TSVD模型的信号分解和特征提取 |
3.3.3 数值仿真分析 |
3.3.4 TSVD在应用于机械故障诊断中存在的问题 |
3.4 本章小结 |
第4章 张量核范数CP分解及其在信号降噪中的应用 |
4.1 引言 |
4.2 张量核范数CP分解 |
4.2.1 稀疏与低秩 |
4.2.2 基于张量核范数和凸优化的改进张量CP分解 |
4.3 数值仿真分析 |
4.3.1 降噪性能分析 |
4.3.2 特征提取性能分析 |
4.4 TNNCPD结合MSPE用于实验台齿轮故障诊断 |
4.4.1 实验台简介 |
4.4.2 信号分析 |
4.5 本章小结 |
第5章 局部张量鲁棒主成分分析及其在信号多组分分离中的应用 |
5.1 引言 |
5.2 局部张量鲁棒主成分分析 |
5.2.1 鲁棒主成分分析 |
5.2.2 基于局部低秩矩阵逼近的改进鲁棒主成分分析 |
5.3 数值仿真分析 |
5.3.1 降噪性能分析 |
5.3.2 信号分解和特征提取性能分析 |
5.4 实测故障数据分析 |
5.4.1 实验台简介 |
5.4.2 信号分析 |
5.5 本章小结 |
第6章 广义非凸张量鲁棒主成分分析及其在早期弱故障特征能量保持中的应用 |
6.1 引言 |
6.2 广义非凸张量鲁棒主成分分析 |
6.2.1 基于张量鲁棒主成分分析的信号轨迹张量降噪 |
6.2.2 基于广义非凸优化的改进张量鲁棒主成分分析 |
6.2.3 GNCTRPCA结合奇异值峭度用于弱故障特征的准确提取 |
6.3 数值仿真分析 |
6.3.1 降噪性能分析 |
6.3.2 TSVK确定最优重构阶数的分析 |
6.3.3 弱故障特征提取和幅值能量保持性能分析 |
6.4 实验台故障数据分析 |
6.4.1 实验台简介 |
6.4.2 信号分析 |
6.5 本章小结 |
第7章 局部广义非凸张量鲁棒主成分分析及其在早期弱故障诊断中的应用 |
7.1 引言 |
7.2 局部广义非凸张量鲁棒主成分分析 |
7.2.1 局部模型构建 |
7.2.2 基于广义非凸优化的局部模型分解 |
7.2.3 基于多元峭度的故障特征分量识别及全局近似 |
7.3 数值仿真分析 |
7.4 实验台故障数据分析 |
7.4.1 实验台简介 |
7.4.2 信号分析 |
7.5 本章小结 |
第8章 结论与展望 |
8.1 结论 |
8.2 创新点 |
8.3 展望 |
致谢 |
参考文献 |
附录1 攻读博士学位期间取得的科研成果 |
附录2 攻读博士学位期间参加的科研项目 |
(5)汽轮发电机组健康状态监测与智能故障诊断技术研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 课题的来源 |
1.2 课题的研究背景及意义 |
1.3 国内外研究现状 |
1.3.1 汽轮发电机组状态监测与故障诊断的国内外研究现状 |
1.3.2 基于UML系统建模方法的国内外研究现状 |
1.3.3 基于本体知识表示方法的国内外研究现状 |
1.3.4 基于案例推理的故障诊断国内外研究现状 |
1.4 课题的研究目标和研究内容 |
1.4.1 研究目标 |
1.4.2 研究内容 |
第2章 汽轮发电机组典型故障原理分析及处理技术 |
2.1 引言 |
2.2 600MW亚临界汽轮发电机组的基本结构 |
2.3 汽轮发电机组典型故障分析及处理 |
2.3.1 汽轮发电机组转子质量不平衡 |
2.3.2 汽轮发电机组转子不对中故障 |
2.3.3 汽轮发电机组动静碰磨振动故障 |
2.4 本章小结 |
第3章 汽轮发电机组状态监测与智能故障诊断系统建模 |
3.1 引言 |
3.2 UML理论研究 |
3.2.1 UML建模 |
3.2.2 UML核心元素 |
3.2.3 UML建模流程和工具 |
3.3 机组总体架构 |
3.3.1 汽轮发电机组数据处理中心的功能 |
3.3.2 状态监测与故障诊断系统的功能 |
3.3.3 诊断算法研究中心的功能 |
3.4 状态监测与故障诊断系统静态建模 |
3.4.1 系统三层架构 |
3.4.2 系统用例模型 |
3.4.3 系统类图 |
3.4.4 系统功能分解 |
3.5 状态监测与故障诊断系统动态建模 |
3.5.1 系统状态模型 |
3.5.2 系统交互模型 |
3.6 系统组件部署 |
3.7 本章小结 |
第4章 智能故障诊断系统的知识库构建和推理机设计 |
4.1 引言 |
4.2 汽轮发电机组多源异构知识的选择与融合 |
4.2.1 多源异构知识的选择 |
4.2.2 多源异构知识的融合 |
4.3 汽轮发电机组多源异构本体知识建模 |
4.3.1 汽轮发电机组全局本体的构建 |
4.3.2 汽轮发电机组局部本体的构建 |
4.3.3 汽轮发电机组全局本体与局部本体间映射 |
4.4 汽轮发电机组知识融合实例验证 |
4.5 基于本体和关联案例推理机制的设计 |
4.5.1 本体推理 |
4.5.2 关联案例推理 |
4.5.3 本体和关联案例集成推理方法的评价 |
4.6 本章小结 |
第5章 状态监测与智能故障诊断系统的开发与性能测试 |
5.1 引言 |
5.2 系统开发关键技术 |
5.2.1 动态链接库的生成方式 |
5.2.2 MATLAB的嵌入与捕捉 |
5.2.3 状态监测模块中实时显示机组数据技术 |
5.2.4 封装SqlHelper类 |
5.3 系统数据库的设计 |
5.3.1 需求分析 |
5.3.2 概念结构设计 |
5.3.3 添加配置文件 |
5.4 系统功能开发 |
5.4.1 系统登录模块 |
5.4.2 状态监测模块 |
5.4.3 信号分析模块 |
5.4.4 故障诊断模块 |
5.5 实例验证 |
5.6 本章小结 |
总结与展望 |
总结 |
展望 |
参考文献 |
致谢 |
附录A 攻读学位期间所发表的学术论文及科研成果 |
附录B 攻读学位期间所参与的科研项目 |
(6)汽轮发电机组振动故障诊断模型构建及运用(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 选题背景及意义 |
1.2 汽轮发电机组故障诊断系统的国内外研究现状 |
1.3 论文主要研究内容 |
第二章 汽轮发电机组振动机理及其类型分析 |
2.1 汽轮发电机组振动相关部件分析 |
2.2 汽轮发电机组的振动分析 |
2.3 本章小结 |
第三章 本体理论下汽轮发电机组振动诊断知识建模 |
3.1 汽轮发电机组振动诊断知识获取 |
3.2 本体理论研究 |
3.3 基于本体的汽轮发电机组振动诊断知识建模 |
3.4 汽轮发电机组振动诊断本体的一致性检验 |
3.5 基于本体的汽轮发电机组振动诊断推理实现 |
3.6 本章小结 |
第四章 基于本体和案例推理的汽轮发电机组振动诊断 |
4.1 案例推理 |
4.2 基于本体和案例推理的振动诊断方法 |
4.3 汽轮发电机组振动诊断案例检索算法 |
4.4 系统模块实现及案例研究 |
4.5 本章小结 |
第五章 汽轮发电机组振动诊断决策实现与验证 |
5.1 汽轮发电机组振动诊断系统的总体设计 |
5.2 系统实例验证 |
5.3 本章小结 |
第六章 结论与展望 |
6.1 结论 |
6.2 展望 |
参考文献 |
致谢 |
附件 |
(7)9E燃气轮机轴瓦不稳定振动问题监测分析及试验研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 课题背景及研究意义 |
1.2 国内外发展现状 |
1.3 课题研究的主要内容 |
第二章 9E燃气轮机组振动监测系统 |
2.1 振动监测系统组成 |
2.1.1 轴振监测系统 |
2.1.2 瓦振监控系统 |
2.2 振动数据的测量装置 |
2.3 振动数据的采集装置 |
2.4 本章小结 |
第三章 振动测量功能扩展及干扰问题的改进 |
3.1 振动测量中存在的问题 |
3.2 振动测量系统功能扩展 |
3.2.1 振动历史数据采集功能的实现 |
3.2.2 振动测量通道的扩展 |
3.3 振动干扰问题的研究及改进 |
3.3.1 多倍频干扰问题的研究 |
3.3.2 测量误差问题的研究及改进 |
3.3.3 测量元件可靠性改进 |
3.4 本章小结 |
第四章 动平衡技术在9E燃气轮机组的应用研究 |
4.1 动平衡原理 |
4.2 现场动平衡试验措施及效果分析 |
4.2.1 现场动平衡试验措施 |
4.2.2 现场动平衡试验效果分析 |
4.2.3 现场动平衡试验总结 |
4.3 工厂动平衡试验措施及效果分析 |
4.4 不稳定振动优化措施 |
4.4.1 发电机动平衡的优化 |
4.4.2 燃气轮机3号轴瓦振动爬升优化 |
4.5 本章小结 |
第五章 9E燃气轮机轴瓦不平衡问题的研究 |
5.1 轴瓦不平衡的状态监测 |
5.1.1 滑动轴承工作原理 |
5.1.2 9E燃气轮机3号轴瓦的监测 |
5.1.3 9E燃气轮机2号轴瓦的监测 |
5.2 激光对中技术在9E燃气轮机的应用 |
5.2.1 缸体激光对中技术的应用 |
5.2.2 轴承座激光对中技术的应用 |
5.2.3 激光对中应用效果及验证 |
5.3 本章小结 |
结论 |
参考文献 |
致谢 |
附件 |
(8)动力旋转设备故障诊断技术在钢铁冶金行业的应用(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 研究背景和意义 |
1.2 国内外研究现状 |
1.2.1 振动信号分析方法的现状研究 |
1.2.2 转子动平衡技术的现状研究 |
1.2.3 发展趋势 |
1.3 本文主要研究内容 |
第二章 机械振动信号分析与转子平衡技术 |
2.1 振动信号基础理论 |
2.1.1 振动信号的分类 |
2.1.2 信号处理技术的数学基础理论 |
2.2 机械振动信号分析 |
2.2.1 时域分析 |
2.2.2 频域分析 |
2.2.3 其他图形分析 |
2.3 转子平衡技术 |
2.3.1 单面动平衡技术 |
2.3.2 双面动平衡技术 |
2.4 振动诊断标准 |
2.5 本章小结 |
第三章 转子系统动力学特性分析 |
3.1 转子动力学主要研究内容 |
3.2 转子的涡动 |
3.3 转子运动微分方程及不平衡响应 |
3.4 转子系统有限元分析模型 |
3.4.1 有限元软件及分析流程 |
3.4.2 转子结构三维模型的建立 |
3.4.3 转子结构网格划分 |
3.4.4 约束施加 |
3.5 单盘转子系统固有特性研究 |
3.5.1 单盘转子系统模态提取 |
3.5.2 单盘转子临界转速分析 |
3.6 双盘转子系统固有特性研究 |
3.6.1 双盘转子系统临界转速分析 |
3.7 转子系统不平衡故障谐响应分析 |
3.8 本章小结 |
第四章 基于转子试验台的故障诊断实验 |
4.1 转子试验台介绍 |
4.2 振动监测设备 |
4.2.1 振动监测原理概况 |
4.2.2 振动监测设备介绍 |
4.3 实验验证 |
4.3.1 转子不平衡实验 |
4.3.2 转子不对中实验 |
4.3.3 传感器安装位置实验 |
4.3.4 双面动平衡方法验证 |
4.4 本章小结 |
第五章 钢铁冶金旋转设备典型故障机理分析 |
5.1 转子不平衡 |
5.1.1 转子不平衡故障原因和类型 |
5.1.2 转子不平衡故障机理 |
5.1.3 转子不平衡故障特征 |
5.1.4 转子不平衡实例 |
5.2 转子不对中 |
5.2.1 转子不对中的类型 |
5.2.2 转子不对中故障机理 |
5.2.3 转子不对中振动故障主要特征 |
5.2.4 转子不对中实例 |
5.3 转子与静止件的摩擦 |
5.3.1 转子与静止件摩擦的故障机理 |
5.3.2 转子与静止件径向摩擦的故障特征 |
5.3.3 转子与静止件摩擦实例 |
5.4 转子部件松动 |
5.4.1 基座松动 |
5.4.2 弹性套柱销型联轴器松动 |
5.5 本章小结 |
第六章 故障诊断技术在旋转设备中的应用 |
6.1 现场动平衡工艺流程图 |
6.2 旋转设备故障处理案例 |
6.3 本章小结 |
第七章 结论与展望 |
致谢 |
参考文献 |
附录A 攻读在职研究生期间参与的科研项目 |
(9)旋转机械振动故障机理及诊断方法分析(论文提纲范文)
0 引言 |
1 旋转机械故障类型及其机理分析 |
1.1 转子不平衡 |
1.2 转子不对中 |
1.3 转子弯曲 |
1.4 旋转机械松动 |
2 旋转机械故障的诊断方法研究 |
2.1 基于模式识别的诊断方法的研究 |
2.2 基于人工神经网络的诊断方法的研究 |
2.3 基于仿生模式识别的诊断方法的研究“仿生模式 |
3 故障诊断专家系统的开发研究 |
4 结语 |
(10)电动机及离心泵组在线监测与故障诊断方法研究(论文提纲范文)
学位论文数据集 |
摘要 |
ABSTRACT |
符号说明 |
第一章 绪论 |
1.1 研究背景及意义 |
1.2 国内外的研究现状及分析 |
1.2.2 电动机故障诊断技术研究 |
1.2.3 离心泵故障诊断技术研究 |
1.3 课题来源及研究的主要内容 |
第二章 电动机及离心泵组故障诊断机理 |
2.1 电动机结构和原理 |
2.1.1 三相异步电动机的结构 |
2.1.2 三相异步电动机工作原理 |
2.2 电动机转子断条故障机理 |
2.2.1 电动机转子断条电流信号特征 |
2.2.2 电动机转子断条振动信号特征 |
2.3 电动机气隙偏心故障机理 |
2.3.1 电动机气隙偏心电流信号特征 |
2.4 感应电动机轴承故障机理 |
2.4.1 电动机轴承故障振动信号特征 |
2.5 绕组短路故障机理 |
2.5.1 电动机绕组短路振动信号故障特征 |
2.6 离心泵结构及原理 |
2.6.1 离心泵结构 |
2.6.2 离心泵原理 |
2.7 离心泵汽蚀特性 |
2.7.1 汽蚀机理 |
2.7.2 汽蚀余量 |
2.7.3 汽蚀与振动 |
2.8 离心泵流量与振动 |
2.9 管道应力分析 |
2.9.1 管道柔性化设计 |
2.9.2 泵管道支架设计 |
2.10 离心泵内部结构故障机理 |
第三章 电动机转子断条故障诊断研究与分析 |
3.1 引言 |
3.2 电动机故障诊断试验台设计方案 |
3.2.1 实验平台的搭建 |
3.3 传感器的选择与测点布置 |
3.3.1 振动传感器 |
3.3.2 电流传感器 |
3.3.3 转速传感器 |
3.4 测点布置及安装方式 |
3.5 数据采集平台搭建 |
3.6 电动机断条故障加工方案 |
3.7 电动机转子断条实验分析 |
3.7.1 三相异步电动机断条故障仿真分析 |
3.7.2 基于电流信号的转子断条故障诊断 |
3.7.3 基于振动信号的转子断条故障诊断 |
3.8 本章小结 |
第四章 离心泵入口管路的三通过滤器模型建立与数值模拟 |
4.1 引言 |
4.2 几何模型建立 |
4.3 网格划分 |
4.4 湍流模型的选择 |
4.4.1 流体动力学基本方程 |
4.4.2 常见湍流模型及用法 |
4.5 边界条件设置 |
4.6 模拟结果及分析 |
4.6.1 不同流速状态下速度场对比分析 |
4.6.2 不同流速状态下压力场对比分析 |
4.7 本章小结 |
第五章 某电厂脱硫泵机组设备振动抑制方法研究 |
5.1 引言 |
5.2 设备振动监测数据分析 |
5.2.1 测点布置 |
5.2.2 数据采集 |
5.2.3 数据分析 |
5.2.4 建议采取措施 |
5.3 本章小结 |
第六章 结论与展望 |
6.1 结论 |
6.2 展望 |
参考文献 |
致谢 |
研究成果及发表的学术论文 |
作者和导师简介 |
专业学位硕士研究生学位论文答辩委员会决议书 |
四、石化旋转机械振动故障诊断与治理实例(论文参考文献)
- [1]滚动轴承故障诊断及性能退化评估方法研究[D]. 陈鹏. 兰州理工大学, 2021(01)
- [2]面向无标签数据的旋转机械故障诊断方法研究[D]. 张志成. 吉林大学, 2021(01)
- [3]燃气-蒸汽联合循环机组智能诊断与健康维护技术研究[D]. 王仲. 华北电力大学(北京), 2021(01)
- [4]张量分解理论及其在机械故障诊断中的应用[D]. 葛茂. 武汉科技大学, 2021(01)
- [5]汽轮发电机组健康状态监测与智能故障诊断技术研究[D]. 张永明. 兰州理工大学, 2021
- [6]汽轮发电机组振动故障诊断模型构建及运用[D]. 刘涛. 华南理工大学, 2020(06)
- [7]9E燃气轮机轴瓦不稳定振动问题监测分析及试验研究[D]. 陈就兴. 华南理工大学, 2020(05)
- [8]动力旋转设备故障诊断技术在钢铁冶金行业的应用[D]. 蒋政. 昆明理工大学, 2020(05)
- [9]旋转机械振动故障机理及诊断方法分析[J]. 王吉,蒋海军,王喆,张少鹏,王强. 内燃机与配件, 2020(15)
- [10]电动机及离心泵组在线监测与故障诊断方法研究[D]. 郭小帅. 北京化工大学, 2020(02)