基于全矢-灰色模型的频谱预测研究

摘要

设备故障预测就是要通过技术手段，预测在未来的一定时间内机组的运行状态，预知将要发生的设备故障，以便指导生产调度和设备维修。当前，国内外学者对于故障预测的研究主要集中于故障强度、剩余寿命和有无故障方面，多以事先确定的某种特定的单一故障展开，而对于故障性质和类型的预测则相对较少。要对故障类型和性质进行预测，就需要对设备振动信号的频谱结构的发展趋势进行预测，并根据预测所得的频谱结构判断机组的故障性质和类型。从不同方向采集到的信号进行频谱分析时，发现频谱结构存在差异性，因此，仅仅依靠单源信号进行预测，很难反映出机组的运行状态。为提高旋转机械故障预测的可靠性，将基于同源信息融合的全矢谱技术引入预测模型，可有效的避免单源信号故障特征提取不完整的弊端，完整的表述转子在整个截面内的振动状态。
　　本课题的研究内容和主要成果如下：
　　（1）研究了全矢-GM（1,1）模型频谱预测方法和建模过程。给出了趋势预测方法灰色 GM（1,1）模型结合全矢谱技术的全矢-GM（1,1）模型的具体建模过程，试验表明，全矢-GM（1,1）模型具有较高的预测精度，并在机械振动强度的预测中体现出了较好的预测效果。
　　（2）研究了基于全矢-MGM（1,m）模型的频谱结构预测流程及应用。将灰色MGM（1,m）模型预测方法结合全矢谱技术应用到机械振动频谱预测研究中，并给出了频谱预测的全过程。结果表明，全矢-MGM（1,m）模型也具有较好的预测效果，并在中长期预测中，展现出更高的预测精度。
　　（3）研究了基于全矢-BPGM（1,1）模型的频谱预测方法。运用EMD的方法分离特征值中的趋势量与随机量，将趋势量送入GM（1,1）模型中进行预测，随机量送入BP神经网络预测，将预测结果进行整合，得到最终预测值。实验表明，全矢-BPGM（1,1）模型拥有更高的预测精度，可以为设备预知维修提供技术支持。

目录

声明

1. 绪论

1.1 课题的来源

1.2 设备频谱预测技术的研究意义

1.3 设备频谱预测技术的研究现状

1.4 同源信息融合技术及其应用

1.5 本文的研究目的和意义

1.6 本文的研究内容及结构安排

2. 全矢谱理论

2.1 引言

2.2 全矢谱理论的基本理论

2.3 全矢谱理论的数值算法

2.4 全矢谱技术的兼容性

2.5 全矢谱技术实例应用

2.6 本章小结

3 转子系统典型故障机理及频谱特征

3.1 引言

3.2 转子系统故障机理及频谱特征

3.3 本章小结

4 全矢-灰色模型的建立

4.1 引言

4.2 灰色模型理论

4.3 全矢-灰色模型构建

4.4 实验研究

4.5 本章小结

5. 全矢-BPGM（1,1）模型

5.1 引言

5.2 EMD趋势分解理论

5.3 BP神经网络理论

5.4 全矢-BP灰色模型的建立

5.5 实验研究

5.6 本章小结

6. 结论与展望

6.1 结论

6.2 关键技术与创新点

6.3 展望

参考文献

致谢

个人简历 在校期间发表的学术论文及研究成果