离心通风机故障诊断方法及失速预警研究

摘要

风机属于通用机械范畴，在国民经济各部门都有广泛应用。作为发电厂烟风系统的动力源，风机运行状况是影响电厂的安全、经济运行的重要因素之一。因此，开展风机故障诊断研究，保障风机安全可靠的运行，有着重大的意义。本文以G4-73No8D风机为研究对象，进行风机故障诊断及旋转失速预测研究。主要研究内容及成果如下: (1)离心风机故障模拟实验研究及故障样本库的建立。基于G4-73No8D离心通风机实验台，实现了风机典型机械振动故障和旋转失速故障模拟，并建立了高速数据采集系统进行数据采集，建立了故障样本库。机械振动故障状态包括不同严重程度、不同发生部位情况下的不平衡、不对中、松动、碰摩等故障状态;失速故障包括不同导流器开度工况下，风机从正常运行状态到强失速状态的渐进过程。 (2)基于小波包及信号复杂度分析的风机智能故障诊断模型研究。实现了振动信号样本熵特征、符号动力学信息熵特征、小波包能量特征、小波包奇异值特征的提取，并对每种特征各自的特点进行了分析，发现不同故障状态下的特征均具有一定的可区分性，为智能故障诊断提供了基础。改进了智能珍断方法，针对神经网络易陷入局部极小、收敛速度慢，SVM模型参数不易选择的问题，提出用增加动量项和自适应调节学习率优化的BP神经网络和粒子群算法改进SVM作为故障分类器，建立了智能故障诊断模型。结果显示，基于复杂度分析和小波包分析的智能诊断模型能够对风机故障进行准确诊断，且计算效率较高。 (3)基于SDP分析和图像匹配相结合的风机故障诊断方法研究。实现了风机各类运行状态下振动信号的SDP变换，得到了不同运行状态振动信号的SDP图，反映了振动信号的特征，体现出风机不同运行状态之间的区别;建立了故障模板图，实现了未知故障SDP图与故障模板图之间的图像匹配，确定了未知故障的种类;对基于单模板、多模板和聚类模板的图像匹配效果进行分析，结果显示基于聚类故障模板图像匹配效果最佳，在保证了匹配准确率的基础上，不增加额外计算量。 (4)基于相空间变换和支持向量回归机的风机旋转失速预测模型研究。以风机从正常状态到强失速状态的渐进信号训练风机失速预测模型，以相空间变换的方法提取信号特征，挖掘出隐藏在一维时间序列中的本质规律，为回归研究提供更充实的信息;以SVR作为回归模型，实现了旋转失速的实时预测，并基于小波分析的方法检测出失速起始点。基于多步预测技术，建立了旋转失速预测模型，实现了提前五步预测失速起始点，满足了失速预警的时间需求。

目录

声明

摘要

第1章 绪论

1．1 研究背景及意义

1．2 故障诊断研究现状

1．2．1 特征提取方法

1．2．2 故障诊断方法

1．2．3 风机旋转失速预测

1．3 论文的研究内容

第2章 离心风机故障模拟实验研究

2．1 G4-73No8D风机实验系统

2．1．1 试验台结构

2．1．2 信号测量及采集系统

2．2 风机实验故障模拟

2．2．1 机械故障模拟

2．2．2 旋转失速故障模拟

2．3 本章小结

第3章 基于小波包和复杂度分析的智能故障诊断研究

3．1 故障诊断方法研究

3．1．1 改进BP神经网络故障诊断方法

3．1．2 改进支持向量机故障诊断方法

3．2 基于复杂度分析的风机故障诊断

3．2．1 基于样本熵特征的风机机械故障诊断

3．2．2 基于符号动力学信息熵特征的风机机械故障诊断

3．3 基于小波包分析的风机故障诊断

3．3．1 基于小波包频带能量特征的风机机械故障诊断

3．3．2 基于小波包奇异值特征的风机机械故障诊断

3．4 不同故障诊断方法的比较

3．5 本章小结

第4章 基于SDP分析和图像匹配的风机故障诊断研究

4．1 SDP分析法

4．1．1 SDP公式及结构

4．1．2 SDP法的参数选择

4．2 数字图像处理方法

4．2．1 图像的数字化表示方法

4．2．2 图像相似度判别方法

4．3 基于SDP分析的风机故障诊断

4．3．1 单模板的故障匹配

4．3．2 多模板的故障匹配

4．3．3 基于聚类故障模板的故障匹配

4．4 本章小结

第5章 基于相空间重构和支持向量机的风机旋转失速预测

5．1 离心风机旋转失速实验

5．2 离心风机旋转失速特征分析

5．2．1 旋转失速与风机性能参数的关系

5．2．2 旋转失速的频域特性分析

5．2．3 旋转失速渐进过程压力信号分析

5．3 基于相空间重构和支持向量机的失速预测模型

5．3．1 失速渐进过程压力信号相空间重构

5．3．2 支持向量机预测模型及其优化

5．4 离心风机旋转失速故障预测

5．4．1 单步预测

5．4．2 多步预测

5．5 本章小结

第6章 结论与展望

6．1 结论

6．2 研究工作的展望

参考文献

攻读博士学位期间发表的论文及其它成果

攻读博士学位期间参加的科研工作

致谢

作者简介