菜单
  
    摘要伴随着现代化工业的发展,旋转机械在电力、化工等行业中的地位显得日益重要。机械设备故障诊断技术对于保证设备安全、可靠、高效的运行具有重要的理论意义和应用价值。旋转机械的故障诊断是由故障信号提取、故障特征信息提取以及模式识别三部分构成。故障特征提取作为最关键的问题之一,对故障诊断准确性和故障早期预报可靠性的影响举足轻重。基于经验模态分解(Empirical Mode Decomposition, EMD)和基于神经网络的故障诊断方法是近年来发展起来的两种方法。本文将经验模态分解的时频分析方法与神经网络技术相结合,构成基于EMD和神经网络的旋转机械故障诊断系统。22770
    关键词   旋转机械  故障诊断  特征提取  经验模态分解
    毕业设计说明书(毕业论文)外文摘要
    Title  Implementation and verification of rotating
    machinery fault feature extraction method
    Abstract
    With the development of modern industry, the status of rotating machinery in the power, chemical and other industries is becoming increasingly important. Machinery equipment fault diagnosis technology for ensuring safe, reliable and efficient operation has important theoretical significance and application value. Fault diagnosis of rotating machinery consists of three parts, i.e. fault signal acquisition, fault feature information extraction, and pattern recognition. Fault feature extraction as one of the most critical issues affects the accuracy of fault diagnosis and fault early warning reliability. Methods based on empirical mode decomposition (Empirical Mode Decomposition, EMD) and neural network have been developed in recent years. In this thesis, the empirical mode decomposition time-frequency analysis and neural network technology are combined to form a rotating machinery fault diagnosis system.
     Keywords  Rotating Machinery  Fault diagnosis  Feature Extraction  Empirical Mode Decomposition
    目   次  
    1    引言(或绪论)1
    1.1旋转机械故障诊断的研究意义  1
    1.2旋转机械故障诊断的国内外研究现状1
    1.3基于EMD时频分析方法3
    1.4本文的主要内容和结构安排4
    2 基于EMD时频分析基本理论和算法6
    2.1基本概念 6
    2.2EMD方法的基本原理  6
      3.人工神经网络9
    4基于EMD和BP网络的旋转机械故障诊断方法13
    4.1振动信号层13
    4.2EMD分解层16
    4.3特征向量提取层16
    4.4神经网络训练层16
    4.5故障模式分类层16
    5算法18
    5.1EMD算法18
    5.2 BP神经网络算法20
    6实验内容23
    6.1数据处理23
    6.1.1数据分析23
    6.1.2特征值提取24
    6.1.3数据规格化25
    6.2实验步骤27
    6.3实验结果28
    结论 30
    致谢 31
    参考文献32
     
    1引言
    1.1   旋转机械故障诊断的研究意义
    汽轮机、发电机、离心压缩机等旋转机械是机械、电力、冶金、化工、航空等军事工业部门的关键设备。伴随着工业的现代化以及科学技术的发展,机械自动化程度日趋提高,旋转机械的发展方向逐步迈向大型化、集中化、连续化、高速化、自动化。并且生产线各个设备之间联系的紧密性也越来越高。发展有效的设备状态监测和故障诊断技术成为当今设备管理和文修的迫切需求[1]。由于各种随机因素的影响,再加上其结构复杂,工作在高温、高速的恶劣条件下,旋转机械比较容易发生各种机械故障,降低或失去一定的功能[2]。因此,生产系统中设备因种种因素出现故障必然导致连锁反应,使得生产线停顿或者终止。轻则面临巨大的经济损失,重则会引发重大人员伤亡事故。现实生产作业中的例子不胜枚举,如1999年阜新电厂1#汽轮发电机组轴系断裂事故,不仅造成巨大经济损失,还对当地电力供应和正常生产造成严重影响;2003年我国海军的一艘潜艇在训练时发生故障,酿成惨剧,使得70名官兵全部牺牲。
  1. 上一篇:A150重载轨道与车轮接触应力和变形
  2. 下一篇:环氧树脂混凝土的强化和稳定性研究
  1. 太赫兹超材料的超敏感传感特性研究

  2. 江南某市大气悬浮颗粒物...

  3. 硼氢化钠水解制氢用CoWP泡...

  4. 镶嵌Cr2+ZnSe晶体的硫系玻璃...

  5. 几种焦化企业排放物的光学检测技术

  6. 2μm波段声光调Q激光器的特性研究

  7. VBG的Tm:YAG陶瓷激光器波长调谐特性研究

  8. 杂拟谷盗体内共生菌沃尔...

  9. 中考体育项目与体育教学合理结合的研究

  10. 当代大学生慈善意识研究+文献综述

  11. 酸性水汽提装置总汽提塔设计+CAD图纸

  12. 电站锅炉暖风器设计任务书

  13. 河岸冲刷和泥沙淤积的监测国内外研究现状

  14. 大众媒体对公共政策制定的影响

  15. 乳业同业并购式全产业链...

  16. java+mysql车辆管理系统的设计+源代码

  17. 十二层带中心支撑钢结构...

  

About

751论文网手机版...

主页:http://www.751com.cn

关闭返回