三缸往复泵泵阀故障诊断

摘要

往复泵是工程中广泛应用的一种机械设备。由于其结构复杂，激励源多，对其实施故障诊断比较困难，尽管取得了一些研究成果，但还有许多问题需要解决。目前，往复泵泵阀故障诊断需要解决的两个关键的问题是如何有效提取往复泵工作时非平稳时变信号中的故障特征和准确判断故障类型。本文在吸取前人研究成果的基础上，结合实际，并根据往复泵泵阀振动信号的非平稳特性，提取了其故障特征，引入了智能诊断方法，较好地解决了往复泵泵阀的故障诊断。 本文以常见的振动信号作为系统特征信号来提取故障特征向量。这种方法的优点是信号测取方便、处理简单。然后，对测取的各种泵阀状态的振动信号利用时域分析、小波包分析技术提取故障特征，各故障之间的特征区分明显，充分验证了此方法的有效性。为了提高诊断的准确率，将时域分析与小波包分析的结果融合在一起，构造故障特征向量。同时，本文还构造了三层的前向神经网络，以提取的故障特征向量作为网络的训练样本数据，对神经网络进行训练，并采用试验的方法调整神经网络的初始值。在确定了神经网络的结构和参数后，经检验数据验证训练后的神经网络所得的网络结构和参数是合理的。通过使用该神经网络进行诊断，结果表明该方法能提高往复泵泵阀故障的诊断率。

目录

文摘

英文文摘

声明

创新点摘要

引言

第1章设备故障诊断的方法与实现

1.1故障诊断技术概述

1.2故障诊断的主要内容

1.3故障诊断的实现方法

1.3.1基于物理模型的故障诊断

1.3.2基于数学模型的故障诊断

1.3.3基于智能方法的故障诊断

1.4故障诊断的任务

1.5智能故障诊断方法综述

1.5.1基于人工神经网络的故障诊断方法

1.5.2基于模糊逻辑推理的故障诊断方法

1.5.3基于粗糙集的故障诊断方法

1.5.4基于专家系统的故障诊断方法

1.5.5基于人工免疫系统的故障诊断方法

1.6本文采用的往复泵泵阀故障诊断方法

第2章振动信号的采集

2.1试验方案与试验装置

2.1.1状态参数的选择

2.1.2试验装置

2.2振动信号的采集

2.2.1信号采样

2.2.2采样频率

2.2.3采样点数

2.3试验过程

2.3.1泵阀故障类型设置

2.3.2正常状态测试

2.3.3故障状态测试

2.4小结

第3章振动信号故障特征提取

3.1幅值域故障特征提取

3.2基于小波包的泵阀故障特征提取

3.2.1小波及小波包基本理论

3.2.2常用小波函数及其性质

3.2.3小波包分析

3.2.4利用小波包分析提取故障特征

3.3小结

第4章基于BP神经网络的泵阀故障诊断

4.1神经网络的模型

4.1.1神经元模型

4.1.2BP神经网络结构

4.2 BP算法

4.2.1BP算法的学习

4.2.2BP算法的改进

4.3BP网络的设计

4.3.1网络的层数

4.3.2隐含层的神经元数

4.3.3初始权值的选取

4.3.4学习速率

4.3.5期望误差的选取

4.4基于BP神经网络的往复泵泵阀故障诊断

4.4.1神经网络进行故障诊断的过程

4.4.2BP神经网络的构建

4.4.3 BP神经网络的训练

4.4.4BP神经网络的故障诊断效果检验

4.5小结

结论

参考文献

致谢