基于全矢譜的旋轉(zhuǎn)機械故障特征提取研究.pdf

1、大型旋轉(zhuǎn)類機械往往是企業(yè)的關(guān)鍵性咽喉設備,它們以轉(zhuǎn)子及其它回轉(zhuǎn)部件作為工作的主體。在石油、化工、冶金、發(fā)電等大、中型企業(yè)中,旋轉(zhuǎn)設備約占80％的比例,包括壓縮機、鼓風機、汽輪機、發(fā)電機、軋鋼機等。作為企業(yè)的核心設備,一旦發(fā)生故障,將給企業(yè)甚至人們的生命財產(chǎn)帶來難以估量的損失和傷害。所以大型旋轉(zhuǎn)類設備運行狀態(tài)的監(jiān)測及其故障的及時診斷和解決也是科技工作者愈來愈關(guān)心的問題。
　　 旋轉(zhuǎn)類機械運行狀態(tài)的監(jiān)測及其故障診斷依據(jù)是被診斷對象所

2、表征的一切有用的信息,比如振動、噪聲、轉(zhuǎn)速、溫度、壓力、流量等。旋轉(zhuǎn)類機械的振動信號中蘊含了大量的信息,可以幫助人們監(jiān)測設備的運行狀態(tài)及判斷故障的類型。故障特征提取就是對系統(tǒng)的動態(tài)信號預處理后得到的信息進行分析和處理,提取與系統(tǒng)狀態(tài)有關(guān)的數(shù)據(jù),再對得到的數(shù)據(jù)進行處理和分析,提取其中與系統(tǒng)狀態(tài)相關(guān)性較大的敏感特征。有效特征向量的提取是故障診斷中的關(guān)鍵環(huán)節(jié),也是能否及時、正確的做出故障診斷的關(guān)鍵因素。
　　 針對傳統(tǒng)單通道信息采集的

3、不完整及實時性差等問題,本文將全矢譜技術(shù)分別與粗集理論、小波分析方法結(jié)合起來,提出了基于全矢譜技術(shù)的旋轉(zhuǎn)類機械故障特征提取方法。
　　 全矢譜分析技術(shù)基于旋轉(zhuǎn)機械同源信息融合,它是矢量譜分析及其一系列擴展分析方法的統(tǒng)稱。它可以融合轉(zhuǎn)子一個截面上的兩個或三個通道的信息并對這些信息進行組合,它不僅彌補了傳統(tǒng)單通道分析信息不足及不完整等缺點,而且具有分辨率高、三維分析可行性、高分辨率下指示轉(zhuǎn)子在各回轉(zhuǎn)頻率下的振動強度和方位及與傳統(tǒng)分析

4、方法的兼容性等特點。
　　 粗糙集理論是由波蘭的Z.Pawlak教授于上世紀80年代提出,是一種能夠分析處理不精確、不一致、不完整信息與知識的數(shù)學工具,它的基本思想是通過數(shù)據(jù)庫分類歸納形成概念和規(guī)則,通過等價關(guān)系的分類對目標的近似實現(xiàn)知識發(fā)現(xiàn)。通常用來作為數(shù)據(jù)約簡的工具,它在消除冗余信息等方面有良好效果。小波分析是傅里葉分析的一個自然延伸,小波分析技術(shù)是由Morlet在1984年首先提出的,它克服了傳統(tǒng)傅里葉變換只考慮正弦振動的

5、能量而沒有考慮其他振動方式的能量的缺點,對輸入信號的要求較低,具有靈敏度高,克服噪聲能力強等優(yōu)點。小波變換具有良好的時頻局部化特性和對信號自適應變焦、多分辨率分析的能力,可以將信號在不同尺度上展開.提取各個頻帶上的特性的同時也保留了頻帶相應的各個尺度上的時頻特性。用小波分析技術(shù)對故障特征進行提取更為有效。
　　 本文探討了矢譜理論的基本原理及算法,并將全矢譜技術(shù)分別與粗糙集理論和小波分析技術(shù)相結(jié)合,提出了基于全矢譜技術(shù)-粗集理論