基于多模型估計(jì)的轉(zhuǎn)子典型故障診斷與參數(shù)識(shí)別方法研究.pdf

1、當(dāng)前對(duì)于轉(zhuǎn)子故障的診斷基本是采用基于振動(dòng)信號(hào)特征結(jié)合經(jīng)驗(yàn)的方法,往往包含較多人為的判斷。近些年雖出現(xiàn)了一些智能診斷方法,但其診斷精度多依賴(lài)于大量的故障事例和故障數(shù)據(jù),其實(shí)際應(yīng)用存在局限性。為豐富轉(zhuǎn)子故障診斷的手段,提高診斷能力,本文重點(diǎn)研究基于多模型估計(jì)和參數(shù)估計(jì)的轉(zhuǎn)子故障診斷方法。論文的主要研究工作如下:
　　1.針對(duì)剛性支承單盤(pán)轉(zhuǎn)子系統(tǒng),對(duì)多種典型故障(不對(duì)中、碰摩、裂紋、彎曲)分別作故障機(jī)理和動(dòng)力學(xué)分析,得出了不同故障型式下

2、的轉(zhuǎn)子運(yùn)動(dòng)微分方程。歸納總結(jié)單故障模型,建立了多重故障狀態(tài)下的動(dòng)力學(xué)方程。
　　2.將多模型估計(jì)方法運(yùn)用到轉(zhuǎn)子系統(tǒng)常見(jiàn)的碰摩、不對(duì)中以及裂紋等故障的診斷中。研究表明,多模型估計(jì)方法對(duì)于單一參數(shù)未知的模型有著很好的應(yīng)用,然而對(duì)于多個(gè)參數(shù)未知的模型,由于參數(shù)間的排列組合大大增加卡爾曼濾波器個(gè)數(shù),進(jìn)而做出不必要的濾波,降低計(jì)算速度。為此,將極值區(qū)間搜索方法與多模型估計(jì)理論相結(jié)合,提出了一種針對(duì)多參數(shù)未知模型的故障診斷新方法。
　　

3、3.將擴(kuò)展卡爾曼濾波EKF方法運(yùn)用到彎曲故障、不對(duì)中故障以及裂紋故障的故障診斷中。為了提高參數(shù)識(shí)別的收斂性和穩(wěn)定性,引入了EKF-WGI算法。針對(duì)EKF解決強(qiáng)非線(xiàn)性可能會(huì)失效的問(wèn)題,提出了一種EKF參數(shù)估計(jì)與多模型估計(jì)聯(lián)合診斷新方法,仿真驗(yàn)算證實(shí)了該方法的有效性與實(shí)用性。
　　4.將粒子濾波算法引入到旋轉(zhuǎn)機(jī)械的故障診斷中,通過(guò)仿真完成了粒子濾波算法對(duì)轉(zhuǎn)子系統(tǒng)單一故障,尤其對(duì)多重故障的診斷。針對(duì)單跨雙盤(pán)轉(zhuǎn)子系統(tǒng),運(yùn)用粒子濾波算法實(shí)現(xiàn)