基于电流与振动信息融合的转子系统典型故障诊断方法研究

摘要

随着科技水平的发展，现在工业生产中对旋转机械的安全可靠性方面的要求越来越高，并且转子系统是旋转机械的核心部件，一旦出现故障，就会导致设备丧失工作性能。这些故障会引起连锁反应，导致整个生产系统不能正常工作，造成巨大的经济损失，甚至引发重大的灾难性事故。目前，采用单一信号诊断方法比较片面，故障诊断准确率比较低，已经无法满足需求，因此研究基于电机电流及振动信号融合的故障诊断方法势在必行。
　　本文主要针对转子系统的转子不平衡、偏角不对中、平行不对中这三种典型故障进行诊断，研究了这三种故障的故障机理，建立了系统的故障动力学方程。通过研究方程发现，这三种故障都会引起水平x向和竖直y向振动加速度的变化；并且会引起轴扭矩变化，进而改变电磁扭矩，导致磁通量的变化，最终改变电机电流。接着，设计搭建了转子系统故障诊断试验台，拟定了三种故障的试验方案，并完成了试验研究。
　　首先，通过搭建的试验台采集故障和无故障状态的电流和振动信号，并进行了信号的预处理。对振动信号采用小波软阈值消噪法进行消噪处理，信号时域图上大部分不规则毛刺基本消失，凸显出信号的故障特征。对电流信号采用陷波滤波法进行去工频处理，50Hz工频成分基本被去除，凸显出信号的故障特征。
　　然后，提取了电流信号和振动信号的时域、频域及小波包能量特征。研究发现，频域特征的故障敏感度比时域特征的故障敏感度高，振动信号特征的故障敏感度比电流信号特征的故障敏感度高。考虑到不同传感器测出的信号单位不同，各特征所占比重也不同，对特征向量进行了标准化处理。由于特征向量维数较高，运用主元分析法对特征向量进行了降维处理。
　　最后，设计了用于转子系统典型故障诊断的贝叶斯网络，分别基于振动信号、电机电流信号、融合信息进行了故障诊断。结果表明，融合信息故障诊断准确率最高，振动信号次之，电流信号最差。验证了贝叶斯网络融合信息诊断方法的正确性和有效性。

目录

声明

第一章 绪 论

1.1引言

1.2研究目的和意义

1.3国内外研究动态

1.4 主要研究内容

1.5 小结

第二章 转子系统典型故障机理及动力学分析

2.1引言

2.2 转子不平衡故障机理及动力学分析

2.3不对中故障机理及动力学分析

2.4小结

第三章 转子系统典型故障试验

3.1引言

3.2 试验台系统设计

3.3 试验方案设计

3.4 试验结果与分析

3.5 小结

第四章 典型故障试验信号处理及故障特征提取

4.1 引言

4.2 振动信号的小波消噪

4.3 电流信号的陷波滤波

4.4 信号的时域特征提取

4.5 信号的频域特征提取

4.6 基于小波包的时频特征提取

4.7 小结

第五章 基于主元分析的特征向量降维

5.1 引言

5.2 标准化处理

5.3 主元分析法

5.4 融合特征向量的降维

5.5 小结

第六章 基于贝叶斯网络信息融合的典型故障诊断

6.1 引言

6.2 信息融合基本原理

6.3 基于贝叶斯网络的信息融合

6.4 基于振动的典型故障诊断

6.5 基于电流的典型故障诊断

6.6 基于融合信息的典型故障诊断

6.7 诊断结果分析对比

6.8 小结

第七章 结论和展望

7.1 工作总结

7.2 主要结论

7.3 进一步展望

参考文献

致谢

攻读学位期间发表的学术论文目录