收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于变分模态分解与奇异谱分析的往复压缩机典型故障预示研究

刘岩  
【摘要】:往复压缩机作为石油、化工等行业的关键设备,在发生事故时所造成的巨大经济损失和人员伤亡的灾难性,决定了对其开展诊断的必要性。本文以往复压缩机滑动轴承磨损和气阀类典型故障为研究对象,从振动信号自适应分解处理的角度,深入分析故障机理与振动信号的响应关系、信号自适应分解的尺度特征、多重分形谱特征分析、关键部件性能衰退评估指标选择和混沌动力学预测模型适用性等问题,将变分模态分解(VMD)与多重分形谱分析相结合,从非线性信号精细化分析角度,基于往复压缩机振动信号对典型故障进行特征提取与模式识别,并通过建立奇异谱参数指标,对往复压缩机滑动轴承运行状态进行评估与预示研究,结合2D12型往复压缩机典型故障与运行周期,提出了一套完整的故障状态评估与预示方法。主要工作如下:往复压缩机滑动轴承故障因其隐蔽性和振动传递路径的复杂性,对其进行有效诊断十分困难。为提高较难识别的十字头滑履和连杆小头轴承间隙故障诊断准确率,结合VMD算法原理,并考虑算法在带通滤波中表现出的故障分离能力,通过分析振动响应与故障响应的关系,寻找敏感测点以提升信号可辨识性和采样一致性。从状态间特征可分性角度引入多重分形广义谱理论,采用瞬时频率与互相关信息结合的准则优选VMD分解个数,以变阶数整数寻优观点提取各状态模态分量的广义谱特征向量。在故障模式识别中,从不同模态分解层次的特征差异角度,分别引入了支持向量机法和建立在“层分”思想的增量学习K近邻模型(IKNNModel)法,通过故障模拟和实测数据分析与比较,证实优化的非监督分类IKNNModel算法有较好的适应性。VMD与多重分形广义谱相结合所提取的特征向量具有较好可分性,实现了敏感测点轴承故障特征的有效识别。气阀类故障是往复压缩机典型的多发性功能故障,多类型故障间的因果关系与微弱差异造成了故障类别间辨识的困难。考虑振动响应的高度非线性和波动表现,从阀片常见故障机理与振动信号波动特征的响应关系角度出发,提出了基于VMD与多重分形去趋势波动分析(MFDFA)的气阀故障征兆识别方法,VMD_MFDFA算法以最大相关最小冗余法(mRMR)统一各故障的VMD分解模态,结合奇异谱分析构造6维特征向量,基于分形分析提取各状态主模态的奇异谱特征值,并通过主分量分析提升模态间谱向量差异,降维的同时增加故障特征的类间可分性和鲁棒性。在模式识别中引入二叉树支持向量机和基于深度学习的卷积神经网络算法,证实了卷积神经网络适用于谱向量识别的同时,通过试验数据验证了VMD_MFDFA法对不同气阀故障具有较高的识别准确率。压缩机滑动轴承故障的高风险性和严重危害性,决定了以其为对象开展设备性能衰退与评估预测研究的重要性;同时,设备故障表现出的状态与过程共存的本质特征决定了故障预示研究应涵盖设备全寿命周期。基于VMD与多重分形分析方法,结合奇异值分解(SVD)和核模糊C均值聚类(KFCM)技术,引入分形奇异谱参数评估的思想,建立了基于奇异谱参数的评价指标与状态分类算法模型;通过VMD法保留主模态并构造连续截断型重构矩阵,应用SVD信噪分离原理,结合中心差商法降维求逆,提升故障间奇异谱参数指标的稳定性,以KFCM算法训练形成各状态谱参数聚类中心,经压缩机轴承故障模拟试验,优选谱参数,并结合模糊二叉树支持向量机算法实现滑动轴承磨损程度的分类识别和性能衰退状态评估。寿命预测是故障评估的延伸,并丰富了故障预示的内涵,往复压缩机典型故障诊断方法、预测与评估技术共同构成设备寿命周期分析。针对预测模型适应性和非线性系统初始敏感性,以多重分形奇异谱为预测参数,提出了基于最大预测可信尺度的改进K邻近动态预测模型;将信息熵饱和原理引入最大预测可信尺度,提高了预测结果的可信度,基于不同模态分量谱参数构建相空间重构型动态建模域,使预测模型反映复杂系统动力学演化的实时性特征,并突出各模态成分对预测的独立影响,通过拟合回归和误差分析验证了预测模型的有效性。


知网文化
【相似文献】
中国期刊全文数据库 前18条
1 吴波;杨家鑫;霍维斌;;往复压缩机连杆稳定性分析[J];化工设计通讯;2019年03期
2 刘冬;刘守信;韩福利;王德帅;;往复压缩机气管路支架布置简析[J];压缩机技术;2019年04期
3 张谦;舒悦;王乐;谢传东;;往复压缩机故障诊断方法研究概述[J];流体机械;2018年03期
4 张继升;;燃气式往复压缩机组节能降耗技术研究[J];石化技术;2018年05期
5 辛斌;;往复压缩机故障诊断技术研究[J];化学工程与装备;2018年08期
6 付冰洋;张建云;王云超;孙强;牛磊;;往复压缩机十字头强度分析及拓扑优化设计[J];压缩机技术;2016年06期
7 张秀锋;;往复压缩机的磨损测试方法研究[J];压缩机技术;2016年06期
8 周振堂;;测量技术在往复压缩机领域的基本应用[J];压缩机技术;2017年01期
9 路伟;李宽;;高速往复压缩机的结构特点及典型应用[J];科技资讯;2014年23期
10 张柏祥;;例谈往复压缩机的典型故障特征与诊断[J];装备制造;2014年S1期
11 张晓华;顾红梅;恩佐·嘉可麦利;;影响往复压缩机安全运行因素的分析[J];压缩机技术;2010年01期
12 赫贵志;;浅析石油化工装置往复压缩机的方案设计[J];压缩机技术;2010年02期
13 王庆锋;刘文彬;高金吉;杨剑锋;马宏伟;;往复压缩机以可靠性为中心的维修研究与应用[J];压缩机技术;2010年05期
14 董建军;;大型往复压缩机的安装与试运行[J];压缩机技术;2009年03期
15 鱼剑琳,金立文;无连杆往复压缩机的新发展[J];压缩机技术;1996年03期
16 李世福;王广俊;;制氢往复压缩机二级缸内表面缺陷的判定[J];石油化工设备技术;1987年06期
17 潘祖琨;往复压缩机热力计算泄漏系数选择初探[J];压缩机技术;1988年01期
18 近藤孝信 ,藤條邦雄 ,蒋修治;最近的制冷压缩机[J];流体工程;1988年09期
中国重要会议论文全文数据库 前10条
1 高晶波;王日新;徐敏强;夏松波;;基于时频分析的往复压缩机气阀故障诊断方法的研究[A];第八届全国振动理论及应用学术会议论文集摘要[C];2003年
2 朱丽红;韩素娟;杨旭;;往复压缩机缸体连接螺柱断裂失效分析[A];第十二届沈阳科学学术年会论文集(理工农医)[C];2015年
3 郭文涛;;往复压缩机管线的振动分析方法探究[A];创新沈阳文集(A)[C];2009年
4 姚德群;余志红;杨素春;王朝晖;;基于数据挖掘的往复压缩机气阀故障诊断设计[A];设备监测与诊断技术及其应用——第十二届全国设备监测与诊断学术会议论文集[C];2005年
5 刘继国;赵地;;大型往复压缩机组国产化研究与应用[A];海洋工程论文集[C];2014年
6 丁月敏;;探究往复压缩机的设计方案 以4M80(85)为例[A];第八届沈阳科学学术年会论文集[C];2011年
7 王智伟;张鹏;王金东;杜永军;王巍;;基于虚拟仪器的往复压缩机监测系统研究[A];第十二届全国设备故障诊断学术会议论文集[C];2010年
8 赵海峰;刘树林;王宪明;徐艳;;往复压缩机气阀故障的瞬态特征提取方法研究[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
9 赫贵志;马宁;;压缩机反向角理论及在压缩机设计中的应用[A];第十届沈阳科学学术年会论文集(信息科学与工程技术分册)[C];2013年
10 鲁录义;顾兆林;何家胜;;在压缩机振动控制中运用ANSYS多物理场[A];第九届全国振动理论及应用学术会议论文摘要集[C];2007年
中国博士学位论文全文数据库 前4条
1 刘岩;基于变分模态分解与奇异谱分析的往复压缩机典型故障预示研究[D];东北石油大学;2018年
2 李颖;往复压缩机滑动轴承间隙复合故障诊断方法研究[D];东北石油大学;2019年
3 王宪明;往复式压缩机多源冲击振动时频故障特征研究[D];东北石油大学;2013年
4 赵海洋;往复压缩机轴承间隙故障诊断与状态评估方法研究[D];哈尔滨工业大学;2014年
中国硕士学位论文全文数据库 前10条
1 贾婉春;基于共振稀疏分解的往复压缩机故障诊断研究[D];东北石油大学;2019年
2 武佳奇;基于ITD和最大熵谱分析的往复压缩机气阀故障特征提取方法研究[D];东北石油大学;2019年
3 谢梦云;不均衡数据集下往复压缩机多故障识别方法研究[D];中国石油大学(北京);2018年
4 卜庆超;基于最优品质因子信号共振稀疏分解与HFE的往复压缩机故障诊断方法[D];东北石油大学;2018年
5 韩辉;基于改进LMD的往复压缩机轴承故障诊断方法研究[D];东北石油大学;2018年
6 张隆宇;经验小波振动特征提取及在往复压缩机故障诊断中的应用[D];东北石油大学;2018年
7 朱倩;基于MEMD与MSE的往复压缩机故障诊断方法研究[D];东北石油大学;2018年
8 郝少鹏;往复压缩机气阀故障的动力学仿真及在线监测系统设计[D];中国石油大学(北京);2017年
9 张颖;基于主题模型的往复压缩机智能诊断研究[D];北京化工大学;2017年
10 高光甫;基于图像识别的往复压缩机故障诊断方法研究[D];东北石油大学;2012年
中国重要报纸全文数据库 前3条
1 ;自主创新领风飞扬[N];中国工业报;2009年
2 本报记者 秦虹 通讯员 王佳莉;GE天然气压缩系统使碳排放减24%[N];中国电力报;2013年
3 ;中国重大技术装备国产化的一面旗帜[N];中国工业报;2005年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978