热媒循环泵轴承状态监测与故障诊断研究

摘要

热媒循环泵是石油化工行业中的重要设备，其轴承状态关系到泵的工作性能和使用安全。通过对热媒循环泵轴承进行在线监测可以有效保证其安全运行，故障分类识别可以为生产现场提供检修依据，预防严重事故发生，二者结合能够提高生产经济性和安全性。传统热媒循环泵轴承状态监测系统受到通讯技术落后和智能化程度低的制约，存在布线困难、实时性差等缺点，也无法对具体故障类型和程度进行识别，已不能满足安全、高效与智能的现代工业发展要求。
　　本文开发了基于ZigBee无线通讯的热媒循环泵轴承状态监测系统，可实现轴承运行状态的实时监测，通过对热媒循环泵轴承部位的振动信号和温度信号进行采集、传输和处理，并使用LabVIEW软件设计监测系统上位机程序，对热媒循环泵轴承是否发生故障进行定性判断。
　　为了进一步实现轴承具体故障类型及程度的分类识别，本文对振动信号进行分析处理，划分合适长度的样本。提出了一种运用于故障诊断的数据增强神经网络方法，将振动信号时域数据进行数据增强处理，设计神经网络具体算法，并应用MATLAB建立最优参数模型。
　　通过对不同故障类型、程度的滚动轴承产生的振动信号进行分类识别，并将结果进行对比分析，结果显示:对原始数据增强处理后的神经网络模型拥有较好的故障分类识别效果。可以验证:本文提出的数据增强方法能够缩小训练集和测试集识别率之间的差距，提高神经网络对测试集的分类识别能力。

目录

声明

摘要

第1章 绪论

1．1 课题背景及意义

1．2 故障诊断发展历程

1．3 故障诊断研究现状

1．4 论文研究的主要内容

第2章 状态监测系统设计

2．1 监测系统总体设计

2．2 硬件系统选型设计

2．2．1 传感器布置

2．2．2 振动传感器

2．2．3 温度传感器

2．2．4 无线数据传输设备

2．3 软件系统设计及实现

2．3．1 软件功能设计

2．3．2 软件程序实现

2．4 现场实验

2．5 本章小结

第3章 滚动轴承故障机理及振动分析

3．1 滚动轴承故障分析

3．1．1 滚动轴承结构

3．1．2 故障产生原因

3．1．3 故障诊断方法

3．2 滚动轴承振动信号分析

3．2．1 滚动轴承振动信号数据

3．2．2 振动信号时域分析

3．2．3 振动信号频域分析

3．3 振动信号特征参数

3．4 本章小结

第4章 神经网络模型及数据增强

4．1．1 前馈神经网络结构

4．1．2 激活函数选择

4．1．3 归一化处理方法

4．1．4 反向传播算法

4．1．5 共轭梯度算法

4．1．6 交叉熵代价函数

4．2 过度拟合分析

4．3 数据增强处理

4．4 本章小结

第5章 滚动轴承故障分类识别

5．1 神经网络参数设计

5．2 神经元数选择

5．3 结果分析对比

5．4 工程实例验证

5．5 本章小结

总结与展望

致谢

参考文献

作者简介

攻读硕士学位期间发表的论文