舰用燃气轮机某关键部件故障诊断方法研究毕业论文(编辑修改稿)

舰用燃气轮机某关键部件故障诊断方法研究毕业论文(编辑修改稿)内容摘要：

到极大发展。 2020 年卜凯旗在《在燃气轮机发电机组的振动信号监测与分析系统》一文中研发了一套燃气轮机振动监测、故障诊断系统 ,该系统通过振动数据采集、分析，机组运行中出现的异常情况可以及时地被反映出来，并通过专家诊断系统采用多种数据分析方法互为补充，从而获得较好的故障诊断结果。 并提出有效建议供现场的技术人员参考，可随时了解机组的运行情况，经过验证此系统不仅保证了安全生产，同时也取得了良好的经济效益。 在 2020 年《模糊神经网络在燃气轮机故障诊断专家系统中的研究与应用》陈旸等提出了针对故障诊断专家系统中自学习能力弱和不能描述模糊性知识的问题 ,提出了一种将模糊神经网络运用于故障诊断专家系统的研究方法 ,既可以使故障诊断专家系统根据事例和数据来学习新的知识和信息 ,又增强了系统描述模糊性知识的能力 ,使得诊断结果更加符合诊断工作人员的需要。 最后以某型燃气轮机为研究对象 ,实现了快速、准确地诊断。 沈阳航空航天大学北方科技学院毕业设计（论文） 5 2020 年上海交通大字的夏迪针对 PG917E 型单轴发电燃气轮机，提出丁基十非线性模型的全断方法，采用无约束的优化方法优化模型输出值 与实际测量值的偏差，结果表明该方法精度较高，收敛性好，达到工程应用的目的。 基于此方法又开发了燃气轮机故障诊断系统软件，该软件由数据采集和数据传输、燃气轮机性能仿真、传感器故障诊断、热参数状态检测与气路诊断以及数据库组成，根据采集到的燃气轮机热参数，利用该软件可以实现对燃气轮机部件实时性能监测和故障诊断。 近年来，随着燃气轮机故障诊断技术的发展，故障预测与健康管理 (Prognostic andHealth Management / Monitoring, PHM)系统获得了广泛的关注，以达到对燃气轮机的健康 进行管理、故障预测、以及寿命预估的目的。 研究内容 燃气轮机是一类结构复杂、工作环境特殊的大型系统，故障类型具有多模式、多发性、突发性的特点，且一旦发生故障，危害性极大。 因此，设计有效的故障诊断方法对燃气轮机进行故障诊断尤为重要。 本文意在于将 BP 神经网络和模糊神经的方法引入到滚动轴承故障诊断这一方面，将为轴承故障诊断技术提供一种方法，以期由此来提高轴承故障诊断的效率。 如何从复杂的轴承故障参数中选取合适的故障参数，如何由故障特征确定对应的故障类型，如何实现神经网络故障诊断系统并通过仿真测试是本文研 究的主要内容。 第 2 章：介绍总体方案设计，并且阐述分析轴承的基本结构和原理，以及如何采集本次实验所需的轴承参数。 第 3 章：系统地介绍了 BP 神经网络和 ANFIS 模糊神经网络的原理、结构、学习过程，选用合适的算法以使得其能够更加适合于滚动轴承故障诊断系统的应用。 第 4 章：采用已经获得的故障参数，构建合理的 BP 神经网络并确定其结构，对诊断输出结果采取了判别区间的再处理。 利用我们采集的实测数据，分别构造了基于轴承振动参数的正常及故障状态的训练样本，在 MATLAB 环境中对构建的 BP 神经网络进行训练和测试，验证了故 障诊断系统对滚动轴承不同状态进行识别的有效性。 第 5 章： 论述 基于自 适应模糊神经网络（ ANFIS）故障诊断器的设计及其诊断结果。 沈阳航空航天大学北方科技学院毕业设计（论文） 6 第 6 章： 对以上 两种 神经网络故障诊断器的诊断结果进行对比分析。 沈阳航空航天大学北方科技学院毕业设计（论文） 7 2 燃气轮机关键部件故障诊断的总体方案设计 本毕业设计以燃气轮机的滚动轴承为具体研究对象，开展轴承系统故障诊断方法研究，设计故障诊断算法，构建故障诊断模型，最终实现燃气轮机轴承故障诊断的效能。 滚动轴承故障的总体方案设计 燃气轮机轴承系统智能故障诊断技术进行总体方案设计如图 所示，主要由信息采集模块、 数据预处理模块、 BP 神经网络 故障和模糊神经网络诊断模块构成。 燃气轮机轴承系统数据采集与预处理故 障 诊 断 模 型 /算 法B P 神 经 网 络传感器系统故障诊断结果模 糊 神 经 网 络 图 燃气轮机轴承系统故障诊断方法研究方案 本文以某型燃气轮机滚动轴承为研究对象，通过对滚动轴承运行状态类型分析，将滚动轴承的状态类型分为正常状态、故障状态类型。 燃气轮机轴承系统在工作时通过传感器采集其 工作过程中的各项参数数据，由于数据信息量较大，有些数据并不适合作为故障诊断的参考数据，所以需要对传感器采集到的数据进行处理，如滤波，筛选，整形等等。 在此基础上，将提取到的 参数作为BP 神经网络和模糊神经网络的输入进行建模，采用所建立的 BP 神经网络和模糊神经 进行 仿真实验 ，最终 ， 得到故障诊断结果。 滚动轴承机理及故障类型 滚动轴承在旋转过程中难免会产生振动，当滚动轴承存在缺陷时，其振动将呈沈阳航空航天大学北方科技学院毕业设计（论文） 8 现出一定的特征，测量的振动信号作为滚动轴承故障的信息载体，具有适用性强、效果好、测取简单的特点，根据所监测频带的不 同，可将滚动轴承缺陷的振动信号划分为低频诊断和高频诊断，其中低频诊断主要是针对滚动轴承中各元件缺陷的旋转特征频率进行的。 而高频诊断则着眼于滚动轴承因存在缺陷时所激发的各元件的固有频率振动。 它们在原理上没有太大的区别，都要通过频谱分析等手段，找出不同元件 (内圈、外圈、滚动体等 )的缺陷特征频率，以此判断滚动轴承的缺陷部位及其严重程度。 本章主要讨论滚动轴承的振动机理、故障类型及其对应的振动特征、损伤类故障模型等。 滚动轴承基本结构 滚动轴承是由外圈、内圈、滚动体和保持架等元件组成的。 内圈、外圈分别与 轴颈及轴承座孔装配在一起。 在大多数情况下外圈不动，而内圈随轴回转。 滚动体是滚动轴承的核心元件，它使相对运动表面间的滑动摩擦变为滚动摩擦。 滚动体的形式有球形、圆形、锥柱形和鼓形等。 滚动体可在内、外圈滚道上进行滚动。 图 为滚动轴承结构图。 图 图 22 所示滚动轴承示意图中的符号意义为 : D —— 轴承节圆直径。 d 一一滚动体 直径。 沈阳航空航天大学北方科技学院毕业设计（论文） 9 1r 一一内环滚道的半径。 2r 一一外环滚道的半径。 a —— 接触角。 滚动轴承故障类型 滚动轴承不同类型的故障会引起轴承系统不同性质的特征振动，按照振动信号的不同，滚动轴承故障可以划分为如图 所示的形式。 轴承构造 不同轴 滚动轴承 故障 工件面波纹 外圈损伤 内圈损伤 表面损伤 滚体损伤 保持架损伤 磨损 偏离准心 图 本文主要以损伤类故障内为题，表面损伤滚动轴承最常见的一种故障形式，常表现 为元件表面疲劳剥落、压痕、裂纹、烧伤、划伤等。 当轴承存在局部损伤时，损伤沈阳航空航天大学北方科技学院毕业设计（论文） 10 点通过轴承元件表面时要产生突变的冲击脉冲力，该脉冲力是一个宽带信号，所以必然覆盖轴承系统的高频固有振动频率而引起谐振，从而产生冲击振动。 由于滚动轴承的匀速回转，使冲击具有周期性。 对发生在不同位置的损伤，冲击具有不同的频率。 通常称为特征频率，频率不同故障也就不同。 滚动轴承参数选取及处理 轴承振动数据的获取来源于轴承实际运转时的数据，通过适宜地选取参数和在实验装置运行时正确地记录数据，保证数据能够真实准确地反映轴承的运行状态，利于后面的分析计算，用加速度传感器采集振动信号，胶合在滚动轴承的外圈上。 整个实验如图 ，分以下四个部分。 轴 承加 速 度 传感 器数 据 采 集系 统轴 承 故 障诊 断 系 统 图 （ 1）轴承 :这里所使用的轴承包括了正常的和有故障的轴承，实验系统运行时，所获取的数据就相应地代表轴承状态。 （ 2）加速度传感器 :用于获取振动信号，加速度传感器的输出与被测物体振动的加速度成正比。 与位移传感器或速度传感器相比，加速度传感器频率响应范围更宽，能够获得更多的频率成分 信号。 且加速度传感器承受负载能力更强，机械性能更好。 (3) 数据采集系统 :通过传感器将信号经过数据采集卡，采集得到滚动轴承的各种状态振动数据，测得的加速度信号是模拟信号，要输入计算机必须进行 A/D 转换。 传感器数据经 16 位 A/D 板处理后存入计算机中，数据文件为 Matlab 文件格式。 (4) 轴承故障诊断系统将在后续章节中介绍。 作为本文采用 BP 神经网络和模糊神经网络诊断滚动轴承故障的关键的工作之一即为在采集滚动轴承的振动信号的时域或频域参数中，如何选取合适的故障特征参数用作神经网络的输入。 故 障只能作为物理参数表现出来，只要滚动轴承的状态发生了变化 (即有故障产沈阳航空航天大学北方科技学院毕业设计（论文） 11 生 )，就必定会影响到与之相联系的各个物理参数的变化；而故障类型与各物理参数的关系强弱是我们最感兴趣的问题，因为只有那些与某种故障类型之间的关系密切、对故障灵敏可靠的物理参数才被用于滚动轴承的故障诊断。 这些对故障灵敏、稳定可靠的物理参数正是我们要选择的滚动轴承的故障特征参数。 由于轴承的振动信号是多种引起振动因素共同作用的结果，是没有确定变化规律的随机信号，所以不能用确切的数学关系式来描述这种信号。 但随机信号有其重要特征，即在相同条件下重复 实验，虽然每次实验的结果可能不一样，但是如果进行大量重复实验，其结果就会出现某种统计规律性。 均值、均方根值、峰值、波形因子、脉冲因子、峰值因数、裕度因子、峭度等，均是统计分析参数。 这些时域的统计特征参数的共同特点是 :对滚动轴承的缺陷足够敏感对信号的幅值和频率不敏感，即与机器的运行工况无关，只依赖于信号的幅值概率密度函数。 这些特征参数的变化，能较好地反应出滚动轴承的故障的存在。 我们要做的数据处理就上从上述多次测量后的振动信号参数选取我们所需的统计分析参数，作为 BP 神经网络和模糊神经输入层神经元个数。 在此我们 定义了六个参数。 ① 均值： ni im xnX 11 () 均值 mX 表示随机过程的中心趋势，随机过程都是围绕着它聚集和波是随机过程的静态分量。 均值用于滚动轴承缺陷诊断的优点是检测值较峰值稳定。 ② 峭度： 41 4rmsni ir nxxK  （ ） 峭度是不够敏感的低阶矩与较敏感的高阶矩之间的一个折中特征量，如果滚动轴承出现缺陷都可能引起相当大的脉冲度，用峭度作为滚动轴承缺陷特征参数是有效的。 ③ 峰值因子： rmspeak xxC （ ） 峰值因数表示波形是否有冲击的指标，峰值因数不受振动信号的绝对水平所影沈阳航空航天大学北方科技学院毕业设计（论文） 12 响，所以传感器的灵敏度即 使有变动，也不会出现测量误差。 ④ 脉冲因子： mrmsb xxS  （ ） 脉冲因子为均方根值与绝对均值之比陷比较敏感，特别是当出现早期缺陷时，它有明显增加。 陷的逐渐发展，反而会下降。 脉冲因子对于冲击脉冲类缺当上升到一定程度后，随着缺陷的发展，反而会下降。 ⑤ 波形因子： mpeako xxQ  （ ） 波形系数为峰值与绝对均值之比。 当波形系数值过大时，表明滚动轴承可能有点蚀。 当波形系数过小时，表明滚动轴承可能发生磨损。 波形系数也是用于滚动轴承简易诊断的有效指标之一。 ⑥ 裕度因子： dpeakt xxL  （ ） 其中 211  ni id xnX，  ni ir m smj pjp e a k xnxxmx 1211,1。 本文将采用 BP 人工神经网络和模糊神经网络对滚动轴承缺陷进行识别，利用滚动轴承振动信号的时域特征参数和频域特征参数作为神经网络的输入，网络经过训练和测试后，即可由己知的数据，判断出轴承正常与否。 沈阳航空航天大学北方科技学院毕业设计（论。