旋轉(zhuǎn)機械狀態(tài)趨勢預測及故障診斷專家系統(tǒng)關(guān)鍵技術(shù)研究.pdf

1、旋轉(zhuǎn)機械是工業(yè)領(lǐng)域的核心設備。隨著旋轉(zhuǎn)機械向大型化和智能化方向發(fā)展，設備的結(jié)構(gòu)越來越復雜，其運行狀態(tài)更加受到維護人員的重視。通過對設備進行狀態(tài)趨勢預測及故障診斷能夠減少故障的發(fā)生，縮短維修時間，提高設備的利用率、安全性和可靠性，避免災難性事故的發(fā)生。同時，也是開發(fā)故障預測專家系統(tǒng)的前期研究。
　　全矢譜技術(shù)對多通道數(shù)據(jù)進行融合，克服了單通道數(shù)據(jù)信息不完整的缺點，對轉(zhuǎn)子的振動信息進行準確、全面地提取，真實地反映了設備的運行狀態(tài)。本文

2、對旋轉(zhuǎn)機械在線監(jiān)測及故障診斷系統(tǒng)中趨勢預測和故障診斷兩個模塊的關(guān)鍵技術(shù)進行了研究，將全矢譜技術(shù)運用到旋轉(zhuǎn)機械狀態(tài)趨勢預測及故障診斷中，并開發(fā)了故障診斷專家系統(tǒng)。主要研究的工作如下：
　　1、闡述了全矢譜技術(shù)的基本理論、數(shù)值算法、與傳統(tǒng)分析方法的兼容性，用汽輪機組的振動數(shù)據(jù)進行實例分析，證明了全矢譜技術(shù)在故障診斷中的優(yōu)勢。
　　2、將全矢譜技術(shù)與支持向量回歸的預測方法相結(jié)合，提出了基于全矢支持向量回歸（FVSVR）的頻譜預測新

3、方法。通過對汽輪機組運行中的數(shù)據(jù)進行了實例分析，證明了全矢支持向量回歸（FVSVR）的頻譜預測方法的有效性，探討了相關(guān)參數(shù)的選擇，并對傳統(tǒng)的參數(shù)尋優(yōu)方法進行了改進。
　　3、研究了基于全矢模糊變換的故障診斷方法和基于知識的故障診斷方法。確定了故障診斷專家系統(tǒng)中征兆的表示、提取及處理的方式、知識的表示方法及推理控制策略。提取全矢幅值譜特征頻率下的幅值并模糊化后作為征兆向量，通過模糊變換的故障診斷方法進行正向推理，得到故障假設集，再利