论文代写联系电话:18707192020 QQ1:314127396 论文网 QQ2:1054506543 论文网
设为首页 加入收藏 提交订单
           
网站首页 管理论文 工商管理 会计审计 财政税收 金融证券 法律论文 教育论文 医药论文 哲学论文 政治论文
计算机 英语论文 经济论文 艺术论文 工科论文 理科论文 社会论文 文化论文 代写论文 发表论文 职称论文
  最近更新论文 更多
 华源晨泰|天和乳业羊奶五大特色,不
 深入调查被举报山西吕梁薛德平违法犯
 布加替尼的耐药性的效果好么?如何购
 奥西替尼的疗效如何?印度版的奥西替
 2020年新职业:电气电子产品环保
 江汉区民航新村附近代理记账、年度申
 陕西宝鸡市育才集团:大发国难财,哄
 武汉市青山区 公司注册 公司代账找
 武汉鑫垚_武汉本土财务公司,十年代
 成都恒美植发张平静私刻公章骗贷
  期刊发表论文 更多
 血糖升高了可能会有这3种表现,拖延
 美媒体认为手机病毒威胁越来越
 浙江温岭方山云霄寺“免了当家人”
 义乌村官找小姐 再现“艳照门”
 亦谷科技eDoctor广告机领跑数
 业主和短信群发代理公司的关系
 玩彩之家专题:亚洲玩家首选的老虎机
 Mahjong Time公司将在7
 正在国外蔓延的中国赌风
 博彩资讯三国拉霸机介绍
  联系我们
各类论文代写、论文发表服务
投稿邮箱:1054506543@qq.com
在线咨询QQ1:314127396 论文网
在线咨询QQ2:1054506543 论文网
  您所在的位置  首页 >  工科论文 > 工业设计

 关于旋转机械系统各种故障诊断的研究方法  

2011/4/22 20:27:57 浏览:2592 来源:  

 【字体: (右键暂停)   

 

关键词:旋转机械;故障诊断;综述
  故障诊断技术自20世纪70年代开展以来,已历经了一个从简单信号测量到人工智能,再到人机协作的发展过程,快速发展的故障诊断技术已在工程应用中发挥了重要作用。传统故障诊断技术对于比较简单的设备和单一故障,常能发挥其独特作用,但是对于大型复杂设备的多故障交互工况环境,却显得力不从心,而采用智能故障诊断理论或方法则是一种合理而有效的选择。为了有利于故障诊断方法的选择,本文对传统和智能故障诊断中的主要方法予以分析和归纳机电设备故障机理的研究机电设备故障机理的研究是一项十分重要且研究较困难的基础性课题,其目的是了解机械故障的形成和发展过程,掌握故障的内在本质及特征,通过建立恰当的物理或数学模型,求出模型的解析解或近似解,从中总结出一般性的规律。国内外学者已对转子一轴承系统、齿轮、机床等设备的典型故障的机理进行了大量的理论和实验研究【‘一,],国外的研究用清晰而又简洁的表格形式描述了典型机械故障症状及可能发生的原因f4-5];美国的BENTLY NEVADA公司也曾对转子一轴承系统典型故障做过大量实验研究囚,积累了许多宝贵的现场故障处理经验。但由于某些疑难故障的机理和特征行为还不十分清楚,且多数故障的动力学方程表现出非线性特性和数学模型的简化与假设不同,因此,所得的解差别很大,很难适用所有的情况诊断方法传统诊断方法用于旋转机械系统故障诊断的传统方法常是以信号处理为基础的,其中的频域方法是利用频谱中微弱的特征信号来定位和识别故障。频域方法的研究目前已日趋成熟,并已成为实际诊断系统的主要方法之一[f}].具有代表性的时域方法是基于数学模型的诊断方法f}-9],这种方法与频域方法相比有较小的计算负荷。若时域方法与频域中时间的尺度变换相结合,就能在特定的时间窗下提高频率分辨率,从而能有效地增强故障特征的识别性能,该方面的研究主要使用小波分析的方法传统诊断方法多是基于单参数、单特征的,而面对日趋复杂的设备或多重故障的情况,会导致不准确甚至错误的诊断结果。当用其他单参数方法,如振动和温度等情况时,也存在同样的问题,所以单参数的诊断方法存在固有的局限性[“智能诊断方法基于模糊理论和可能性理论的方法目前用于智能故障诊断的模糊技术主要有两种!”J,一种是基于模糊关系及逻辑运算的诊断方法,另一种是基于模糊理论的知识处理诊断方法可能性理论是Zadeh在其模糊集理论的基础上提出的另一种不确定性推理的方法〔13],文献「14]针对柴油机的磨损故障,建立了能够处理润滑油光谱分析数据的可能性线性模型,进而利用模糊线性规划方法对磨损状态进行识别,得到了比以往方法较好的效果。文献[15]将可能性理论应用于模糊专家系统中,用可能性分布来表示不确定和模糊知识,使得在智能系统中进行模糊推理时,得到比概率方法更好的结果专家系统的方法基于专家系统的诊断方法具有诊断过程简单和快速等优点,该方法主要应用的是反演推理,因而不是一种能确保唯一性的推理方法。它存在着如何有效获取知识的瓶颈,并且只能利用专家提供的“规则”

  形式的信息进行故障诊断,通常仅能诊断单个故障,难以诊断多重故障I’“〕在许多专家系统的知识库中,大都采用产生式系统这种典型结构。但是,产生式系统也存在不足,如计算机在执行规则时会形成死循环,即由数个规则的前提和结论形成一个循环链,最后由末尾规则的结果子句推出起始规则的前提部分。近年来出现的条件事件代数在确保规则概率与条件概率相容的情况下,克服了传统谓词逻辑在推理过程中的局限性‘'

  神经网络的方法神经网络用于设备故障诊断是近几十年迅速发展起来的一个新的研究领域。其不足之处是问题的解决要依赖于神经网络结构的选择,而训练过度或不足、较慢的收敛速度等原因都可能影响诊断的效果「’”,;定性的或是语言化的信息不仅无法在神经网络中直接使用或嵌人,而且难以用训练好的神经网络的输人输出映射关系来解释实际意义的故障诊断规则基于信息融合的方法基于信息融合的故障综合诊断也是当前故障诊断技术发展中一个重要方面,已引起国内外学者的高度重视[I“-19]. Rangwala]zo]等运用人工神经网络方法研究了智能工具状态监测问题,赵方[}zl」运用多技术信息融合研究了油液分析中的特征描述与监测问题,梁建成四研究了神经网络与模式识别,在传感器融合技术的理论方法及其在铣刀磨损定量监测和破损中的应用,邱静[[23-24]研究了柔性加工系统多传感器与方法的模糊融合监测模型与方法。2.2.5综合诊断与容错的诊断方法故障综合诊断是对疑难故障进行诊断和处理的有效方法,是故障诊断领域的一个新的发展方向。到目前为止,故障的综合诊断与处理间题远没有形成一个体系完整、技术方法有效、外延和内涵明确的专「1的研究领域。综合诊断在工业上,尤其是在矿井提升机等大型机械故障诊断中的应用是现实的,有广阔的前景容错控制是指当控制系统中某些部件(如传感器失效,执行器损坏)发生故障后,系统仍能保证稳定。目前的设计方法主要有硬件冗余和软件冗余方法。硬件冗余方法是通过对主要部件以及容易发生故障的部件甚至整个控制器设置备份,以达到提高系统的容错性能的目的。它包括静态的”硬件冗余“和动态的”硬件冗余“,该技术已经成为提高工程可靠性技术的一种基本方法。容错控制发展至今只有20多年的历史,是一门新兴交叉学科,它与鲁棒控制、故障检测与诊断、自适应控制、智能控制等有密切的联系综上所述,目前的故障诊断方法多是依据特定的故障特征信息类型,对于大型设备的这类复杂系统,单靠某种理论或某种方法很难实现在复杂环境下准确、及时地对设备进行故障诊断。因此,使用新的方法对多种诊断技术的机理进行有效的综合或集成,是一种研究复杂系统故障问题的有效途径总结与展望尽管国内外在旋转机械故障诊断领域进行了大量的研究,但是仍然有许多问题需要解决,其中主要有:①将基于结构和行为的模型应用于大型电路时会出现一些问题,尤其在复杂行为器件的描述方法上仍然是个问题;②结构/行为模型使用的是准确模型,当改变模型的结构时,模型也就不再完整,如何改进这一问题;③模型的问题在于如何使复杂性和完整性相统一;④面对新产品,通用案例的收集是否可行;⑤对诊断信息的收集越来越困难故障诊断技术是一门综合性学科,在基础学科的发展基础上,与当代前沿科学相互融合、取长补短是故障诊断技术的发展方向。将遗传算法、模糊推理、神经网络和专家系统等人工智能领域中的各种方法加以综合利用,有利于克服故障判断中的非此即彼的绝对性,使推理过程与客观实际更加相符,同时也克服了传统的故障诊断专家系统中所存在的知识获取”瓶颈“问题,知识”窄台阶“问题及容易出现的”匹配冲突“、”组合爆炸“及”无穷递归“等问题。将人工智能领域中的各种方法有机结合,可以大大提高故障诊断的水平和效率。因此,基于知识的智能故障诊断技术是故障诊断领域中最为引人注目,且最有发展前途的方向之一,是今后故障诊断领域中的研究热点参考文献郝丽娜,徐心和。粗集神经网络系统在故障诊断中的应用〔J].控制理论与应用,曾黄麟。粗集理论及其应用【M]重庆:重庆大学出版社,韩崇昭,朱洪艳,段战胜。多源信息融合【M].北京:清华大学出版社,
论文网  代写论文  发表论文 职称论文  论文之家 代写工程类论文
         
www.123lww.com

复制地址 】【 收藏 】 【 打印 】 【 关闭 】    

上一页:中药超微粉碎技术研究及应用的现状和思考   下一页:关于旋锻技术的技术发展过程及其应用
 

 关于我们 | 付款方式 | 订制论文 | 发表论文 | 信用说明 | 设为首页 | 加入收藏 | 商务资讯 | 百科知识

所有论文、资料均源于网上的共享资源以及网友原创投稿,所有论文仅免费供网友间相互学习交流之用,请特别注意勿做其他非法用途。
如有侵犯您的版权或其他有损您利益的行为,请联系指出,论文之家会立即进行改正或删除有关内容
 QQ1:314127396 论文网 QQ2:1054506543 论文网

Copyright © 2002-2011  版权所有 All Rights Reserved 湘ICP备11004634号-1