旋转机械故障诊断专家系统研究与实现(1)

大连理工大学硕士学位论文旋转机械故障诊断专家系统研究与实现姓名：田义潮申请学位级别：硕士专业：化学工程指导教师：马源;翁刚20090601旋转机械故障诊断专家系统研究与实现作者：田义潮学位授予单位：大连理工大学相似文献(10条)1.期刊论文许琦.顾海明.李永生粗集理论及其在旋转机械故障诊断中的应用(二)旋转机械故障诊断知识库的形成-南京工业大学学报(自然科学版)2002,24(4)旋转机械故障诊断知识库形成的主要环节是信号的采集和信号的分析、整理;在所有的机械故障信号中,振动诊断技术是故障诊断的常用手段,对振动信号实现连续、在线诊断的最重要的数学工具是快速傅里叶变换(FFT)和小波理论.通过对实验的观察,建立转子故障特征向量和故障类型之间对应关系的数据库,为基于粗集理论故障诊断的决策表的形成提供了原始的知识库.2.学位论文宋雪萍旋转机械故障诊断若干理论与技术的研究2005旋转机械是工业部门中应用最为广泛的一类机械设备，例如汽轮机、发电机、鼓风机、压缩机等诸多机械都属于这一类。随着科学技术的发展，旋转机械正在向高速、重载和自动化方向发展，对旋转机械在设备安全、稳定、长周期、满负荷运行的要求也越来越高，转子以及其它回转部件作为旋转机械的的核心部件，在电力、能源、交通、石油化工等领域中发挥着无可替代的作用。这类设备一旦发生故障，将会引发严重的机毁人亡事故，并造成重大的经济损失。所以，采用现代化技术，及时掌握设备的运行状态，才能预防故障，杜绝事故，延长设备运行周期，缩短维修时间，最大限度地发挥设备的生产潜力，提高经济效益和社会效益。在新形势下，设备现代化管理以及机械故障诊断正面临着新的机遇和挑战，把旋转机械的故障识别与诊断技术引向深入，使其在现代化设备管理过程中发挥积极的作用，对国民经济建设具有普遍而又重要的意义，也是机械故障诊断领域的科研人员与广大现场工程技术人员所肩负的重要任务。因此研究旋转机械故障诊断若干理论与技术具有重要的理论和实际意义。本文以旋转机械转子系统为研究对象，采用理论研究、计算机仿真和试验测试相结合的研究方法，提出了基于小波理论、HMM(HiddenMarkovModels，简称为HMM)理论以及粗糙集理论的故障分类与识别的基本算法和实现技术，通过对典型故障的原始信号进行特征提取和选择，建立相应的故障标准模式，从而达到故障诊断的目的。全文的主要内容如下：第一章：论述了研究机械设备故障诊断的意义和内容，在查阅大量国内外文献的基础上，提出了当前旋转机械故障诊断技术存在的问题及应研究的主要内容。第二章：研究了小波分析方法在旋转机械故障诊断中的信号特征提取和诊断。首先以试验数据为基础，利用小波变换的多分辨率分析、奇异性理论对典型故障信号进行多尺度分解和重构，发现小波分析便于对信号的总体和局部进行刻画，可以有针对性地选取有关频带的信息并且降低噪声的干扰；其次根据小波变换系数模值与信号突变的关系，可以突出典型故障的特征频率，达到提取裂纹故障的目的；最后利用小波包分解原理对几种典型故障进行研究，发现其在通频范围内可以得到不同频段内的分解系列，时域和频域均有更精细的局部化分析功能；对经过小波包分解和重构后各个频带信号进行重分配尺度谱分析，可以有效地进行特征提取。第三章：依据HMM的基本理论与算法，提出了利用HMM在实际故障诊断中应注意的几个问题；讨论了HMM初始模型的选取方法；研究了以四种典型故障为基础，通过对试验数据进行加窗处理，采用自相关法提取12阶LPC(LinearPredictioncoefficient)倒谱系数作为特征矢量，采用LBG聚类算法对特征矢量进行矢量量化处理，得出码本矢量，训练四种故障的DHMM(DiscreteHiddenMarkovModel，简称DHMM)模型，并将部分所测数据经矢量量化后输入到训练好的DHMM中，求其对数似然概率值，概率值最大者即为故障状态。采用K-means算法对CHMM(ContinuousHiddenMarkovModel，简称CHMM)进行参数初始化处理，为了防止数据下溢，引入前向-后向比例因子算法求对数似然概率值。对给定的观测序列，每一种模型的优化路径通过Viterbi算法来实现，并用Baum-Welch算法实现参数重估，给出了重估公式。第四章：确定了基于粗糙集理论进行故障诊断的技术路线；在对试验数据进行分析的基础上，结合典型故障的机理，根据故障的典型特征信息，构造了包含故障信息的知识库；对知识库的信息属性进行了分析，计算了信息属性的重要性，根据其重要性的程度来度量决策属性对条件属性的依赖程度，以便对属性和属性值进行简化，建立最简决策表；根据最简决策表，得出决策规则，并由确定性因子对决策规则进行评价进而做出诊断决策。第五章：论文的研究总结和展望。3.会议论文温后珍.曾杰.徐小力分明矩阵在旋转机械故障诊断知识获取中的应用使用人工智能构建旋转机械故障诊断系统,知识获取是一个瓶颈问题.旋转机械故障诊断规则是符合粗糙集理论要求的,所以可以使用粗糙集理论对旋转机械故障诊断知识进行处理.以现场测得的旋转机械典型故障的数据为基础,经过数据预处理,构造决策表,用分明矩阵对决策表进行属性及属性值的约简,完成规则提取,形成故障诊断知识。4.期刊论文刘向阳.LIUXiangyang模糊理论的旋转机械故障诊断研究-现代制造技术与装备2009,(5)本文以模糊理论为基础,根据模糊故障诊断的基本原理,通过建立旋转机械故障诊断数学模型和故障诊断原则,实现对旋转机械的故障诊断,最后通过具体的旋转机械故障诊断实例进行分析说明.5.学位论文李武朝基于信息融合的旋转机械故障诊断分析仪研究与设计2006随着科学技术的进步，现代工业设备不断朝着大型化、重载化、高速化和高度自动化等方向发展，一方面提高了生产效率、降低了生产成本，但同时对生产设备本身的设计以及运行的安全性提出了更高的要求，一旦发生故障，将会造成巨大的损失。提高设备运行的安全性、可靠性，保证生产的连续性是确保企业追求高经济效益的前提，设备故障诊断技术也因此成为科学研究的热点问题。本文主要研究旋转机械故障诊断技术。传统的旋转机械故障诊断方法大多数都采用单传感器技术，信息来源不充分，故障诊断分辨率不高，经常出现故障误报、漏报和错报现象，难以满足现代工业生产对故障诊断技术的要求。对此，本文着重研究基于多传感器的信息融合技术在旋转机械故障诊断中的应用。利用多个传感器从多个角度获取系统的各种特征信息或同一传感器的不同特征信息，按照一定的融合算法对这些多元信息加以处理，最后依据融合信息进行故障决策与判定。研究表明，多传感器信息融合技术在旋转机械故障诊断中是一种可行、有效的诊断方法。本文首先从工业现场的实际出发，指出了开展旋转机械故障诊断技术研究的必要性，然后分析了目前在旋转机械故障诊断中所采用的方法及其不足之处，在此基础上着重研究多传感器信息融合技术在旋转机械故障诊断中的应用。最后从硬件和软件两方面介绍了便携式旋转机械故障诊断分析仪的结构和设计过程。本文设计的故障诊断分析仪主要由数据采集单元、数字信号处理器(DSP)以及液晶显示部分组成。传感器检测到的模拟振动信号经过调理和A/D转换后，在DSP中进行数据处理，处理后的数据、波形直接通过液晶屏显示。DSP采用TexasInstruments(TI公司)的TMS320VC5402芯片，液晶采用金鹏电子公司的中文图形液晶模块ocm4x8c。6.会议论文庞亚宁旋转机械故障诊断与状态检修2002从旋转机械故障诊断的发展及故障诊断的任务出发,用事例说明旋转机械故障诊断与状态检修的必然关系,提出了状态检修目前存在的问题,最后阐明了只有通过状态监测及故障诊断才能走向状态检修.7.学位论文张鹏面向旋转机械故障诊断的非平稳信号特征提取方法研究2006随着科技与生产的发展，机械设备故障诊断技术日益获得重视和完善。大型旋转机械运行中的绝大多数信号是非平稳、非线性的。这些非平稳、非线性信号中包含着丰富的故障信息。由于傅里叶变换本质上的缺陷，无法得到时域和频域中非平稳信号的全貌和局部化的结果，使提取的故障特征有缺陷，从而影响了设备的诊断。只有采用时频分析方法，从时域和频域同时表征信号的特征，才能对旋转机械的非平稳、非线性的信号进行较好地分析并提取故障特征。本文主要研究了小波分析方法和基于EMD的时频分析方法及其在面向旋转机械故障诊断的非平稳信号特征提取中的应用。主要进行了以下几方面的工作：（1）以非平稳信号的特征提取为出发点，分析了国内外故障诊断和信号特征提取方法研究的现状，说明了研究非平稳信号的特征提取方法是故障诊断的内在要求。（2）研究了小波分析、小波包分解的基本理论，对小波分析应用于信号降噪进行了理论分析。将小波分析降噪方法应用于旋转机械故障诊断中，通过仿真和实验分析，证明小波分析降噪方法可以有效的抑制非平稳信号中的噪声，并有效的保留信号中包含的故障信息；将小波包分解方法应用于旋转机械故障诊断中，通过对故障信号进行小波包分解，研究了故障信号在小波包分解下的故障特征。（3）研究了基于EMD的时频分析的基本理论，及其适用于非平稳信号特征提取的特性，通过仿真信号分析，证明了基于EMD的时频分析能够有效的表征信号中所包含的非平稳、非线性成分。（4）将基于EMD的时频分析理论应用于旋转机械故障诊断中，通过对实验信号的分析，研究了碰摩和突加不平衡故障信号在基于EMD的时频分析下的故障特征。本文对文中所提方法进行了实验研究，结果表明，将小波分析方法用于信号降噪，能在不同的频率范围内对信号进行滤波，解决了低通滤波当信号和噪声频率发生重叠时不能进行有效分离的问题，可以作为旋转机械故障诊断中的非平稳信号的预处理方法。小波包分解可以将信号分解到不同的频段，然后对各频段内的信号进行重构，再对所关心的频段的子信号进行时域和频域的分析，可以有效的提取非平稳信号中的故障特征。基于EMD的时频分析方法较之小波分析方法有着更好的自适应性和时频分辨率，通过EMD分解，可以得到有意义的Hilbert谱，能从时频两个方面同时表征信号的特征，可以有效识别非平稳信号中的故障信息。8.会议论文郝伟.张瑞林神经网络聚类方法在旋转机械故障诊断中的应用研究1996在基于神经网络的聚类学习方法中，分有监督学习方法和无监督学习方法。该文采用基于神经网络的无监督学习方法对旋转机械中常见故障的分类进行了较为详细的研究，以此分类结果来达到故障诊断的目的，该文还具体描述了该算法的实现方法。研究结果表明，该方法克服了基于有监督学习方法的旋转机械故障诊断技术的某些缺陷，是进行大型旋转机械故障诊断的一种行之有效的方法。9.期刊论文冯长建.康晶.吴斌.胡红英.FENGChang-jian.KANGJing.WUBin.HUHong-yingDHMM的动态模式识别理论在旋转机械故障诊断中的应用-大连民族学院学报2006,8(3)对于旋转机械启动过程的动态模式,提出了一种基于离散隐马尔可夫模型(DHMM)的旋转机械故障诊断新方法.该方法对旋转机械启动过程的局部振动信号进行FFT特征提取,然后利用自组织特征映射对提取的特征矢量进行预分类编码,把矢量编码作为观测序列引入到DHMM中进行机器学习和故障诊断实验.实验表明,提出的方法对旋转机械启动过程进行诊断是十分有效的.10.学位论文胡劲松面向旋转机械故障诊断的经验模态分解时频分析方法及实验研究2003该文的研究成果将为旋转机械信号处理与故障诊断,尤其是为非线性和非稳态的故障分析与诊断给出了一条新的途径.全文的主要研究内容如下:第一章论述了面向旋转机械故障诊断时频分析的研究意义;介绍了旋转机械故障诊断理论与技术概况.第二章介绍了基于EMD时频分析方法的一些基本概念;阐述了EMD方法和基于EMD的希尔伯特变换的基本原理和算法;在此基础上,用基因EMD的时频分析方法对仿真和实际信号进行了分析验证,结果表明把该方法引入旋转机械振动信号时频分析和故障诊断领域是有效的.第三章介绍了EMD算法端点效应的机理;然后系统地研究了直接信号序列延拓技术、基于时间序列预测