泵站机组远程状态监测和故障诊断研究与实现

摘要

对于跨流域的大型调水工程，泵站机组运行时间长，可靠性要求高，若泵站机组发生故障可能造成重大经济损失和严重社会影响，为此研究泵站机组状态监测和故障诊断技术，在保证工程安全、经济运行，提升泵站的运行、维护和管理水平，发挥工程的整体效益上有重大意义。本文围绕泵站机组状态监测和故障诊断的关键技术进行研究，提出了适用于跨流域的泵站群机组状态监测系统的结构，提出了一种基于多信息融合的“人-机协作”故障诊断方法，探索了泵站机组远程状态监测与故障诊断系统的开发方法。
　　 第一章和第二章分析了国内外状态监测和故障诊断技术的研究现状和发展趋势的基础上，提出了泵站机组远程状态监测与故障诊断系统的功能需求，给出了系统的总体方案，描述了系统的硬件组成和软件体系结构。
　　 第三章在分析和综合相关文献的基础上，给出了转子不平衡、油膜涡动、油膜振荡、转子不对中、动静件摩擦等典型故障的特征和故障与征兆之间的关系简图;然后利用振动试验台模拟了转子不平衡、油膜涡动、油膜振荡、不对中等典型故障，这些模拟的故障数据进一步验证了这些故障与征兆之间的对应关系。
　　 第四章针对基于振动信号频谱的故障诊断方法信息量单一，可信度较低，提出了基于多信息融合的“人-机协作”故障诊断方法。多信息融合的“人-机协作”故障诊断方法是将BP神经网络与专家系统相结合、模糊运算与专家系统相结合、以及“人-机交互”三种方式相融合进行故障诊断。它首先利用BP神经网络方法或者模糊运算方法进行故障诊断得出初步诊断结果;然后采用“人-机交互”的方式辨识振动信号波形形状、轴心轨迹形状等信息;再利用专家系统根据初步结果、相位特征、波形特征、轴心轨迹形状特征等信息进行“反向链”推理得出诊断结果及其可信度。本章首先详细描述了利用BP神经网络进行机组故障诊断的方法，并且利用该方法对模拟的典型故障进行故障诊断，实验表明这种方法能够较准确识别出转子不平衡、不对中等典型的旋转机械故障。接着介绍了利用模糊运算、基于规则的专家系统进行泵站机组故障诊断的方法。然后着重介绍了基于多信息融合的“人-机协作”诊断方法，包括信号频谱、波形形状、轴心轨迹形状、相位、趋势等多信息融合的方法，以及“人-机协作”诊断算法的工作流程。最后讨论了故障诊断知识更新方法。
　　 第五章介绍了利用LabWindows/CVI开发的泵站机组现场状态监测和分析系统，描述了系统的主界面、系统配置界面、系统主监视界面、时域分析界面、频域分析界面等主要界面，然后简单介绍了远程状态监测代理服务器模块的实现。
　　 第六章介绍了综合使用MeasurementStudio、VisualStudio、SQL、MATLAB等开发出的泵站机组远程状态监测和故障诊断系统，描述了系统的主页面、状态监测页面、频谱图页面、轴心轨迹图页面、凝聚分析页波德图页面、极坐标图页面等主要页面的功能和实现，重点介绍了基于多信息融合的“人-机协作”故障诊断的典型操作界面。

目录

封面

论文说明

英文摘要

第一章 概述

1．1 研究目的及意义

1．2 状态监测与故障诊断的研究现状和发展趋势

1．2．1 维修体制的发展

1．2．2 机组状态监测技术

1．2．3 故障诊断技术现状和发展趋势

1．2．4 远程状态监测技术

1．3 存在问题

1．4 主要研究内容

第二章 泵站机组远程状态监测与故障诊断系统体系结构

2．1 概述

2．2 系统功能

2．3 总体结构

2．3．1 系统硬件结构

2．3．2 系统软件结构

第三章 泵站机组常见故障特征分析

3．1 实验平台搭建

3．1．1 测试装置及测点布置

3．1．2 传感器选择

3．1．3 采集系统选择

3．2 转子不平衡

3．3 油膜涡动

3．4 油膜振荡

3．5 转子不对中

3．6 动静件摩擦

3．7 故障与征兆之间关系分析

第四章 故障诊断方法研究

4．1 概述

4．2 基于BP神经网络的故障诊断方法

4．2．1 BP神经网络

4．2．2 基于BP算法的泵站机组故障诊断网络的建模

4．2．3 BP神经网络的参数选择

4．2．4 信号特征提取

4．2．5 BP神经网络的训练

4．2．6 BP神经网络的测试

4．2．7 基于BP神经网络的故障诊断方法的实现

4．3 基于模糊运算的故障诊断方法

4．3．1 隶属函数

4．3．2 模糊矩阵

4．3．3 基于模糊运算的故障诊断方法实现

4．4 基于规则的专家系统故障诊断方法

4．4．1 基于规则的专家系统结构

4．4．2 事实的表示

4．4．3 规则的表示

4．4．4 诊断规则

4．5 基于多信息融合的“人-机协作”故障诊断方法研究

4．5．1 概述

4．5．2 多信息融合的故障诊断算法

4．5．3 基于多信息融合的“人-机协作”故障诊断方法

4．6 诊断知识的获取和更新方法研究

4．6．1 诊断知识

4．6．2 诊断知识获取

4．6．3 基于BP神经网络的诊断知识获取和更新

4．6．4 基于BP神经网络的知识自动更新实现

第五章 泵站机组现场状态监测与故障分析系统的实现

5．1 引言

5．2 开发平台简介

5．3 泵站机组状态监测分析模块

5．4 系统主要界面

5．4．1 主界面

5．4．2 系统配置界面

5．4．3 系统主监视界面

5．4．4 时域分析界面

5．4．5 频域分析界面

5．5 远程状态监测代理服务器模块

第六章 泵站机组远程状态监测与故障诊断服务器的实现

6．1 引言

6．2 开发平台简介

6．3 通信模块

6．4 主页面

6．5 远程状态监测页面

6．6 远程状态监测分析页面

6．6．1 频谱图

6．6．2 轴心轨迹图

6．6．3 凝聚分析

6．6．4 波德图

6．6．5 极坐标图

6．7 远程故障诊断页面

第七章 总结和展望

7．1 本文所做的工作

7．2 后续工作

参考文献

致谢

作者攻读硕士期间发表的文章

声明