收藏本站
《电子科技大学》 2018年
收藏 | 手机打开
二维码
手机客户端打开本文

基于HHT和BP神经网络的压缩机气阀故障诊断研究

谢昭灵  
【摘要】:随着科学技术的进步与生产力的发展,机械设备运行的复杂性增加,故障诊断技术也得到大家的重视。针对压缩机的气阀故障诊断,Hilbert-Huang变换作为一种新发展起来的具有自适应的时频分解能力的信号处理方法,能够较好的实现故障特征的提取。另外,BP神经网络具有较强模式识别能力,对于解决故障分类具有独特的优势,但是传统的BP算法具有寻优速度慢,易陷入局部极小的缺点,针对这点,本文引入了主成分分析和一种遗传-粒子群算法分别改善BP网络的结构和算法的优化。在采集到的气阀加速度振动信号基础上,利用Hilbert-Huang提取信号特征,主成分分析进行降维,将这种遗传-粒子群算法用于BP神经网络的参数优化实现对压缩机气阀状态的识别。本篇论文可以分为以下几个部分的内容:(1)简单介绍了课题的研究背景与意义,分析了压缩机气阀常见的故障诊断方法和存在的问题;(2)介绍了短时傅里叶变换和小波变换两种十分常用和典型的信号处理方法,并结合压缩机气阀的仿真分析,总结了该两种方法的局限性;(3)在Hilbert-Huang的基础上提出一种压缩机气阀的特征提取方法:首先进行降噪步骤,然后通过Hilbert-Huang处理方法提取出固有模态函数分量信号的能量特征与边际谱小区间特征,两种特征够成特征向量,最后利用主成分分析法对特征向量进行降维处理;(4)简要介绍了人工神经网络,引出了BP神经网络的原理、算法等;利用特征提取方法得到四种工况的特征向量,使用标准的BP神经网络对压缩机气阀各类故障的识别和分类。最后分析识别结果,总结标准的BP算法所存在的局限性;(5)提出了一种遗传-粒子群(GA-PSO)算法优化BP神经网络,在粒子群算法(PSO)的基础上融入遗传算法(GA)的步骤得到本文的遗传-粒子群算法,该算法结合了粒子群和遗传算法各自的优点,将该遗传-粒子群算法用于BP神经网络的参数优化过程。最后通过利用三种网络分别是标准BP网络、PSO-BP网络、GA-PSO-BP网络对压缩机气阀进行故障诊断,测试验证了GA-PSO-BP神经网络对压缩机气阀故障诊断优于另外两种网络,具有可行性。(6)总结全文
【学位授予单位】:电子科技大学
【学位级别】:硕士
【学位授予年份】:2018
【分类号】:TH45;TP183

【相似文献】
中国期刊全文数据库 前10条
1 王满;潘树林;广柯平;欧胜芳;;循环压缩机气阀功耗的工程计算与应用[J];石油化工设备技术;2016年05期
2 张波;邵合生;赵辉;;3SVL500型压缩机气阀故障原因分析及改进措施[J];中国设备工程;2012年12期
3 赵质良;陈学峰;程明;;压缩机气阀故障诊断[J];装备制造技术;2010年10期
4 丁生华;瞿宜鸿;;活塞压缩机气阀的研究与发展方向[J];甘肃科技纵横;2009年02期
5 孙品同;于宏志;柴立平;;循环压缩机气阀能量损失研究[J];通用机械;2006年08期
6 曾明星,胡院生,王逸;应用统计分析法优化H_(22)Ⅲ压缩机气阀管理[J];中国设备工程;2004年08期
7 张铁岭;压缩机气阀结构的改进[J];林业机械与木工设备;2004年06期
8 田树杰,李国印,韩俊彦;2Z-3/8型空气压缩机气阀压盖的改造[J];河南化工;2003年10期
9 李树发;压缩机气阀泄漏及密封治理[J];润滑与密封;1994年01期
10 陈宏斌;车用空气压缩机气阀的试验研究[J];汽车技术;1987年07期
中国重要会议论文全文数据库 前4条
1 吴孟;卢冰;师延锋;马振东;吴学虎;陈浩;;长庆储气库压缩机气阀故障分析及优化[A];第十二届宁夏青年科学家论坛石化专题论坛论文集[C];2016年
2 张晗;赵涛;姚瑞峰;;苏里格气田天然气压缩机气阀故障及判断方法[A];低碳经济促进石化产业科技创新与发展——第六届宁夏青年科学家论坛论文集[C];2010年
3 赵俊龙;郭正刚;张志新;李宏坤;王奉涛;;往复式压缩机气阀信号特征提取及故障分类[A];2008中国仪器仪表与测控技术进展大会论文集(Ⅰ)[C];2008年
4 崔厚玺;张来斌;王朝晖;段礼祥;付强;;基于振动信号系统特性分析的压缩机气阀故障诊断研究[A];2008年全国振动工程及应用学术会议暨第十一届全国设备故障诊断学术会议论文集[C];2008年
中国重要报纸全文数据库 前4条
1 太化股份合成氨分公司 董世安 阳煤集团太原化工新材料有限公司 张继斌;活塞式压缩机气阀常见故障的分析、预防和排除方法[N];山西科技报;2014年
2 王忠良姜玉涛;全球最大压缩机气阀和配件厂落户粤海工业园[N];常州日报;2008年
3 忠良 宋玮 小莉;千万欧元再建新厂[N];常州日报;2010年
4 本报记者 姚文平 魏小毛 肖峰;广西大学“产学研”做出大文章[N];中国知识产权报;2005年
中国博士学位论文全文数据库 前1条
1 赵俊龙;往复式压缩机振动信号特征分析及故障诊断方法研究[D];大连理工大学;2010年
中国硕士学位论文全文数据库 前10条
1 谢昭灵;基于HHT和BP神经网络的压缩机气阀故障诊断研究[D];电子科技大学;2018年
2 赵铁;往复式压缩机气阀故障诊断的实验研究[D];西北工业大学;2003年
3 孙博雅;往复式压缩机气阀智能故障诊断系统研究[D];大连理工大学;2009年
4 李旭朋;往复式压缩机气阀故障诊断的小波包分析方法[D];北京化工大学;2008年
5 隋国亮;基于CFD往复式压缩机气阀的特性分析[D];沈阳工业大学;2013年
6 李庆;往复式压缩机气阀阀片的故障分析与诊断[D];北京化工大学;2008年
7 张华;基于LM-BP神经网络的多级往复式压缩机气阀故障诊断研究[D];东华大学;2015年
8 秦强;基于基追踪、波形匹配和支持向量机的往复式压缩机气阀故障诊断研究[D];北京化工大学;2011年
9 杨晓;基于形态学分形的往复式压缩机气阀故障诊断方法[D];北京化工大学;2016年
10 谭良;活塞式压缩机气阀运动分析及性能优化[D];大连交通大学;2015年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026