一、大型旋转机械典型振动故障的诊断（论文文献综述）
杨静[1]（2020）在《旋转机械早期故障诊断关键技术研究》文中研究表明旋转机械是航空航天、电力、交通、石油化工和国防工业等领域广泛使用的关键设备,其作业环境恶劣、作业条件复杂,在长期作业过程中,机械性能不断退化,故障频发。一旦出现故障,不仅严重制约企业的生产效率、降低产品质量、影响企业的市场竞争力,使企业蒙受巨大经济损失,甚至造成无法弥补的人员伤亡。通过振动监测可以获得大量含有设备运行信息的数据和参数图形,如频谱图、三维谱图、阶比图等。如何利用振动数据和参数图形及时准确地提取表征设备健康状态的信息,从而发现设备异常并确定故障的严重程度,对提高旋转机械运行的可靠性和稳定性具有重要意义。目前的研究主要针对特征明显、数据无关联关系、样本平衡且信息完整的故障诊断问题,这些研究成果能够提取故障特征并准确判定故障类型。但随着维修模式从被动向主动方向发展,故障诊断技术的智能化和实用化程度要求不断提高,诊断方法需要能够自适应地及时发现实际工业系统中设备的早期故障,为设备后期维护提供可靠依据,而现有研究成果难以满足要求。因此,为了解决以上问题,并考虑到早期故障具有特征微弱、特征信息耦合和不完备等特点,开展旋转机械早期故障诊断关键技术研究工作,具有重要的学术意义和工程应用价值。本论文开展的研究工作主要包括以下几个方面。（1）基于振动信号分析的旋转机械早期故障诊断方法研究旋转机械在运行过程中会产生含有多种频率成分的周期性振动信号,这些信号通常分为两类:1)仅与旋转部件本身弹性有关的振动;2)反映旋转部件损伤情况的振动。因此,基于振动信号分析可以有效地实现旋转机械故障诊断。然而,由于工业过程的复杂性和作业环境的恶劣性,旋转机械产生的振动信号通常是非平稳、非线性且含有强背景噪声。直接利用原始振动信号难以挖掘出隐含在其中的早期微弱故障特征。考虑到深度自编码器具备自动提取特征的优良性能,本论文提出了一种基于改进深度稀疏自编码器网络的故障诊断方法,以99%以上的平均识别准确度实现对旋转机械（无论加载与否）早期故障模式识别和严重程度确定。（2）数据相关条件下的旋转机械复合故障诊断方法研究现代旋转机械的组成单元之间相互关联且相互影响,整个设备系统具有强烈的不确定性和非线性特征;表征设备运行模态的参数种类繁多、高维稀疏、不易量化且难以区分。导致监测系统获取的反映系统运行机理和状态参数的数据具有海量性和相关性,使得早期复合故障普遍存在于各类旋转机械中。然而,现有的针对单一设备、子系统和子单元的故障诊断方法难以发现组成单元之间的关联关系,从而导致对复合故障的误诊率和漏诊率非常高。因此,本论文通过对关联数据进行分析与处理,并考虑到深度稀疏自编码器自适应提取特征和数据降维的性能,提出了一种基于相关分析和改进稀疏自编码器网络的故障诊断方法,以99.4%以上的平均诊断准确度实现加载旋转机械早期复合故障诊断。（3）数据非完备条件下的旋转机械故障诊断方法研究目前,旋转机械故障诊断方法的设计大都基于类分布大致平衡和获取的数据完整这一假设,通常假定用于训练的设备的各类健康状态样本数量大致相等,并且构成样本的数据没有缺失。事实上,由监测系统获取的大部分都是正常状态数据,只有极少量故障状态数据。此外,受传感器故障、通信线路以及人为因素等影响,实际采集的信号可能是不完整的,从而造成隐含在信号中的信息丢失。以上数据非完备普遍存在的现状极大地影响了故障诊断方法的有效性和准确性。因此,本论文在设计变尺度重采样策略和多水平去噪策略的基础上,提出了一种基于集成融合自编码器网络的故障诊断方法,以99.69%以上的平均诊断准确度实现数据不平衡和数据局部缺失条件下的旋转机械故障诊断。（4）基于振动双谱图识别的旋转机械早期故障诊断方法研究旋转机械早期故障的特征信号非常微弱且具有稀疏性,背景噪声的幅值远大于特征信号且几乎分布在整个频带范围内,信噪比很低。相比一维振动数据,具有强去噪能力的双谱图中包含设备运行状态的信息量更丰富。因此,考虑到双谱图和增强型超分辨率生成对抗网络（Enhanced Super-Resolution Generative Adversarial Networks,ESRGAN）的优良性能,本论文首先基于双谱分析技术获取旋转机械的振动双谱图,并将其转换为存储需求更小的二维灰度图;然后,基于ESRGAN设计超分辨率重建策略,对灰度图进行清晰化处理,提高图像的分辨率。在此基础上,提出了适用于振动双谱图识别的改进卷积神经网络（Convolutional Neural Network,CNN）分类模型,以99.99%和100%的平均识别准确度分别检测出不同型号滚动轴承早期故障信号。以更加直观、更易被操作人员理解的可视化方式,实现旋转机械早期故障诊断。
蒋政[2]（2020）在《动力旋转设备故障诊断技术在钢铁冶金行业的应用》文中研究指明动力旋转设备是现代钢铁企业不可或缺的,它在烧结、高炉、炼钢和轧钢等扮演着重要角色。比如送风系统,如果动力旋转设备突然停机,将会导致整个工序的瘫痪。将故障诊断技术应用到动力旋转设备中,可以有效的进行设备监测和故障诊断,及时找出故障的原因,做出决策;也能预测设备故障,做出计划性维修,提高设备的使用效率,保证设备的安全运行。因此,动力旋转设备的故障诊断技术研究有着重要意义。本文主要研究内容:1、机械振动信号理论研究,以及转子单、双面动平衡理论研究;2、转子动力学理论研究,同时,基于Workbench仿真平台,建立转子系统的有限元分析模型,分别确定了单盘、双盘转子系统的固有频率、临界转速及对应的振型等动态特性。最后利用谐响应分析方法对转子系统不平衡这一故障进行了研究;3、利用转子试验台,研究转子不同状态的振动特征和现场动平衡技术;4、旋转设备典型故障机理分析,结合时域波形、频谱图、轴心轨迹、波德图等,研究故障的特征;5、利用故障诊断技术对现场生产设备进行故障判断、故障解决。通过对旋转设备典型故障机理进行分析,结合故障振动特征,实现快速辨识故障的能力。同时,针对转子不平衡的故障,开展了现场动平衡的实验,找出一种有效解决柔性转子不平衡的诊断方法并加以应用。
陈翔[3]（2020）在《水电机组非平稳振动信号特征提取方法研究》文中提出水力发电作为目前世界上开发规模最大的清洁能源,已经被各个国家广泛应用。然而水电机组的结构复杂,机组的运行工况也比较恶劣,机组的安全稳定运行涉及到水力、机械和电气等多个方面的影响,是一个水-机-电耦合的多源非线性系统。机组也极容易出现各种设备故障,从而影响机组的稳定运行,且机组的振动信号具有较强的非线性,使得水电机组的故障特征信号提取比较困难。因此,研究水电机组非平稳振动信号的特征提取方法对机组运行维护和保障电网的安全稳定运行具有重要意义。为此,本文首先分析了水电机组引起振动的机理原因和几种典型的故障,重点研究了水电机组振动故障分类和机组所发生故障的振动特点,最后对机组的转子不平衡故障、转子不对中故障、定转子间出现的碰摩故障、尾水管发生的偏心涡带和极频振动等五个典型水轮发电机组故障进行分析,从而为后续的水电机组故障特征提取奠定理论基础。其次,针对当前水电机组特征提取方法中存在的故障早期微弱特征信号和渐变特征信号提取困难的问题,本文提出了一种基于变分模态分解（VMD,variational mode decomposition）的敏感特征分量提取方法。首先采用VMD对机组的振动信号进行分解;为了抑制噪声干扰,实现特征分量的精确提取,然后在互信息的基础上构造敏感系数,并选取敏感系数较大的分量作为信号的敏感分量;最后,对得到的敏感分量进行频谱分析,分析敏感分量中包含的有效信息并找出信号的特征频率。仿真分析和实例验证表明,本文提出的方法可以较为准确地提取出故障早期的微弱特征信号、低频信号及突变信号等特征信号,具有一定的实际应用价值。最后,针对单一通道的特征提取方法无法全面的获取故障特征信息,故障分析结果往往存在误判或漏判的问题,提出了一种基于二维经验模态分解（Bivariate empirical mode decomposition,BEMD）和全矢包络技术（full vector spectrum,FVS）的特征提取方法。首先采用正交采样技术获得机组的正交振动信号,并对其进行BEMD分解,得到含有相位信息的固有模态函数;为了得到敏感的模态分量,在互信息的基础上构造敏感系数,然后计算各个模态分量的敏感系数,选取敏感系数较大的模态作为敏感分量;最后采用全矢包络技术融合选取的敏感模态分量,得到相应的全矢包络谱,从而得到全面、准确的机组特征分量。仿真分析和实例验证表明,该方法可以全面准确地提取出机组的故障特征分量,具有一定的实际应用价值。
殷杰[4]（2020）在《基于Hilbert-Huang变换的核电上充泵故障诊断方法研究》文中提出核电上充泵是核电站中至关重要的设备,为了确保上充泵稳定运行,需要对其运行过程的振动信号进行监测,通过使用信号处理技术对信号进行分析,识别其故障特征,并在故障发生的初期进行处理。由于大多数旋转机械的故障信号具有非线性、非平稳的特征,而Hilbert Huang变换（HHT）在处理这类信号具有优势,该方法已经普遍运用到故障诊断、语音处理、指数预测和工程振动等领域。但目前Hilbert Huang变换还存端点效应的缺点,在信号的两端无法正常的分解,针对这个问题,本文进行了改进,并通过Matlab仿真与实际故障实验验证改进的有效性,本片论文具体工作如下:1简单介绍了本课题的研究目的和意义,分析了核电上充泵的结构组成,对离心泵的故障诊断从国内外研究现状进行探讨,接着介绍了常见的时频分析方法:短时傅里叶变换、魏格纳分布、小波变换及HHT,并结合信号的特征对信号处理方法进行对比,确定本文的方法,针对核电上充泵常见的几种故障进行分析,通过力学模型阐明齿轮故障、滚动轴承故障及转子碰摩故障的频域特性;2针对HHT中经验模态分解时的端点效应,用图例说明产生的原因及端点效应导致的后果,接着采用基于波形匹配和最小范数和的端点延拓方法对EMD进行改进,通过计算机仿真将本文延拓方法与其他几类延拓方法对比,验证了有效性;3为分析核电上充泵机组内的齿轮箱故障与XJTU-SY轴承数据集内的轴承故障,使用改进HHT算法分解信号,准确判断了其故障,接着对核电上充泵进行了耐久性试验,试验中,在线状态监测系统观测到了非驱动端垂直方向多倍频增加与一倍频降低的现象,通过转子碰摩频域特征与对应轴瓦温度变化率进行诊断,最后与实际拆修现象对比,表明转子因不平衡而引起了上轴瓦碰摩故障;4提出一种基于改进粒子群的多级泵叶轮装配优化工艺,以解决多级转子在安装过程中的无序现象,经过优化装配相位,可以有效的降低转子在低速和高速动平衡实验中的振动幅值,为核电上充泵不平衡故障比率的降低做了贡献;5采用Matlab GUI对本文涉及的程序开发其人机界面,并集成了时域分析、频域分析和现场动平衡程序,结合本文HHT分析与转子不平衡优化,构建了核电上充泵故障诊断系统。
董芳玺[5]（2020）在《大型离心机组运行状态监测与故障诊断应用研究》文中指出大型离心机组是化工企业的核心设备,一旦发生故障,往往会带来较大的经济损失,甚至会发生安全事故,给环境带来污染。状态监测和故障诊断可以实时监测机组的运行状态,并且可以及时、准确地诊断机组异常,以确保机组稳定运行。因此,有必要研究状态监测与故障诊断这一技术在大型离心机组中的应用。本论文以SG8000监测诊断系统为例,分析研究状态监测与故障诊断在大型离心机组上的应用。主要研究内容如下:首先,对大型离心机组的工作原理及轴系监测系统进行研究。分析离心压缩机组的构成,研究汽轮机与压缩机的工作原理、结构组成及性能参数,还研究大型离心机组的轴系及其振动监测系统的构成。通过研究,为分析研究大型离心机组状态监测及故障诊断的应用奠定了基础。其次,对大型离心机组状态监测与故障诊断方法进行研究,研究分为两部分。第一部分,研究监测诊断的内容、监测的信号,为后续诊断机组故障奠定理论基础。第二部分,先是研究SG8000图谱,重点分析启停机图谱,并总结出启停机图谱的启停机特性,接着提出SG8000振动分析法和SG8000轴位移分析法这两种机组故障诊断的方法。通过研究,为状态监测与故障诊断在大型离心机组上的应用研究提供了方法。再次,研究机组典型振动故障,以及如何诊断振动故障。主要研究8种类型的振动故障,每一种故障均有其产生的原因及振动特征。分析诊断机组故障最重要的是找出各种故障的特点和规律。通过研究能够验证SG8000系统诊断机组振动故障具有很高的准确性,可以准确判断机组故障的类型、部位及程度,进而采取正确的对策来应对机组故障。最后,为提高机组故障诊断的效率,研究SG8000如何实现故障自动诊断功能。基于离心机组振动故障与故障征兆之间的特性关系构建故障诊断模型,把模型嵌入SG8000系统,最终实现故障自动诊断功能。本论文研究工作既具有理论价值又具有实践意义,对了解大型离心机组故障分析流程,掌握故障机理,开发故障诊断系统,提高机组技术管理人员的故障诊断水平是有益的。
刘展[6]（2019）在《MW级变速变桨风力发电机组系统振动故障诊断技术与减振降载方法研究》文中指出MW级变速变桨风力发电机组是我国电力、能源系统的重要的组成部分,也是风能利用主要的转换形式,截止2017年底我国风力发电占电网总发电量已达到4%,MW级变速变桨风力发电机组在我国已经形成规模化应用。由于,MW级变速变桨风力发电机组具有分布式供电特性,传统的针对大型单机火电水电发电设备的基于故障的运维模式难以有效支持我国风电产业大规模批量运行,基于状态评估的主动运维模式将逐步成为未来运维的主流模式,也是支持我国风电向无人化值守转变的必经途径。MW级变速变桨风力发电机组机械环节除了旋转机械部分还有大量的结构部分,同时由于MW级变速变桨风力发电机组为随动控制系统,其振动形态往往表现为旋转机械振动特征与结构振动特征复合叠加,一些振动故障具有典型的突发性、偶发性、间歇性特点。单独的采用传统的旋转机械故障诊断技术难以有效支撑覆盖典型故障,特别是对多组件耦合系统振动故障难以实现有效分析。本文针对MW级变速变桨风力发电机组典型系统振动故障诊断技术及与之配套的减振降载方法展开研究,获得了以下研究成果:1)针对传统叶素-动量理论不能实现风切变、塔影效应导致风轮平面受风不平衡建模仿真问题,提出叶片受风不平衡桨距角度不相同时的风轮致动盘气动载荷的建模仿真数值计算方法,该方法可以推导得出载荷计算关键变量轴向诱导因子和切向诱导因子求解解析表达式,并实现气动载荷求解,结合现场实际检测数据证明了该建模方法的有效性和实用性;同时也验证了 3倍低速轴转频（3P）特征振动分量是典型塔影效应动载荷特征,也是MW级变速变桨风力发电机组最主要的气动载荷波动特征,而在正常工况下风切变作用对风轮载荷波动影响较小的结论。2)MW级变速变桨风力发电机组由于叶片的气动特性原因导致在不同工作点载荷波动敏感性不同,在一些局部工作点可能因为叶片设计原因存在因风速波动导致载荷大幅度敏感随动变化特征,引起突发性、偶发性、间歇性振动故障;结合实际案例验证了基于典型塔影效应产生的3倍低速轴转频（3P）特征振动波动分析辨识实现典型气动突发性、偶发性、间歇性故障诊断方法的有效性。3)结合实际案例验证了基于结合整机运行原理判断偏航工作状态与突发性、偶发性、间歇性振动故障一致性关系,同时突发性、偶发性、间歇性振动故障为塔筒共振特征判断偏航扭振故障诊断方法的有效性。4)针对在叶片根部安装振动传感器检测信号无法避免其它机械连接环节振动信号传导干扰、检测信息信噪比较低,难以有效实现故障诊断,提出基于直接在叶片根部检测分析应力波动的叶片故障诊断分析方法,结合实际案例验证基于应力检测分析的叶片故障诊断方法的有效性;针对直接接触式检测叶片振动故障信息在其它振动源干扰、传感器安装及数据传输都存在限制的客观条件限制,结合实际案例验证基于机舱晃度监测数据分析的叶片故障诊断方法的有效性,该方法不仅安装检测方便,有效提高检测效率,而且通过减少直接检测传感器实现检测成本降低。5)针对MW级变速变桨风力发电机组减振降载解决方案实现,提出了MW级变速变桨风力发电机组基于调谐质量阻尼器降载减振的核心参数有效设计方法,并通过现场实验测试有效量化论证风电机组在所有典型工作状态下基于不同指标的降载减振效果,减振效果表明在标准额定工况条件下所设计的TMD降载装置可有效大幅度降低风机整体结构振动能量40%以上,有效提高风机运行的安全性和可靠性,具有极强的实用性和应用价值。
闫怀国[7]（2018）在《除尘风机设备状态监测与故障诊断研究》文中认为设备监测和故障诊断一直以来都是工业领域研究的热点,一方面随着现代企业生产大型化和连续化的发展,对工业设备的安全性、稳定性提出了更高的要求,另一方面及时了解设备运行状态、了解设备运行周期、预警故障发生等方面才能最大限度地发挥设备的生产潜力。除尘风机是企业最主要的净化器,是钢铁、化工等企业不可缺少的角色。对除尘风机的运行状况和故障诊断具有重要的理论和实际意义。本文通过总结除尘风机不平衡故障的特性,提取了风机故障时域与频域的特征,并给出了现场调试除尘风机动平衡的要点,开发出一套能实现数据采集、特诊提取、故障诊断,主要包括历史数据回放分析、频谱分析、时域分析、时延域分析、解调分析和趋势分析的在线监测与诊断系统。提出本文介绍的诊断方法之前,对实际工况下数据采集时传感器的选择做了详细的阐述,并介绍了如何在变工况下故障特征的提取以及从故障时域图、频谱图、波特图等对风机故障做出准确地判断。详细地分析了除尘风机不平衡故障的特性以及原因,也对在线监测与诊断系统做了详细介绍。对以后设备的管理工作提出了改进的方案,为未来设备最大效率的运行,以及企业环境的评估做一个参考。
党建[8]（2018）在《大型旋转机械振动信号分析与早期故障辨识方法研究》文中研究指明绿色低碳的现代能源体系背景下,清洁能源的安全高效利用对加快能源结构调整及推进生态文明建设意义重大。作为清洁能源转换的核心设备,水电、风电机组的巨型化和耦合化使得其运行过程中的振动问题和故障风险日益突出,这对系统的振动信号分析与早期故障辨识方法提出了更高要求。因此,本文以水轮发电机组、风力发电机组等大型旋转机械为研究对象,通过凝炼系统早期故障诊断中的关键科学问题,解析了多故障源耦合激励下的系统非线性动力学特性和故障机理,深入开展了基于噪声干扰抑制和噪声辅助分析的早期故障信号辨识理论研究,提出了大型旋转机械复合故障分离与特征提取方法,构建了系统关键设备性能评估与劣化分析模型,对保障机组安全稳定运行和推进状态检修体制改革具有一定的理论创新意义和工程应用价值。论文主要研究工作及创新性成果如下:（1）针对大型旋转机械中贯流式机组操作油管不对中、受油器松动及操作油管与浮动瓦碰摩问题,建立了考虑操作油杂质影响的时变非线性油膜力模型,并搭建了多源激励下的机组耦合故障动力学模型,研究了系统随不对中分量、操作油杂质和受油器径向刚度等参数变化出现的周期运动、拟周期运动等非线性动力学行为,揭示了多故障源耦合激励下的系统动力学特性和故障机理。（2）针对大型旋转机械早期故障辨识受强背景噪声干扰问题,开展了基于噪声干扰抑制的微弱故障信号检测研究,一方面,分析了噪声强度对传统经验模态分解降噪算法中最优分量重构效果的影响,研究了不同固有模态分量重构后信号概率密度函数的豪斯多夫距离变化趋势,提出了一种基于重构信号概率密度函数相似性的经验模态分解降噪算法;另一方面,讨论了大幅值噪声信号对传统经验模态分解降噪算法中固有模态分量阈值处理效果的影响,引入了熵阈值代替直接对每个分量的采样点进行阈值化,并结合分位数理论构建了多尺度阈值并计算了原始信号所在区域的故障概率,提出了一种基于概率熵阈值的经验模态分解降噪算法。通过模型仿真、实验和工程实例验证了所提出降噪算法在大型旋转机械微弱故障信号检测中的有效性。（3）考虑基于噪声辅助分析理论随机共振来增强大型旋转机械早期故障特征,定性和定量分析了不同噪声强度下二维Duffing振子模型随机共振方法的周期特征增强效果,推导了二维Duffing振子模型随机共振现象发生的必要条件,并研究了不同参数条件下系统输出信号特征幅值随噪声强度的变化趋势。在此基础上构造了基于排列熵的信号筛选准则并提出了基于二维部分Duffing振子模型随机共振理论的故障特征增强算法,实现了噪声能量向故障信号的最大化转移,并成功应用于大型旋转机械早期磨损故障特征识别。（4）针对大型旋转机械中风电机组早期复合故障特征耦合及微弱故障信号难以识别问题,分析了复合故障模式下快速峭度图中的多个谱峭度极大值现象,建立了带通滤波器模型进行解卷积处理获取显着故障信号,并构建了带阻滤波器模型进行窄带带阻滤波滤除显着共振频谱信号从而抑制其对微弱故障特征识别影响,提出了基于连续谱峭度解卷积的早期复合故障诊断方法。通过典型模型仿真和工程实例应用表明所提出算法有效实现了大型旋转机械复合故障分离和微弱故障特征提取。（5）考虑到大型旋转机械关键设备的性能对整个系统安全稳定运行的重要性,从故障概率变化的角度开展了基于逻辑回归理论的设备劣化趋势分析和状态评估研究,引入了改进K均值聚类算法对逻辑回归模型的自变量进行离散化处理来增强模型泛化能力和鲁棒性,建立了基于数据驱动的大型旋转机械关键设备性能评估模型,并成功应用于工程实例中设备故障演化过程分析,同时对大型旋转机械早期故障辨识也有一定指导意义。
马婧华[9]（2015）在《基于流形学习的旋转机械早期故障融合诊断方法研究》文中提出随着现代科学技术的迅猛发展,在工业制造、航空航天、石油化工、能源冶金以及国防工业等领域,逐步涌现出许多大型复杂的旋转机械装备,如风力发电机、航空发动机、工业燃气轮机等,这些旋转机械一旦发生故障,不但严重影响企业的生产效率,造成巨大的经济损失,甚至造成不可挽回的人员伤亡。解决因旋转机械故障导致巨大经济损失、人员伤亡和灾难性事故发生的关键是开展旋转机械早期故障诊断技术研究,即在故障萌芽阶段对其进行准确的辨识,并据此指导保养和维修工作,有效地控制故障发展,保障旋转机械安全、可靠运行。大型旋转机械结构日益复杂、运行环境恶劣、工况不稳定,表征其运行状态的振动信号具有非线性强噪声特点,而旋转机械早期故障特征微弱,淹没于强噪声环境中,难以提取;大型旋转机械早期故障孕育于设备运行的正常状态且处于不断发展变化中,故障原因与故障表征间映射关系模糊且早期故障样本稀缺,故障辨识难度大;单一传感器获取的状态信息只能反映旋转机械局部运行状态,大型旋转机械采用多个不同位置传感器获取的状态信息来刻画整体运行状态,需要对多传感器多识别模型下独立局部诊断结果进行决策融合。论文针对大型旋转机械强噪声干扰下非线性微弱特征提取、小子样模糊信息故障识别、多源多模型决策融合诊断等问题,深入研究基于流形学习的旋转机械早期故障融合诊断方法,具体研究内容如下:①针对大型旋转机械振动状态非线性微弱特征难以提取的问题,提出了基于自适应流形学习的旋转机械微弱特征融合提取方法。采用自适应局部切空间排列流形学习和相空间重构相结合的方法,对旋转机械强噪声振动信号进行非线性降噪;然后构建混合域高维特征集,以全面、综合、深入地刻画旋转机械装备的整体运行状态;提出基于Dezert-Smarandache证据理论的多准则融合评价序列进行特征选择,剔除原始高维特征集中干扰特征;最后把优化高维敏感特征子集输入到自适应正交邻域保持嵌入流形学习中进行特征融合约简,进一步剔除特征集中的冗余特征,实现非线性微弱特征的融合提取。②针对大型旋转机械故障诊断中故障样本稀缺和故障原因与故障表征间映射关系模糊的问题,提出了流形距离度量的有监督模糊C均值聚类旋转机械故障识别方法。有监督模糊C均值聚类在硬聚类基础上扩展了隶属度的取值范围,具有更好的模糊信息表达能力;在小子样情况下,算法保留了对监督样本的模糊性划分,同时通过监督项比例系数调节监督样本的“典型程度”来更好地引导聚类,当发现监督样本信息有误时,能有效减少噪声监督项对整体分类效果的影响;采用非参数核密度估计融合监督样本的类别标签信息,设置初始聚类中心,提高迭代效率;采用流形距离度量,更好地处理空间分布复杂的现实数据,使算法更具普适性,实现大型旋转机械小子样模糊信息早期故障的有效识别。③针对大型旋转机械故障诊断中单一传感器振动信号故障诊断的局限性问题,提出了基于模糊一致性矩阵的多源多模型加权决策融合诊断方法。通过对冲突系数设置阈值,合理选用Dempster-Shafer证据理论或Dezert-Smarandache证据理论进行多源非冲突或冲突性信息的决策融合;其中各传感器的可靠性由其训练样本的模式识别精度体现,通过模糊一致性阵综合衡量各传感器的可靠性,计算多源多模型下的权值系数;对各传感器故障识别结果进行加权,提高决策融合诊断的容差性和鲁棒性,实现大型旋转机械多源多模型下局部诊断结果的有效融合。④根据以上研究方法,研发了一套集数据采集、信号处理、微弱特征提取、故障识别、决策融合诊断等功能为一体的旋转机械状态监测与早期故障诊断系统,并进行了实际应用。文章最后对本文的工作进行了总结,并展望了下一步的研究方向。
陈非[10]（2010）在《基于过程信息融合的旋转机械信息（火用）故障诊断研究》文中研究表明本文以国家自然科学基金资助项目:“旋转机械振动故障信息火用诊断方法研究”为课题研究背景,以旋转机械转子系统为研究对象,基于对国内外旋转机械振动故障诊断理论与技术研究现状的分析,针对目前振动故障诊断中依靠随机提取的状态信息进行诊断存在的不足,本文提出了基于多状态的过程信息来进行诊断的新思路,在此基础上,本文首次建立了一个全新的基于过程信息融合的旋转机械信息火用故障诊断体系,该诊断体系对振动信号的故障判别、故障定位以及故障烈度诊断进行了系统的研究。首先,根据论文研究内容的需求,设计了转子故障模拟试验方案,对每种故障均进行了多次升速试验,获得了大量的故障试验数据,为论文的研究提供了强有力地数据支持。同时通过与已有文献总结的故障征兆进行对比,不仅对所模拟故障信号的正确性进行了验证,还发现了一些故障在升速过程中新的故障征兆及过程变化规律。第二,针对当前旋转机械故障诊断中依靠随机抽取的状态信息进行诊断存在的不足,提出了基于多状态的过程信息来进行诊断的新思路。从信息熵的思路出发,选取最能反映故障振动信号过程变化规律的单轴振测点和单瓦振测点来构造双测点多转速下的信息熵矩阵。并根据已有的试验数据,分别计算得到了8种典型故障基于时域奇异谱熵、频域功率谱熵以及时-频域小波空间特征谱熵的信息熵样本矩阵。第三,在旋转机械故障诊断领域首次提出并定义一个全新的基于过程信息融合的概念——信息火用,并建立了旋转机械振动的信息火用故障诊断方法来定量刻画过程变化规律。分别构造了8种典型故障的时域、频域以及时-频域的信息火用样本矩阵,并通过实例计算演示了信息火用故障诊断方法。在实例计算中,针对该诊断方法存在的不足,通过定义信息火用空间贴近度的概念,提出了基于信息火用空间贴近度的信息火用故障诊断方法。第四,从另一个角度出发,将不同过程中对应状态间的过程变化规律也定义为一种新的信息火用,使得信息火用概念得以延伸,更具普遍性。由于升速过程中振动信号的三维幅值谱最能反映振动信号的过程变化规律,在此基础上定义了频域时空特征谱的概念,并将其作为特征值,由此建立了基于频域时空特征谱的信息火用故障诊断方法,并构造了8种典型故障基于频域时空特征谱的信息火用样本矩阵。计算结果表明,该方法具有很强的故障分类能力,是一种有效的基于过程信息融合的旋转机械振动故障诊断的新方法。最后,首次建立了一个全新的基于过程信息融合的旋转机械信息火用故障诊断体系,该诊断体系对振动信号的故障判别、故障定位以及故障烈度诊断进行了系统的研究,其诊断流程为:首先通过基于频域时空特征谱的双测点信息火用故障诊断方法对待检振动信号进行故障判别;接着通过基于频域时空特征谱的多测点信息火用故障定位方法对待检振动信号进行故障定位;最后通过待检振动信号升速过程中的原始波形数据来进行故障烈度诊断,同时诊断待检振动信号是否为正常态信号。并给出了诊断流程图。实例计算表明,该诊断体系是一种功能全面、诊断准确率高、适应性强的旋转机械振动故障诊断的新模式。
二、大型旋转机械典型振动故障的诊断（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、大型旋转机械典型振动故障的诊断（论文提纲范文）
（1）旋转机械早期故障诊断关键技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 引言 |
| 1.2 旋转机械故障诊断概述 |
| 1.2.1 旋转机械故障诊断基本方法 |
| 1.2.2 旋转机械故障诊断技术研究现状 |
| 1.2.3 旋转机械振动故障诊断 |
| 1.3 旋转机械早期故障诊断的关键问题 |
| 1.3.1 旋转机械早期故障诊断概述 |
| 1.3.2 早期故障诊断的关键问题 |
| 1.4 本文研究工作 |
| 1.4.1 论文研究内容与创新点 |
| 1.4.2 论文总体框架 |
| 2 旋转机械故障诊断基本理论 |
| 2.1 引言 |
| 2.2 滚动轴承振动故障机理 |
| 2.3 滚动轴承故障特征 |
| 2.4 本章小结 |
| 3 基于振动信号分析的旋转机械早期故障诊断方法 |
| 3.1 引言 |
| 3.2 基于振动信号分析的旋转机械早期故障诊断算法原理 |
| 3.2.1 稀疏自编码器的基本原理 |
| 3.2.2 L-BFGS优化算法的基本原理 |
| 3.2.3 基于改进稀疏自编码器的早期故障诊断算法 |
| 3.3 诊断算法的流程 |
| 3.4 实验验证与分析 |
| 3.4.1 滚动轴承试验台简介 |
| 3.4.2 故障诊断与结果分析 |
| 3.4.3 对比实验及分析 |
| 3.5 本章小结 |
| 4 数据相关条件下的旋转机械复合故障诊断方法 |
| 4.1 引言 |
| 4.2 数据相关条件下的旋转机械复合故障诊断算法原理 |
| 4.2.1 复合故障及其特征分析 |
| 4.2.2 复合故障诊断模型 |
| 4.2.3 数据相关度评估准则 |
| 4.3 诊断算法的流程 |
| 4.4 实验验证与分析 |
| 4.4.1 滚动轴承试验台简介 |
| 4.4.2 故障诊断与结果分析 |
| 4.4.3 对比实验及分析 |
| 4.5 本章小结 |
| 5 数据非完备条件下的旋转机械故障诊断方法 |
| 5.1 引言 |
| 5.2 数据非完备条件下的旋转机械故障诊断算法原理 |
| 5.2.1 理论基础 |
| 5.2.2 数据非完备特征分析 |
| 5.2.3 基于EFAE模型的故障诊断算法 |
| 5.3 诊断算法的流程 |
| 5.4 实验验证与分析 |
| 5.4.1 故障诊断与结果分析 |
| 5.4.2 对比实验及分析 |
| 5.5 本章小结 |
| 6 基于振动双谱图识别的旋转机械早期故障诊断方法 |
| 6.1 引言 |
| 6.2 基于振动双谱图识别的旋转机械早期故障诊断算法原理 |
| 6.2.1 双谱分析的基本原理 |
| 6.2.2 ESRGAN的基本原理 |
| 6.2.3 图像转换与清晰化技术 |
| 6.2.4 卷积神经网络基本理论 |
| 6.2.5 故障诊断模型设计 |
| 6.3 诊断算法的流程 |
| 6.4 实验验证与分析 |
| 6.4.1 6203 型滚动轴承简介 |
| 6.4.2 6203 型滚动轴承诊断样本集描述及网络配置 |
| 6.4.3 6203 型滚动轴承故障诊断与结果分析 |
| 6.4.4 LDK UER204 滚动轴承简介 |
| 6.4.5 LDK UER204 滚动轴承诊断样本集描述及网络配置 |
| 6.4.6 LDK UER204 滚动轴承故障诊断与结果分析 |
| 6.5 本章小结 |
| 7 总结与展望 |
| 7.1 总结 |
| 7.2 展望 |
| 致谢 |
| 参考文献 |
| 攻读博士学位期间发表的学术论文和发明专利 |
| 攻读博士学位期间获得资助和参加的主要科研项目 |
（2）动力旋转设备故障诊断技术在钢铁冶金行业的应用（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 振动信号分析方法的现状研究 |
| 1.2.2 转子动平衡技术的现状研究 |
| 1.2.3 发展趋势 |
| 1.3 本文主要研究内容 |
| 第二章 机械振动信号分析与转子平衡技术 |
| 2.1 振动信号基础理论 |
| 2.1.1 振动信号的分类 |
| 2.1.2 信号处理技术的数学基础理论 |
| 2.2 机械振动信号分析 |
| 2.2.1 时域分析 |
| 2.2.2 频域分析 |
| 2.2.3 其他图形分析 |
| 2.3 转子平衡技术 |
| 2.3.1 单面动平衡技术 |
| 2.3.2 双面动平衡技术 |
| 2.4 振动诊断标准 |
| 2.5 本章小结 |
| 第三章 转子系统动力学特性分析 |
| 3.1 转子动力学主要研究内容 |
| 3.2 转子的涡动 |
| 3.3 转子运动微分方程及不平衡响应 |
| 3.4 转子系统有限元分析模型 |
| 3.4.1 有限元软件及分析流程 |
| 3.4.2 转子结构三维模型的建立 |
| 3.4.3 转子结构网格划分 |
| 3.4.4 约束施加 |
| 3.5 单盘转子系统固有特性研究 |
| 3.5.1 单盘转子系统模态提取 |
| 3.5.2 单盘转子临界转速分析 |
| 3.6 双盘转子系统固有特性研究 |
| 3.6.1 双盘转子系统临界转速分析 |
| 3.7 转子系统不平衡故障谐响应分析 |
| 3.8 本章小结 |
| 第四章 基于转子试验台的故障诊断实验 |
| 4.1 转子试验台介绍 |
| 4.2 振动监测设备 |
| 4.2.1 振动监测原理概况 |
| 4.2.2 振动监测设备介绍 |
| 4.3 实验验证 |
| 4.3.1 转子不平衡实验 |
| 4.3.2 转子不对中实验 |
| 4.3.3 传感器安装位置实验 |
| 4.3.4 双面动平衡方法验证 |
| 4.4 本章小结 |
| 第五章 钢铁冶金旋转设备典型故障机理分析 |
| 5.1 转子不平衡 |
| 5.1.1 转子不平衡故障原因和类型 |
| 5.1.2 转子不平衡故障机理 |
| 5.1.3 转子不平衡故障特征 |
| 5.1.4 转子不平衡实例 |
| 5.2 转子不对中 |
| 5.2.1 转子不对中的类型 |
| 5.2.2 转子不对中故障机理 |
| 5.2.3 转子不对中振动故障主要特征 |
| 5.2.4 转子不对中实例 |
| 5.3 转子与静止件的摩擦 |
| 5.3.1 转子与静止件摩擦的故障机理 |
| 5.3.2 转子与静止件径向摩擦的故障特征 |
| 5.3.3 转子与静止件摩擦实例 |
| 5.4 转子部件松动 |
| 5.4.1 基座松动 |
| 5.4.2 弹性套柱销型联轴器松动 |
| 5.5 本章小结 |
| 第六章 故障诊断技术在旋转设备中的应用 |
| 6.1 现场动平衡工艺流程图 |
| 6.2 旋转设备故障处理案例 |
| 6.3 本章小结 |
| 第七章 结论与展望 |
| 致谢 |
| 参考文献 |
| 附录A 攻读在职研究生期间参与的科研项目 |
（3）水电机组非平稳振动信号特征提取方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 选题背景 |
| 1.2 选题目的和意义 |
| 1.3 国内外研究现状 |
| 1.3.1 国外水电机组故障分析研究现状 |
| 1.3.2 国内水电机组故障分析研究现状 |
| 1.3.3 国内外相关理论的研究现状 |
| 1.3.4 水电机组故障分析方法未来的发展趋势 |
| 1.4 论文研究内容 |
| 2 水电机组的振动机理和典型故障分析 |
| 2.1 引言 |
| 2.2 水电机组的振动机理 |
| 2.1.1 水电机组的振动故障类别 |
| 2.1.2 水轮发电机组的振动故障特点 |
| 2.3 水电机组的典型故障分析 |
| 2.3.1 转子不平衡故障 |
| 2.3.2 转子不对中故障 |
| 2.3.3 定转子间出现的碰摩故障 |
| 2.3.4 尾水管偏心涡带 |
| 2.3.5 极频振动 |
| 2.4 本章小结 |
| 3 基于变分模态分解的水电机组敏感分量特征提取方法 |
| 3.1 引言 |
| 3.2 变分模态分解的基本原理 |
| 3.3 基于互信息的敏感特征分量提取 |
| 3.3.1 互信息的基本原理 |
| 3.3.2 基于互信息的敏感分量提取方法 |
| 3.4 仿真信号分析 |
| 3.5 实测信号分析 |
| 3.6 本章小结 |
| 4 基于BEMD-FVS水电机组正交振动信号的特征提取 |
| 4.1 引言 |
| 4.2 二维经验模态分解的基本原理 |
| 4.3 全矢谱分析的基本原理 |
| 4.4 基于二维经验模态分解和全矢包络技术的特征提取方法 |
| 4.5 仿真信号分析 |
| 4.6 实例信号分析 |
| 4.7 本章小结 |
| 5 结论与展望 |
| 5.1 结论 |
| 5.2 展望 |
| 致谢 |
| 参考文献 |
| 附录 |
| A. 作者在攻读硕士学位期间参与的项目 |
| B. 作者在攻读硕士学位期间的科研成果 |
（4）基于Hilbert-Huang变换的核电上充泵故障诊断方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题来源及研究的目的和意义 |
| 1.1.1 课题来源 |
| 1.1.2 研究的目的和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 故障诊断研究现状 |
| 1.2.2 离心泵故障的国内外研究现状 |
| 1.3 Hilbert-Huang变换的研究现状 |
| 1.4 本课题来源及主要研究内容 |
| 第2章 时频分析方法及旋转机械典型故障 |
| 2.1 引言 |
| 2.2 故障诊断常用的信号时频分析方法 |
| 2.2.1 短时傅里叶变换 |
| 2.2.2 WV分布 |
| 2.2.3 小波变换 |
| 2.3 Hilbert-Huang变换 |
| 2.4 齿轮故障特性分析 |
| 2.4.1 齿轮故障类型 |
| 2.4.2 齿轮振动特性 |
| 2.5 轴承故障特性分析 |
| 2.5.1 滚动轴承故障类型 |
| 2.5.2 滚动轴承振动特性 |
| 2.6 上充泵碰摩故障特性分析 |
| 2.6.1 上充泵碰摩故障机理 |
| 2.6.2 上充泵碰摩振动特性 |
| 2.7 本章小结 |
| 第3章 HHT基本原理及端点效应的改进 |
| 3.1 引言 |
| 3.2 HHT基本原理 |
| 3.2.1 固有模态函数 |
| 3.2.2 经验模态分解 |
| 3.2.3 Hilbert谱和Hilbert边际谱 |
| 3.3 Hilbert-Huang变换方法对模拟信号的分析 |
| 3.4 端点效应和改进优化 |
| 3.4.1 端点效应 |
| 3.4.2 基于波形匹配和最小范数和的端点延拓 |
| 3.5 模拟信号分析与对比 |
| 3.6 本章小结 |
| 第4章 核电上充泵性能试验与不平衡优化 |
| 4.1 上充泵故障分析试验 |
| 4.2 水泵机组齿轮箱故障诊断分析 |
| 4.2.1 水泵参数 |
| 4.2.2 测点布置 |
| 4.2.3 齿轮故障分析 |
| 4.3 滚动轴承故障分析 |
| 4.4 核电上充泵耐久性试验现场实例 |
| 4.4.1 试验方法 |
| 4.4.2 核电上充泵振动信号特征分析 |
| 4.4.3 振动故障结果各处理 |
| 4.5 多级泵转子不平衡优化与试验 |
| 4.5.1 叶轮的静平衡与动平衡 |
| 4.5.2 核电上充泵转子高速动平衡优化方案研究 |
| 4.5.3 核电上充泵转子动平衡试验 |
| 4.6 上充泵现场不平衡优化 |
| 4.6.1 三圆平衡法原理 |
| 4.6.2 三圆平衡法操作步骤 |
| 4.7 本章小节 |
| 第5章 基于MATLAB GUI的核电上充泵故障诊断系统 |
| 5.1 MATLAB软件介绍及GUI的实现方法 |
| 5.2 GUI设计与编程 |
| 5.2.1 系统的功能设计 |
| 5.2.2 系统功能的实现过程 |
| 5.3 核电上充泵故障诊断系统 |
| 5.3.1 时域信号分析 |
| 5.3.2 频域信号分析 |
| 5.3.3 时频域信号分析 |
| 5.3.4 基于三圆法的现场动平衡软件 |
| 5.4 本章小结 |
| 第6章 总结与展望 |
| 6.1 结论及创新点 |
| 6.2 未来研究展望 |
| 参考文献 |
| 攻读硕士学位期间取得的成果 |
| 致谢 |
（5）大型离心机组运行状态监测与故障诊断应用研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.3 存在的问题 |
| 1.4 课题研究内容 |
| 第2章 大型离心压缩机组工作原理 |
| 2.1 机组组合型式 |
| 2.2 汽轮机 |
| 2.2.1 工作原理 |
| 2.2.2 本体组成 |
| 2.2.3 主要性能参数 |
| 2.3 离心压缩机 |
| 2.3.1 现场结构 |
| 2.3.2 工作原理 |
| 2.3.3 性能参数 |
| 2.4 轴系监测系统 |
| 2.5 本章小结 |
| 第3章 SG8000监测故障方法研究 |
| 3.1 状态监测与故障诊断 |
| 3.1.1 状态监测与故障诊断的内容 |
| 3.1.2 状态监测信号 |
| 3.2 SG8000监测诊断方法研究 |
| 3.2.1 SG8000系统 |
| 3.2.2 SG8000监测诊断方法 |
| 3.3 本章小结 |
| 第4章 大型离心机组典型故障与诊断 |
| 4.1 转子不平衡 |
| 4.1.1 不平衡的原因 |
| 4.1.2 不平衡的振动特征 |
| 4.1.3 不平衡诊断案例 |
| 4.1.4 渐变不平衡诊断案例 |
| 4.2 转子断叶片或脱落 |
| 4.2.1 转子断叶片或脱落的原因 |
| 4.2.2 转子断叶片和脱落的振动特征 |
| 4.2.3 叶片脱落故障案例 |
| 4.2.4 断叶片诊断案例 |
| 4.3 转子裂纹 |
| 4.3.1 转子裂纹产生的原因 |
| 4.3.2 转子裂纹的振动特征 |
| 4.3.3 转子裂纹预防或消除的措施 |
| 4.3.4 转子裂纹诊断案例 |
| 4.4 转子弯曲 |
| 4.4.1 转子弯曲的原因 |
| 4.4.2 转子弯曲的振动特征 |
| 4.4.3 弯曲诊断案例一 |
| 4.4.4 弯曲诊断案例二 |
| 4.5 油膜涡动与油膜振荡 |
| 4.5.1 油膜涡动的原因 |
| 4.5.2 振动特征 |
| 4.5.3 治理措施 |
| 4.5.4 油膜涡动诊断案例 |
| 4.6 旋转失速与喘振 |
| 4.6.1 原因 |
| 4.6.2 振动特征 |
| 4.6.3 预防措施 |
| 4.6.4 旋转失速诊断案例 |
| 4.6.5 喘振诊断案例 |
| 4.7 摩擦故障 |
| 4.7.1 产生的原因 |
| 4.7.2 振动特征 |
| 4.7.3 避免或消除摩擦的措施 |
| 4.7.4 摩擦诊断案例 |
| 4.8 转子不对中 |
| 4.8.1 产生原因 |
| 4.8.2 振动特征 |
| 4.8.3 不对中诊断案例 |
| 4.9 本章小结 |
| 第5章 故障自动诊断实现研究 |
| 5.1 振动故障与故障征兆 |
| 5.2 自动诊断模型构建 |
| 5.3 自动诊断推理 |
| 5.3.1 故障征兆的权值计算 |
| 5.3.2 自动诊断推理 |
| 5.4 SG8000系统自动诊断实现与案例 |
| 5.4.1 自动诊断实现 |
| 5.4.2 自动诊断案例 |
| 5.5 本章小结 |
| 结论与展望 |
| 参考文献 |
| 致谢 |
| 学位论文评阅及答辩情况表 |
（6）MW级变速变桨风力发电机组系统振动故障诊断技术与减振降载方法研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 引言 |
| 1.1 研究背景 |
| 1.2 关键技术研究现状 |
| 1.2.1 系统故障诊断技术研究现状 |
| 1.2.2 减振降载技术研究现状 |
| 1.3 本文研究内容和结构 |
| 1.3.1 主要研究内容 |
| 1.3.2 论文章节结构 |
| 2 风力发电机组典型振动状态分析评估方法 |
| 2.1 风力发电机组振动状态特征分析方法 |
| 2.1.1 时域状态特征分析方法 |
| 2.1.2 频域状态特征分析方法 |
| 2.1.3 时频状态联合特征分析方法 |
| 2.2 风力发电机组运行状态评估方法 |
| 2.2.1 基于绝对标准的状态评估方法 |
| 2.2.2 基于运行状态变化率的状态评估方法 |
| 2.2.3 基于类比标准的状态评估方法 |
| 2.3 典型应用案例 |
| 2.3.1 失效机理分析 |
| 2.3.2 状态特征分析 |
| 2.3.3 状态评估与验证 |
| 3 风力发电机组系统故障诊断技术 |
| 3.1 典型气动状态分析与故障诊断 |
| 3.1.1 典型气动特征建模方法 |
| 3.1.2 风轮受风不平衡载荷建模方法 |
| 3.1.3 数值仿真 |
| 3.1.4 仿真结果分析 |
| 3.1.5 实际数据对比分析及结论 |
| 3.1.6 气动载荷波动敏感性分析 |
| 3.1.7 典型气动故障诊断方法及案例 |
| 3.2 偏航扭振分析与故障诊断 |
| 3.2.1 偏航扭振形成机理及影响 |
| 3.2.2 偏航扭振建模方法 |
| 3.2.3 偏航扭振诊断方法及案例 |
| 3.3 叶片故障振动分析与故障诊断 |
| 3.3.1 典型叶片载荷模式 |
| 3.3.2 叶片振动建模方法 |
| 3.3.3 基于应力监测的叶片故障诊断方法及案例 |
| 3.3.4 基于机舱晃度监测的叶片故障诊断方法及案例 |
| 4 风力发电机组机舱减振方法及应用 |
| 4.1 调谐质量阻尼器设计方法 |
| 4.1.1 TMD建模方法 |
| 4.1.2 TMD关键参数设计 |
| 4.1.3 基于TMD减振效果理论分析 |
| 4.2 现场减振测试对比量化分析 |
| 4.2.1 额定转速工况下整改减振效果定量分析 |
| 4.2.2 MPPT工况下整改减振效果定量分析 |
| 4.2.3 切入转速工况下整改减振效果定量分析 |
| 4.2.4 停机偏航工况下整改减振效果定量分析 |
| 4.2.5 停机工况下整改减振效果定量分析 |
| 4.2.6 基于TMD减振效果总结 |
| 5 总结与展望 |
| 5.1 研究工作总结 |
| 5.2 研究工作展望 |
| 参考文献 |
| 作者简历及攻读博士学位期间取得的研究成果 |
| 一、作者简历 |
| 二、发表论文 |
| 三、参与科研项目 |
| 四、专利 |
| 学位论文数据集 |
（7）除尘风机设备状态监测与故障诊断研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题研究概述 |
| 1.1.1 课题研究背景和意义 |
| 1.2 研究现状 |
| 1.3 本文的主要研究内容 |
| 第二章 数据采集和信号处理 |
| 2.1 振动的基本概念 |
| 2.1.1 典型振动分析 |
| 2.1.2 其他振动分析 |
| 2.1.3 振动通用分析方法 |
| 2.2 振动分析是旋转机械的重要而直接的状态评估指标 |
| 2.3 传感器的选择 |
| 2.3.1 电涡流型传感器 |
| 2.3.2 磁电式速度传感器 |
| 2.3.3 加速度传感器 |
| 2.3.4 传感器的特点和选用 |
| 2.3.5 相位测量 |
| 2.3.6 信号可靠性判断 |
| 2.4 信号滤波、调制与共振解调法 |
| 第三章 振动信号分析与特征提取 |
| 3.1 时域分析 |
| 3.2 轴心轨迹分析 |
| 3.3 稳态中的信号提取特征和分析方法 |
| 3.4 试验中的振动信号特征和分析方法 |
| 3.4.1 负载试验 |
| 3.4.2 轴承故障诊断实验 |
| 3.4.3 齿轮故障诊断实验 |
| 第四章 转子动平衡与失衡的状态特征参量 |
| 4.1 静平衡与动平衡 |
| 4.2 转子不平衡的故障机理和特征 |
| 4.3 除尘风机的转子动平衡 |
| 4.3.1 动平衡特点 |
| 4.3.2 平衡基础 |
| 4.4 现场动平衡要点 |
| 4.4.1 试加重量和角度的合理确定 |
| 4.4.2 配重移植 |
| 第五章 故障特征机理和故障诊断 |
| 5.1 支撑系统松动的故障特征 |
| 5.2 联轴器缺陷的故障特征 |
| 5.3 轴向振动的故障特征 |
| 5.4 专家系统与诊断改进 |
| 5.4.1 数据库的建立和维护 |
| 5.4.2 故障特征的识别和输入 |
| 5.4.3 人机界面与解释 |
| 5.4.4 风机设备运行状态监测在球团行业的应用 |
| 第六章 管理工作程序改进 |
| 6.1 状态分析与故障诊断的现场准备 |
| 6.2 故障信号的提取与对比 |
| 6.3 反应机制和改进 |
| 第七章 总结与展望 |
| 第八章 致谢 |
| 参考文献 |
（8）大型旋转机械振动信号分析与早期故障辨识方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 课题研究的背景与意义 |
| 1.2 关键问题及研究现状 |
| 1.3 本文主要研究内容 |
| 2 多故障源耦合激励下的大型旋转机械动力学特性分析 |
| 2.1 引言 |
| 2.2 时变非线性油膜力下机组耦合故障动力学模型 |
| 2.3 系统动力学特性分析 |
| 2.4 本章小结 |
| 3 基于噪声干扰抑制的大型旋转机械微弱故障信号检测 |
| 3.1 引言 |
| 3.2 经验模态分解降噪理论 |
| 3.3 基于概率密度函数相似性的经验模态分解降噪 |
| 3.4 基于概率熵阈值经验模态分解降噪算法 |
| 3.5 本章小结 |
| 4 基于噪声辅助分析的大型旋转机械早期故障特征增强 |
| 4.1 引言 |
| 4.2 Duffing振子随机共振理论 |
| 4.3 基于部分Duffing振子模型随机共振的早期故障特征增强 |
| 4.4 实例验证 |
| 4.5 本章小结 |
| 5 大型旋转机械早期复合故障分离与特征提取 |
| 5.1 引言 |
| 5.2 基于连续谱峭度解卷积的大型旋转机械复合故障分离与特征提取 |
| 5.3 仿真与实例验证 |
| 5.4 本章小结 |
| 6 大型旋转机械关键设备性能评估研究 |
| 6.1 引言 |
| 6.2 基于H-K聚类逻辑回归模型的大型旋转机械关键设备性能评估 |
| 6.3 实例验证 |
| 6.4 本章小结 |
| 7 全文总结与展望 |
| 7.1 全文工作总结 |
| 7.2 进一步研究展望 |
| 致谢 |
| 参考文献 |
| 附录1：攻读博士学位期间发表的论文 |
| 附录2：攻读博士学位期间获奖及参与科研项目 |
（9）基于流形学习的旋转机械早期故障融合诊断方法研究（论文提纲范文）
| 中文摘要 |
| 英文摘要 |
| 1 绪论 |
| 1.1 课题来源 |
| 1.2 课题背景和研究意义 |
| 1.3 旋转机械故障诊断技术研究现状 |
| 1.3.1 故障特征提取方法研究现状 |
| 1.3.2 基于人工智能的模式识别研究现状 |
| 1.3.3 决策融合诊断研究现状 |
| 1.4 基于流形学习的旋转机械早期故障融合诊断的关键问题 |
| 1.5 本文主要研究内容及结构安排 |
| 2 自适应流形学习的旋转机械微弱特征融合提取 |
| 2.1 引言 |
| 2.2 基于自适应LTSA流形学习的非线性降噪 |
| 2.2.1 相空间重构 |
| 2.2.2 基于局部集群系数和极大似然估计的自适应LTSA |
| 2.2.3 基于自适应LTSA流形学习的非线性降噪算法 |
| 2.2.4 仿真信号降噪实验 |
| 2.2.5 应用实例 |
| 2.3 多准则融合的混合域敏感特征选择 |
| 2.3.1 混合域特征提取 |
| 2.3.2 特征选择准则 |
| 2.3.3 特征评价序列融合方法 |
| 2.3.4 基于DSmT的多准则融合敏感特征选择算法流程 |
| 2.4 自适应ONPE流形学习的特征融合约简 |
| 2.5 基于自适应流形学习的旋转机械微弱特征融合提取 |
| 2.6 实验验证 |
| 2.7 本章小结 |
| 3 流形距离度量的有监督模糊C均值聚类早期故障识别 |
| 3.1 引言 |
| 3.2 有监督模糊C均值聚类 |
| 3.3 基基于非参数核密度估计的初始聚类中心选择 |
| 3.4 基于流形距离的相似性度量 |
| 3.5 流形学习度量的有监督模糊C均值聚类算法流程 |
| 3.6 实验验证 |
| 3.7 本章小结 |
| 4 基于模糊一致性矩阵的多源多模型加权决策融合诊断 |
| 4.1 引言 |
| 4.2 模糊信息的决策融合方法 |
| 4.2.1 融合问题辨识框架与幂集 |
| 4.2.2 Dempster-Shafer证据理论 |
| 4.2.3 Dezert-Smarandache证据理论 |
| 4.2.4 决策判定准则 |
| 4.3 基于模糊一致性矩阵的基本概率再分配 |
| 4.4 基于模糊一致性矩阵的多源多模型加权决策融合诊断 |
| 4.5 实验验证 |
| 4.6 本章小结 |
| 5 旋转机械状态监测与早期故障诊断系统设计 |
| 5.1 引言 |
| 5.2 系统的总体设计 |
| 5.2.1 系统需求分析 |
| 5.2.2 系统总体结构设计 |
| 5.3 系统软件的设计 |
| 5.3.1 数据采集模块 |
| 5.3.2 状态监测模块 |
| 5.3.3 故障诊断模块 |
| 5.3.4 数据库设计 |
| 5.4 应用实例 |
| 5.5 本章小结 |
| 6 结论与展望 |
| 6.1 全文总结 |
| 6.2 主要创新点 |
| 6.3 研究展望 |
| 致谢 |
| 参考文献 |
| 附录 |
| A. 作者在攻读博士学位期间发表的论文目录 |
| B. 作者在攻读博士学位期间参加的科研项目 |
（10）基于过程信息融合的旋转机械信息（火用）故障诊断研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 课题研究的背景及意义 |
| 1.2 旋转机械振动故障诊断技术的发展现状 |
| 1.3 旋转机械振动故障诊断技术的发展趋势 |
| 1.4 本文的主要内容 |
| 2 转子试验台及故障模拟试验 |
| 2.1 试验台及试验方案 |
| 2.2 单一故障模拟试验 |
| 2.3 复合故障模拟试验 |
| 2.4 数据采集 |
| 2.5 典型故障数据分析 |
| 2.6 小结 |
| 3 升速过程转子振动的信息熵矩阵 |
| 3.1 单一状态下信息融合故障诊断技术存在的问题 |
| 3.2 转子振动信号的信息熵特征 |
| 3.3 升速过程中典型转子振动故障的信息熵样本矩阵 |
| 3.4 小结 |
| 4 旋转机械振动的信息火用故障诊断 |
| 4.1 信息火用概念的提出 |
| 4.2 信息火用故障诊断方法 |
| 4.3 基于信息熵的典型转子振动故障的信息火用样本矩阵 |
| 4.4 单一故障诊断实例 |
| 4.5 基于信息火用空间贴近度的信息火用故障诊断方法 |
| 4.6 小结 |
| 5 基于频域时空特征谱的信息火用故障诊断 |
| 5.1 不同过程的对应状态信息火用定义 |
| 5.2 基于频域时空特征谱的信息火用故障诊断方法 |
| 5.3 基于频域时空特征谱的典型转子振动故障的信息火用样本矩阵 |
| 5.4 复合故障诊断实例 |
| 5.5 小结 |
| 6 信息火用故障定位及故障烈度诊断 |
| 6.1 基于信息火用方法的故障定位 |
| 6.2 基于信息火用方法的故障烈度诊断 |
| 6.3 基于过程信息融合的旋转机械信息火用故障诊断体系 |
| 6.4 实例计算 |
| 6.5 小结 |
| 7 全文总结与展望 |
| 7.1 全文总结 |
| 7.2 研究成果与创新点 |
| 7.3 研究展望 |
| 致谢 |
| 参考文献 |
| 附录1 作者攻读学位期间发表的学术论文 |
| 附录2 作者攻读学位期间参加的工作 |
四、大型旋转机械典型振动故障的诊断（论文参考文献）
- [1]旋转机械早期故障诊断关键技术研究[D]. 杨静. 西安理工大学, 2020
- [2]动力旋转设备故障诊断技术在钢铁冶金行业的应用[D]. 蒋政. 昆明理工大学, 2020(05)
- [3]水电机组非平稳振动信号特征提取方法研究[D]. 陈翔. 西安理工大学, 2020(01)
- [4]基于Hilbert-Huang变换的核电上充泵故障诊断方法研究[D]. 殷杰. 长春理工大学, 2020(01)
- [5]大型离心机组运行状态监测与故障诊断应用研究[D]. 董芳玺. 山东大学, 2020(10)
- [6]MW级变速变桨风力发电机组系统振动故障诊断技术与减振降载方法研究[D]. 刘展. 北京交通大学, 2019(01)
- [7]除尘风机设备状态监测与故障诊断研究[D]. 闫怀国. 昆明理工大学, 2018(04)
- [8]大型旋转机械振动信号分析与早期故障辨识方法研究[D]. 党建. 西安理工大学, 2018(11)
- [9]基于流形学习的旋转机械早期故障融合诊断方法研究[D]. 马婧华. 重庆大学, 2015(07)
- [10]基于过程信息融合的旋转机械信息（火用）故障诊断研究[D]. 陈非. 华中科技大学, 2010(01)