【硕士论文】旋转机械状态监测系统与故障诊断、状态预测方法研究.pdf

《【硕士论文】旋转机械状态监测系统与故障诊断、状态预测方法研究.pdf》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、浙江大学博士学位论文旋转机械状态监测系统与故障诊断、状态预测方法研究姓名：陈耀武申请学位级别：博士专业：机械制造及其自动化指导教师：程耀东;张卫东19980701渐江大学博士学位论文全文摘要本论文以旋转机械状态监测、故障诊断及状态预测为研究领域目标。首先，针对旋转机械状态监测系统的现状，提出并研究设计了一种虚拟旋转机械状态监测系统(PVA2000)：同时在总结旋转机械状态特征提取方法的基础上．提出了三维空间振动的特征提取方法和基于子波变换的CPB谱实现方法；其次，针对旋转机械故障所具有的特点，提出了一种基于组合式模糊神经网络的旋转机械故障诊断模型：最

2、后，针对反映旋转机械丁．作状态的特征参数时间序列所具有的规律性特点，提出了一种基于模式识别的组合式神经舸络旋转机械状态预测模型和方法。一J第一章综合论述了本文研究工作的意义和旋转机械状态监测、故障诊断及状态预测领域的发展现状．阐明了本文的研究方向。第～章针对旋转机械状态监测系统的现状，提出并研究设计了一种虚拟旋转机械状态监测系统(PvA2000)。该系统借鉴虚拟仪器设计思想进行系统设计规划，以配置研究设计的虚拟状态监测系统管理分析软件平台(VC^fDS)的通用计算机为核心，加上研制的多种模块化、小型化便携式信号采集分机和系统组合控制分机构成。对系统总

3、体方案、系统分机没计和管理分析软件设计进行了详细论述，并给出系统在工业现场的应用结果。第三章在总结旋转机械状态特征提取方法的基础上。提出了三维空间振动的特征提取方法和基于子波变换的CPB谱实现方法，文中详细论述了上述二种特征提取方法的实现原理，并且给出分析实例。第四章对软计算技术中的神经网络理论、模糊理论、模糊神经网络理论和混沌理论进行了相关的论述，旨在为本文后续的章节提供软计算技术理论基础。第五章针对旋转机械故障所具有的层次性、相关性、和模糊性的特点，提出了一种基于组合式模糊神经网络的旋转机械故障诊断模型，它由二层多个模糊神经网络模块构成。依据该模

4、型设计了一个基于组合式模糊神经网络的旋转机械故障诊断辅助系统，并对该系统进行实践研究。第六章针对反映旋转机械工作状态的特征参数时间序列所具有的变化规律性．提出了一种基于模式识别的组合式神经网络旋转机械状态预测模型和方法。该模型将故障诊断和状态预测有机结合，针对不同工作状态模式下的不同特征参数和不同预测时间间隔，通过基于历史事件的样本学习建立不同的神经网络预测子模块。本文在建立模型时，进行了多种情况F的计算机仿真实验研究，并基于该模型设计了一个基于模式识别的组合式神经网络旋转机械状态预测系统。淅江大学博士学位论文最后，在第七章概括论述了本文研究的主要结

5、论，著且对进一步的研究工作进行展望j。关键词：旋转机械、状态监测、故障诊断、预测、信号处理、软计算技术、神经网络、模糊理论II浙江大学博士学位论文TheresearchareaofthisdissertationiStherotatingroachinervconditionmonitoring，faultdiagnosisandconditionforecasting．First，avirtualrotatingmachineryconditionmonitoringsystem(Pvh2000、iSproposedaswellasdesigned

6、consideringthecurrentresearchstatusofrotatingmachineryconditionmonitoringsystems．Inaddition，thefeatureextractionmethodforthreedimensionalvibrationandtherealizationofCPBspectmmonthebasisofwavelettransformationareputforwardbasedonasummaryoffeatureextractionmethodsofrotatingmachin

7、er、rconditions．Second．arotatingmachineryfaultdiagnosismodelbasedonmodularfuzzyneuralnetworksisgivenwithaviewofthecharacteristiesofrotatinemachineryfaults．Intheend，accordingtotheregnlaritywhichthefeatureparametertimeseriespossess，arotatingmachineryconditionforecastingmodelbasedo

8、npatternrecognitionaswellasmodularneura】networksiSpres