基于多模型估计的转子典型故障诊断与参数识别方法研究

摘要

当前对于转子故障的诊断基本是采用基于振动信号特征结合经验的方法,往往包含较多人为的判断。近些年虽出现了一些智能诊断方法,但其诊断精度多依赖于大量的故障事例和故障数据,其实际应用存在局限性。为丰富转子故障诊断的手段,提高诊断能力,本文重点研究基于多模型估计和参数估计的转子故障诊断方法。论文的主要研究工作如下:
　　1.针对刚性支承单盘转子系统,对多种典型故障(不对中、碰摩、裂纹、弯曲)分别作故障机理和动力学分析,得出了不同故障型式下的转子运动微分方程。归纳总结单故障模型,建立了多重故障状态下的动力学方程。
　　2.将多模型估计方法运用到转子系统常见的碰摩、不对中以及裂纹等故障的诊断中。研究表明,多模型估计方法对于单一参数未知的模型有着很好的应用,然而对于多个参数未知的模型,由于参数间的排列组合大大增加卡尔曼滤波器个数,进而做出不必要的滤波,降低计算速度。为此,将极值区间搜索方法与多模型估计理论相结合,提出了一种针对多参数未知模型的故障诊断新方法。
　　3.将扩展卡尔曼滤波EKF方法运用到弯曲故障、不对中故障以及裂纹故障的故障诊断中。为了提高参数识别的收敛性和稳定性,引入了EKF-WGI算法。针对EKF解决强非线性可能会失效的问题,提出了一种EKF参数估计与多模型估计联合诊断新方法,仿真验算证实了该方法的有效性与实用性。
　　4.将粒子滤波算法引入到旋转机械的故障诊断中,通过仿真完成了粒子滤波算法对转子系统单一故障,尤其对多重故障的诊断。针对单跨双盘转子系统,运用粒子滤波算法实现了对裂纹识别和定位。
　　5.在转子实验台上模拟裂纹故障、不对中故障、弯曲故障以及弯曲裂纹复合故障;分别用多模型估计方法、EKF-WGI方法和粒子滤波方法分别对故障振动信号进行故障诊断;实验验证了三种故障诊断方法的有效性;最后从几个方面分析三种方法各自的优缺点。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪论

1.1 课题研究背景和意义

1.2 当前故障诊断方法

1.3 本文研究内容

第二章 转子典型故障动力学分析

2.1 刚性支撑单盘转子系统模型

2.2 转子不对中[40-43]

2.3 裂纹转子[45-47]

2.4转子碰摩[48][49]

2.5 转子弯曲

2.6 多故障转子动力学模型[50-53]

2.7 本章小结

第三章 基于多模型估计的转子故障诊断方法

3.1多模型估计原理[54-60]

3.2 碰摩故障分析[61]

3.3 裂纹故障分析

3.4 不对中故障分析

3.5 多个未知参数的故障诊断

3.6 多模型估计的实际应用

3.7 本章小结

第四章 基于EKF参数估计的转子故障诊断方法

4.1扩展卡尔曼滤波器理论（EKF）[63-65]

4.2 基于EKF的参数识别方法[66-69]

4.3 弯曲故障分析

4.4不对中转子

4.5 加权整体迭代的扩展卡尔曼滤波方法（EKF-WGI）

4.6 转子系统阻尼系数估计[70]

4.7 参数估计-多模型估计方法

4.8 本章小结

第五章 基于粒子滤波的转子故障诊断方法

5.1粒子滤波算法概述[71][72]

5.2 粒子滤波在单一故障转子系统上的应用

5.3 粒子滤波在多故障转子系统上的应用

5.4 粒子滤波在转子系统裂纹定位上的应用

5.5 本章小结

第六章 故障诊断方法的实验验证

6.1实验台组成

6.2故障实验

6.3故障诊断

6.4故障诊断方法比较

6.5本章小结

第七章 总结与展望

7.1总结

7.2展望

参 考 文 献

致谢

攻读硕士学位期间已发表或录用的论文