基于EMD原理与BP神经网络的旋挖钻机钻杆故障识别方法

摘要

作为现代桩基工程中的重要组成设备，旋挖钻机被广泛应用于油气开采、矿山挖掘、跨海大桥等众多领域。然而在旋挖钻机实际工作过程中时常会发生掉钻现象，因钻杆故障引发的旋挖钻机掉钻事故不在少数，因此对钻机钻杆进行故障识别从而实现对钻机故障的状态检测和诊断具有重要意义。基于以上目的，本文在实验室条件下对旋挖钻机钻杆的故障识别进行了相关探索研究，主要研究内容和工作归结如下:
　　1)本文通过模拟钻机工作原理，以某型钻机为蓝本搭建了钻进实验平台，对钻进实验台的各组成系统进行了详细的方案设计与计算。对钻杆螺栓连接松动故障与钻杆存在破坏缺陷两种故障进行了模拟，并利用实验台完成了不同转速和不同工况的信号样本采集。
　　2)研究了EMD算法原理与相关信号处理的谱分析方法，利用小波阈值去噪方法对实际钻杆信号进行了去噪。利用EMD方法实现了钻杆信号的自适应性有效分离，对钻杆信号的时频谱、AR谱、边际谱进行了分析。
　　3)针对钻机钻杆故障识别提出了EMD-IMF能量、EMD-奇异值分解两种故障特征量的提取方法，对采集获取的不同工况样本信号进行特征值提取与对比，结果表明两种方法能够有效识别钻杆故障特征。
　　4)研究了BP神经网络原理，采用EMD-IMF能量、EMD-奇异值两种特征提取方法分别对不同转速和不同工况下的信号进行了故障特征向量的构建，最后结合BP神经网络对两种工况进行了诊断分类。结果表明:两种基于EMD原理的故障特征量提取方法均可以用于钻杆故障特征量的提取，其中EMD-能量法对于钻杆松动工况具有较高的识别成功率，在实际工程中可以采用该方法对钻杆松动故障进行识别诊断。

目录

声明

致谢

摘要

图目录

表目录

1．1 研究背景及意义

1．2 国内外研究现状

1．2．1 机械故障诊断国内外现状

1．2．2 信号处理技术应用现状

1．2．3 基于EMD方法的机械故障诊断现状

1．2．4 故障模式识别方法应用现状

1．3 本文主要研究内容

1．4 本章小结

第2章 钻机实验台设计与故障信号模拟采集

2．1 钻机工作原理

2．2 总体方案设计

2．3 回转系统设计

2．3．1 回转系统结构

2．3．2 主电机选型

2．3．3 主轴设计

2．3．4 联轴器选型

2．3．5 组合轴承选型及校核

2．4 传动系统设计

2．4．2 钻杆与钻杆装配连接

2．4．3 钻头与钻杆装配连接

2．4．4 钻杆与法兰装配连接

2．5 提升系统设计

2．5．1 升降电机选型

2．5．2 提升系统联轴器选型

2．6 实验台设计制造

2．7 钻杆故障信号模拟实验与信号采集

2．8 本章小结

第3章 基于EMD原理的钻杆故障信号分解

3．1 EMD基本原理

3．1．1 解析信号的概念

3．1．2 EMD原理

3．2 EMD信号频域特征

3．2．1 AR谱原理

3．2．2 边际谱原理

3．3 基于小波原理的钻杆信号去噪

3．4 钻杆振动信号的谱分析

3．4．1 信号的时频分析

3．4．2 信号的EMD分解

3．4．3 信号的EMD-AR谱分析

3．4．4 信号的EMD-边际谱分析

3．5 本章小结

第4章 钻杆故障信号特征量的提取

4．1．2 信号EMD-IMF能量法故障特征提取分析

4．2 信号EMD-SVD奇异值故障特征提取

4．2．2 信号EMD-SVD奇异值特征提取分析

4．3 本章小结

第5章 基于BP神经网络的钻杆故障模式分类

5．1．1 人工神经元

5．1．2 BP神经网络算法原理

5．2 BP神经网络结构模型的建立

5．3 BP神经网络实验应用分类

5．3．1 基于EMD能量分布的BP神经网络分类

5．3．2 基于EMD-SVD(奇异值)的BP神经网络分类

5．4 本章小结

6．1 结论

6．2 展望

参考文献