基于多模型估計的轉子典型故障診斷與參數(shù)識別方法研究.pdf

1、當前對于轉子故障的診斷基本是采用基于振動信號特征結合經驗的方法,往往包含較多人為的判斷。近些年雖出現(xiàn)了一些智能診斷方法,但其診斷精度多依賴于大量的故障事例和故障數(shù)據(jù),其實際應用存在局限性。為豐富轉子故障診斷的手段,提高診斷能力,本文重點研究基于多模型估計和參數(shù)估計的轉子故障診斷方法。論文的主要研究工作如下:
　　1.針對剛性支承單盤轉子系統(tǒng),對多種典型故障(不對中、碰摩、裂紋、彎曲)分別作故障機理和動力學分析,得出了不同故障型式下

2、的轉子運動微分方程。歸納總結單故障模型,建立了多重故障狀態(tài)下的動力學方程。
　　2.將多模型估計方法運用到轉子系統(tǒng)常見的碰摩、不對中以及裂紋等故障的診斷中。研究表明,多模型估計方法對于單一參數(shù)未知的模型有著很好的應用,然而對于多個參數(shù)未知的模型,由于參數(shù)間的排列組合大大增加卡爾曼濾波器個數(shù),進而做出不必要的濾波,降低計算速度。為此,將極值區(qū)間搜索方法與多模型估計理論相結合,提出了一種針對多參數(shù)未知模型的故障診斷新方法。
　　

3、3.將擴展卡爾曼濾波EKF方法運用到彎曲故障、不對中故障以及裂紋故障的故障診斷中。為了提高參數(shù)識別的收斂性和穩(wěn)定性,引入了EKF-WGI算法。針對EKF解決強非線性可能會失效的問題,提出了一種EKF參數(shù)估計與多模型估計聯(lián)合診斷新方法,仿真驗算證實了該方法的有效性與實用性。
　　4.將粒子濾波算法引入到旋轉機械的故障診斷中,通過仿真完成了粒子濾波算法對轉子系統(tǒng)單一故障,尤其對多重故障的診斷。針對單跨雙盤轉子系統(tǒng),運用粒子濾波算法實現(xiàn)