详情

原文传递燃气轮机轴承故障诊断技术研究

论文题名：	燃气轮机轴承故障诊断技术研究
关键词：	燃气轮机;轴承结构;故障诊断;希尔伯特黄变换方法;信号频率;特征属性参数
摘要：	轴承是燃气轮机最主要的部件之一,它的状态的好坏直接影响着燃气轮机的工作状况,轻则造成停机,重则造成重大经济损失或灾难性事故。因此进行轴承的故障诊断是非常有意义的,它可以减少经济损失,给出维修建议,节约财产,避免事故的发生。　　本文分析轴承的结构、故障机理,用希尔伯特黄变换方法(Hilbert-Huang Transform,HHT)对轴承故障原始信号进行研究,引入基于方差能量的信号相关系数计算方法,减少了后续计算量,提高信号处理速度,对贡献率比较大的几个分量进行Hilbert变换,可以确定信号频率的组成成分,判别轴承发生了何种类型的故障,比小波变换处理同种信号时有自适应优势和更广泛的适用性。进一步研究某未知燃气轮机机轴承等级数据时,发现:不同的滤波频率会影响结果的直观性,但不影响包络谱等级的直观表示和故障判别;峭度系数是体现轴承振动等级的一个重要因素,包络分析能有效地增大这种等级差距。该方法比较适合分析未知信号的组成成分,为分析未知故障提供了一种思路。　　从轴承原始信号出发,提取轴承13个特征属性参数,把这些属性参数作为训练、诊断样本,采用不同的方法对轴承进行诊断,结果表明:SVM在小样本情况下具有良好的分类性能,但是不能有效区分同种类型的等级故障;改进的SVM即PSO-SVM是利用粒子群理论对核函数参数进行寻优,提高了诊断准确率,在对轴承等级故障分类时效果不够明显;提出的PCA(Principle Component Analysis)与PSO-SVM相结合的故障诊断方法较好的解决了轴承故障等级分类识别率低的问题,能有效的判别出轴承部位发生的故障类型及故障等级,诊断更加精细化;在PCA的基础上把核主元素分析(Kernel Principle Component Analysis,KPCA)方法用到轴承的故障诊断上来,能较好的处理轴承非线性信号,判别出轴承发生的故障,网络系统稳定。
作者：	王强
专业：	轮机工程
导师：	谢春玲
授予学位：	硕士
授予学位单位：	哈尔滨工程大学
学位年度：	2013
正文语种：	中文