基于形態(tài)學(xué)分形的往復(fù)式壓縮機氣閥故障診斷方法.pdf_第1頁
已閱讀1頁,還剩99頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

1、往復(fù)式壓縮機由于其振源眾多、結(jié)構(gòu)繁雜,導(dǎo)致氣閥振動信號不僅具有時頻特性,更包含有一定分形特征。本論文針對氣閥振動信號的分形特性,采用自適應(yīng)波形分解與形態(tài)學(xué)分形相結(jié)合的方法,開展了氣閥故障診斷方法研究,主要工作如下:
  1、開展了基于經(jīng)驗?zāi)B(tài)分解(EMD)、局部均值分解(LMD)及自適應(yīng)波形分解(AWD)等時頻域分解算法的氣閥故障診斷方法研究,實現(xiàn)氣閥典型故障特征的提取,并對比分析了幾種方法的降噪效果。結(jié)果表明,AWD算法降噪效果

2、優(yōu)于EMD、LMD算法。
  2、開展了基于熵值法(排列熵、樣本熵、近似熵)與傳統(tǒng)分形維數(shù)(盒維數(shù)、關(guān)聯(lián)維數(shù))等非線性分析方法的氣閥故障診斷方法研究,實現(xiàn)了氣閥典型故障模式的識別,并對比分析了幾種非線性分析方法的識別效果。結(jié)果表明,傳統(tǒng)非線性算法只能識別氣閥正常與故障狀態(tài),無法識別幾類典型故障模式。
  3、開展了基于形態(tài)學(xué)分形維數(shù)與高階累積量分形維數(shù)的氣閥故障診斷方法研究,結(jié)合分段分形維數(shù)與廣義覆蓋面積等改進方法,并分析對

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論