文档介绍：要摘在计算机技术和信息技术的推动下,现代工业逐渐向生产设备大型化、高速化和自动化方向发展。可是由于机械设备的结构越来越复杂,故障诊断也变得越来越困难。无法及时发现并解决设备故障而造成的停机,给企业带来了巨大的经济损失和维修难度。因此有必要开发一套可以实现远程实时监测设备工作状态、自动识别设备故障类型的系设备故障诊断其实就是一种归纳分类的过程。提取故障信号的几个特征频率,根据特征频率的不同排列组合,分类出不同的故障类别。数据挖掘的决策树可以很好的解决这个问题。本文确定了基于数据挖据理论的旋转机械故障在线诊断的技术路线。以旋转机械为对象,侧重研究转子不对中、转子不平衡、油膜涡动和转轴的局部摩擦四种典型的旋转机械故障,分析了这几种故障的机理及其特征表现。在旋转机械故障诊断方法中,振动分析法是成熟的方法之一。本研究通过时域分析、频域分析得到不同故障的特征信息构成了故障样本库。从运行中的旋转设备检测出状态信号,与决策树相匹配确定状态模式,做出故障诊断决策。平台下,应用7⒐ぞ摺数据库管理系统,采用面向对象程序设计思想,设计实现知识发现与决策树的构建。对于本系统的/蚣堋DP筒阃ü齁梦适菘饣竦镁霾呤鞑⒏提交数据做模式匹配,同时返回给用户查询的故障诊断结果。本系统交付燕山石化使用,对于大型旋转机械的几个典型故障,可以做出比较准确的判断,具有一定的使用价值。为减少生产检测成本、提高生产的稳定性起到了积极作关键词:故障诊断;数据挖掘;决策树;分类统。在应用,采用用。大连理工大学硕士学位论文
,甀騛∞.....数据挖掘在旋转机械故障诊断中的应用研究辢..簍../,..——
篎缸;大连理工大学硕士学位论文篋瓵;—
绪论课题来源及意义目——旋转机械在线监测与故障诊断系统。维修策略,消除过剩维修,因此世界各国都非常重视旋转机械故障诊断技术研究。旋转器,用肉眼观察故障发生的位置,或者不能直接观察的,用专门仪器进行测量从而指导本课题来源于大连理工大学振动工程研究所与北京燕山石化聚酯事业部的合作项旋转机械是电力、石化、冶金等工业领域的一类重要生产设备,它们以转子及其回转部件为工作的主体,一旦发生故障将造成巨大损失。同时现代设备管理要求采用故障机械运行过程中存在诸多的不稳定因素。以往的故障诊断多是由工作人员到现场拆机维修工作。久而久之,人们就将故障的现象与故障发生的原因之间关联了起来,总结出了经验,这些珍贵的经验只是存在于专家的头脑里,往往很难留下来。当再次发生故障时,专家可以根据经验从各种复杂的表面运行现象缭右簟⒄穸斐推断出机器的故障源所在。然而,这样的故障诊断存在以下一些问题岩孕纬上低车淖ḿ艺锒夏P停ḿ业木槲茨茏魑3志么媪簟H匀煌A粼谑傅带徒弟的阶段,造成信息不够开放。挥薪衔Mㄓ玫墓收霞觳庀低常绻褂米乓瞧鳎蠖啻郯汗蟆A硗庖瞧使用的培训、维护费用也较大,况且仪器本身也难免有一定的失误。;翟诵惺菝挥械玫匠浞值睦谩鹊焦收弦丫⑸⒃斐赏;保馐辈黄韧6伲斐山洗蟮木盟鹗В不利于在故障早期阶段就对设备的健康状况做出预测,从而做出相应对策。如今计算机技术发展迅猛,为在线监测与故障诊断创造了良好的条件。此外,随着数据库技术的迅速发展及大型关键设备自动化程度的提高,各工厂对重要设备都实施了实时监控。旋转机械运行的数据通过徊杉郊算机上,这些数据以分为单位间隔采集得到,所以能够比较精确地反映出数据的实时变化,采集的指标包括位移、加速度、温度、压力等,可分别从各个采集点得到。所有的采集点是旋转机械的一些关键部件、机器连接处的接口点,能够体现出机组的整体运行情况。形成大型的数据库或数据仓库以存储反映机组状态的各种数据及参数。这些数据和参数中包含了杌组运行状态的各种特征,而数据和参数本身往往是杂乱无章的,其特征并不明显、不直观。同时由于设备复杂、自动化程度高,需要分析的数据量很大,传大连理工大学硕士学位论文
术近几年来的迅猛发展及它在知识获取方面的独特优势,本文将这种知识获取技术——故障诊断的发展与现状统的监测诊断主要依赖于使用者的经验和专业知识,对大量数据进行手工分析显得力不从心,因此必须提高设备检测和故障诊断自动化、智能化程度。智能诊断的目的是用计算机模拟人类思维、推理方式对故障进行分类、预测,其关键是模式获取,也就是知识这样,数据挖掘就自然而然的得到应用。所谓数据挖掘湓迨谴数据中挖矿【,就是从大量的、不完全的、有噪声的、模糊的、随机的数据中,提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识@檬萃诰蚪故障诊断,就是根据该机组的历史运行记录,对其可能的运行状态进行分类并对其趋势进行预测。故障诊断的本质是模式识别,对机器故障进行诊断的过程,其实也就是模式获取及匹配的过程。而知识获取是智能诊断乃至人工智能发展的瓶颈。考虑数据挖掘技数