多尺度时频分析汽轮发电机组机械系统故障预测的方法
汽轮发电机组因意外故障会导致灾难性的后果,然而由于机组设备系统复杂和规模庞大造成故障征兆信息不完整性,准确地预测设备故障存在困难,本课题主要对汽轮发电机组的实时故障预测和诊断技术和方法进行研究.基于Sohre表中汽轮机组主要频率的分类，提出了基于频率趋势的故障预测的新方法，给出了新的滑动窗和自上而下的数据分段方法和频率趋势特征提取方法，验证了数据分段方法的正确性。分别提出了基于最值点和极值点的时间序列分段线性表示方法以及基于局部最值和斜率的分段线性表示方法来提取状态监测数据的趋势特征，提取子序列的近似局部变化趋势特征。在此基础上，提出了基于约束的全局多段多项式拟合的时间序列定性趋势分析方法。通过融合EEMD分解平稳化处理和ARIMA，建立混合预测汽轮机振动信号趋势的模型。提出了基于NCT的谱峰搜索方法估计滚动轴承的瞬时频率的阶次解调分析方法。分别采用EMD和EEMD方法分解历史数据，提出选用相互关系数和峭度值均较大时对应的IMF合成信号。研究子决速Kurtogram算法和最佳带宽选择原则确定包含故障信息的频率带，利用平方包络方法进行重构，识别出相应的故障类型。提出了采用马田系统检测轴承初始故障和区分性能退化状态的方法。研究了集成规则推理和案例推理的汽轮发电机组故障诊断专家系统的总体设计，结合C＃、SQL server、CLIPS以及MATLAB，开发了状态监测与故障诊断软件。采用面向对象的方法表示故障案例，建立了汽轮发电机组故障案例库，提出分层检索与比值相似度算法结合的案例检索方法。研究了故障诊断专家系统中不确定性的来源，提出了基于二维全息谱和贝叶斯风险决策的概率分类模型，运用贝叶斯最小风险决策简化故障类型，通过二维全息谱图和证据组合理论，得到故障类型及发生的概率。
汽轮发电机组 故障预测 多尺度时频分析
剡昌锋
兰州理工大学
国内会议
沈阳
中文
276-276
2016-08-10（万方平台首次上网日期，不代表论文的发表时间）