G4-73No8D離心風(fēng)機(jī)的機(jī)械故障診斷研究.pdf

1、風(fēng)機(jī)是機(jī)械設(shè)備的一個(gè)大類,廣泛運(yùn)用于石油、化工、電力、冶金等重要行業(yè),對(duì)國(guó)民經(jīng)濟(jì)的發(fā)展有重要的意義。作為煙風(fēng)系統(tǒng)的驅(qū)動(dòng)源,風(fēng)機(jī)是發(fā)電廠中一種大型的旋轉(zhuǎn)機(jī)械,其運(yùn)行過(guò)程中往往伴隨著較強(qiáng)的振動(dòng)和較大的噪聲,容易引發(fā)故障,而風(fēng)機(jī)故障可能引起機(jī)組停機(jī),造成嚴(yán)重的經(jīng)濟(jì)損失,甚至可能導(dǎo)致環(huán)境污染、損害人身安全和其他更為惡劣的后果。因此對(duì)風(fēng)機(jī)開(kāi)展故障診斷研究,對(duì)保障電站的安全、經(jīng)濟(jì)運(yùn)行有著重大的意義。
　　本文針對(duì)風(fēng)機(jī)故障模擬實(shí)驗(yàn)所得振動(dòng)信號(hào)的

2、不同分析處理方法展開(kāi)深入的研究,從而準(zhǔn)確診斷風(fēng)機(jī)機(jī)械故障,主要內(nèi)容如下:
　　(1)運(yùn)用復(fù)雜度分析方法分別對(duì)振動(dòng)信號(hào)的樣本熵特征和符號(hào)動(dòng)力學(xué)信息熵特征進(jìn)行提取,針對(duì)已得樣本熵?cái)?shù)據(jù)庫(kù)和符號(hào)動(dòng)力學(xué)信息熵?cái)?shù)據(jù)庫(kù),采用附加動(dòng)量項(xiàng)和自適應(yīng)調(diào)節(jié)學(xué)習(xí)速率的改進(jìn) BP神經(jīng)網(wǎng)絡(luò)建立了相應(yīng)的風(fēng)機(jī)機(jī)械故障診斷模型,并測(cè)試了兩種模型的準(zhǔn)確性。
　　(2)運(yùn)用小波包分析提取了振動(dòng)信號(hào)的小波包頻帶能量特征。將小波包分析和奇異值分解相結(jié)合,對(duì)振動(dòng)信號(hào)的小

3、波包奇異值特征進(jìn)行提取。在得到以上兩種特征的數(shù)據(jù)庫(kù)之后,再采用改進(jìn) BP神經(jīng)網(wǎng)絡(luò)對(duì)風(fēng)機(jī)的機(jī)械故障進(jìn)行診斷,并測(cè)試其相應(yīng)的準(zhǔn)確性。
　　(3)由于風(fēng)機(jī)不同運(yùn)行狀態(tài)相應(yīng)的SDP圖形具有明顯的差異,本文采用了基于振動(dòng)信號(hào)SDP分析的風(fēng)機(jī)機(jī)械故障診斷方法。該方法將振動(dòng)信號(hào)轉(zhuǎn)化為SDP圖形,再將振動(dòng)信號(hào)的SDP圖形轉(zhuǎn)化為數(shù)值矩陣,然后采用相關(guān)系數(shù)法對(duì)振動(dòng)信號(hào)SDP圖形間的相似度進(jìn)行分析,通過(guò)比較測(cè)試信號(hào)的SDP圖與風(fēng)機(jī)各類運(yùn)行狀態(tài)下振動(dòng)信號(hào)