文档介绍：:.—
学位论文作者:王茄超帆譏/年厂月砑日学位论文作者:王茄趋日期:阥月缉日原创性声明学位论文使用授权声明本人郑重声明:所呈交的学位论文,是本人在导师的指导下,独立进行研究所取得的成果。除文中已经注明引用的内容外,本论文不包含任何其他个人或集体已经发表或撰写过的科研成果。对本文的研究作出重要贡献的个人和集体,均已在文中以明确方式标明。本声明的法律责任由本人承担。本人在导师指导下完成的论文及相关的职务作品,知识产权归属郑州大学。根据郑州大学有关保留、使用学位论文的规定,同意学校保留或向国家有关部门或机构送交论文的复印件和电子版,允许论文被查阅和借阅;本人授权郑州大学可以将本学位论文的全部或部分编入有关数据库进行检索,可以采用影印、缩印或者其他复制手段保存论文和汇编本学位论文。本人离校后发表、使用学位论文或与该学位论文直接相关的学术论文或成果时,第一署名单位仍然为郑州大学。保密论文在解密后应遵守此规定。
摘要大型旋转类机械往往是企业的关键性咽喉设备,它们以转子及其它回转部件作为工作的主体。在石油、化工、冶金、发电等大、中型企业中,旋转设备约占%的比例,包括压缩机、鼓风机、汽轮机、发电机、轧钢机等。作为企业的核心设备,一旦发生故障,将给企业甚至人们的生命财产带来难以估量的损失和伤害。所以大型旋转类设备运行状态的监测及其故障的及时诊断和解决也是科技工作者愈来愈关心的问题。旋转类机械运行状态的监测及其故障诊断依据是被诊断对象所表征的一切有用的信息,比如振动、噪声、转速、温度、压力、流量等。旋转类机械的振动信号中蕴含了大量的信息,可以帮助人们监测设备的运行状态及判断故障的类型。故障特征提取就是对系统的动态信号预处理后得到的信息进行分析和处理,提取与系统状态有关的数据,再对得到的数据进行处理和分析,提取其中与系统状态相关性较大的敏感特征。有效特征向量的提取是故障诊断中的关键环节,也是能否及时、正确的做出故障诊断的关键因素。针对传统单通道信息采集的不完整及实时性差等问题,本文将全矢谱技术分别与粗集理论、小波分析方法结合起来,提出了基于全矢谱技术的旋转类机械故障特征提取方法。全矢谱分析技术基于旋转机械同源信息融合,它是矢量谱分析及其一系列扩展分析方法的统称。它可以融合转子一个截面上的两个或三个通道的信息并对这些信息进行组合,它不仅弥补了传统单通道分析信息不足及不完整等缺点,而且具有分辨率高、三维分析可行性、高分辨率下指示转子在各回转频率下的振动强度和方位及与传统分析方法的兼容性等特点。粗糙集理论是由波兰的甈淌谟谏鲜兰甏岢觯且恢帜芄环析处理不精确、不一致、不完整信息与知识的数学工具,它的基本思想是通过数据库分类归纳形成概念和规则,通过等价关系的分类对目标的近似实现知识发现。通常用来作为数据约简的工具,它在消除冗余信息等方面有良好效果。小波分析是傅里叶分析的一个自然延伸,小波分析技术是由在年首先提出的,它克服了传统傅里叶变换只考虑正弦振动的能量而没有考虑其他振动方式的能量的缺点,对输入信号的要求较低,具有灵敏度高,克服噪声能力强等优点。小波变换具有良好的时频局部化特性和对信号自适应变焦、多分辨率分析的能力,。用小波分析技术对故障特征进行提取更为有效。
本文探讨了矢谱理论的基本原理及算法,并将全矢谱技术分别与粗糙集理论和小波分析技术相结合,,编制程序及进行相关实验验证其功能。关键词:全矢谱;特征提取;粗糙集;小波一包络分析;全矢小波分析;故障诊断摘要
瑂,琾琭甌.,:琫,琤,,,瓼猻,%,.’甋疭疭,瓻·—.,,甀
·甧琲籸.;;;,.:;甀甀疭.
目录第滦髀邸第禄谕葱畔⑷诤系娜钙准际酢第滦;党<收咸卣骷疤崛〖际酢摘要⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..课题的来源、目的及意义⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯。国内外发展概况⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯本文的主要研究内容⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯。本章小结⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯。概述⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯:⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..全矢谱技术⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯矢功率谱分析⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯。本章小结⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯前言⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.设备故障及