掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
公路車寶典(ZINN的公路車維修與保養秘籍)
-
>
晶體管電路設計(下)
-
>
基于個性化設計策略的智能交通系統關鍵技術
-
>
花樣百出:貴州少數民族圖案填色
-
>
山東教育出版社有限公司技術轉移與技術創新歷史叢書中國高等技術教育的蘇化(1949—1961)以北京地區為中心
-
>
鐵路機車概要.交流傳動內燃.電力機車
-
>
利維坦的道德困境:早期現代政治哲學的問題與脈絡
轉子系統載荷辨識理論與方法 版權信息
- ISBN：9787030689054
- 條形碼：9787030689054 ; 978-7-03-068905-4
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
轉子系統載荷辨識理論與方法 內容簡介
本書通過研制的轉子系統載荷辨識試驗臺，完成了大量試驗研究，獲取了涵蓋多種載荷激勵狀態的豐富原始數據，在此基礎上深入研究了轉子系統所受載荷的辨識方法。為轉子系統的載荷辨識研究提供多種方法與思路，為機械裝備轉子系統動力學設計、運行監測、載荷辨識與故障診斷提供了理論依據和試驗支持。主要內容包括：轉子系統動力學建模與仿真、基于振動信息的轉子系統載荷辨識方法、基于電機電流信息的轉子系統載荷辨識方法、基于融合信息的轉子系統載荷辨識方法、轉子系統試驗臺的搭建與試驗。本書可作為普通高等院校機械、電氣、礦山等專業的教學用書，畢業設計指導書；也可供相關領域科研人員、工程技術人員、研究生和高年級本科生使用和參考。
轉子系統載荷辨識理論與方法 目錄
目錄
前言
第1章 緒論 1
1.1 引言 1
1.2 研究的目的及意義 2
1.3 國內外研究動態 3
1.3.1 信息分析方法 3
1.3.2 轉子系統載荷辨識方法 10
1.3.3 振動與電機電流信號監測技術 13
1.4 主要研究內容 15
1.5 技術路線 16
1.6 小結 17
第2章 轉子系統動力學建模與仿真 18
2.1 引言 18
2.2 載荷激勵下轉子系統動力學模型建立 18
2.2.1 彎扭耦合動力學模型 18
2.2.2 機電耦合動力學模型 24
2.3 載荷激勵下轉子系統振動特性仿真 31
2.3.1 Simulink仿真模型 31
2.3.2 沖擊載荷激勵下的振動特性 33
2.3.3 穩態載荷激勵下的振動特性 35
2.3.4 線性載荷激勵下的振動特性 38
2.3.5 簡諧載荷激勵下的振動特性 41
2.3.6 暫態載荷激勵下的振動特性 43
2.4 載荷激勵下轉子系統電機電流特性仿真 46
2.4.1 Simulink仿真模型 46
2.4.2 沖擊載荷激勵下的電流特性 47
2.4.3 穩態載荷激勵下的電流特性 48
2.4.4 線性載荷激勵下的電流特性 49
2.4.5 簡諧載荷激勵下的電流特性 50
2.4.6 暫態載荷激勵下的電流特性 51
2.5 小結 53
第3章 基于振動信息的轉子系統載荷辨識方法 54
3.1 引言 54
3.2 振動信息強化處理方法 54
3.2.1 振動信息的EEMD 54
3.2.2 IMF振動信息的能量特征提取 65
3.3 載荷定性辨識方法 66
3.3.1 BPNN分類篩選方法 67
3.3.2 載荷辨識結果 70
3.4 載荷定量辨識方法 74
3.4.1 ELM回歸擬合方法 74
3.4.2 載荷辨識結果 76
3.5 小結 85
第4章 基于電機電流信息的轉子系統載荷辨識方法 86
4.1 引言 86
4.2 電流信息強化處理方法 86
4.2.1 快速傅里葉變換 86
4.2.2 奇異值分解 87
4.2.3 小波包能量特征提取 89
4.2.4 希爾伯特模量的頻譜分析 91
4.3 載荷定性辨識方法 92
4.3.1 LVQNN分類篩選方法 92
4.3.2 載荷辨識結果 94
4.4 載荷定量辨識方法 95
4.4.1 GRNN數據預測方法 95
4.4.2 載荷辨識結果 97
4.5 小結 101
第5章 基于融合信息的轉子系統載荷辨識方法 103
5.1 引言 103
5.2 理論與方法 103
5.2.1 融合信息方法 103
5.2.2 貝葉斯估計方法 104
5.2.3 SVMR方法 105
5.3 載荷定性辨識 108
5.3.1 確定特征屬性 108
5.3.2 貝葉斯估計 109
5.3.3 載荷辨識結果 110
5.4 載荷定量辨識 111
5.4.1 模型構建 111
5.4.2 關鍵參數優化 112
5.4.3 載荷辨識結果 114
5.5 小結 115
第6章 轉子系統載荷辨識試驗 116
6.1 引言 116
6.2 載荷辨識試驗臺搭建 116
6.2.1 試驗臺結構設計 116
6.2.2 試驗臺控制系統設計 119
6.2.3 試驗臺測試系統設計 122
6.2.4 試驗方案設計 126
6.3 中速轉子系統載荷辨識試驗 127
6.3.1 試驗內容 127
6.3.2 試驗過程 128
6.4 低速轉子系統載荷辨識試驗 129
6.4.1 試驗內容 129
6.4.2 試驗過程 132
6.5 試驗結果對比分析 132
6.5.1 試驗臺調試 132
6.5.2 試驗實測信號 134
6.5.3 載荷定性辨識結果與試驗值的對比分析 137
6.5.4 載荷定量辨識結果與試驗值的對比分析 137
6.5.5 載荷定性辨識方法的對比分析 138
6.5.6 載荷定量辨識方法的對比分析 139
6.6 小結 139
參考文獻 141
前言
第1章 緒論 1
1.1 引言 1
1.2 研究的目的及意義 2
1.3 國內外研究動態 3
1.3.1 信息分析方法 3
1.3.2 轉子系統載荷辨識方法 10
1.3.3 振動與電機電流信號監測技術 13
1.4 主要研究內容 15
1.5 技術路線 16
1.6 小結 17
第2章 轉子系統動力學建模與仿真 18
2.1 引言 18
2.2 載荷激勵下轉子系統動力學模型建立 18
2.2.1 彎扭耦合動力學模型 18
2.2.2 機電耦合動力學模型 24
2.3 載荷激勵下轉子系統振動特性仿真 31
2.3.1 Simulink仿真模型 31
2.3.2 沖擊載荷激勵下的振動特性 33
2.3.3 穩態載荷激勵下的振動特性 35
2.3.4 線性載荷激勵下的振動特性 38
2.3.5 簡諧載荷激勵下的振動特性 41
2.3.6 暫態載荷激勵下的振動特性 43
2.4 載荷激勵下轉子系統電機電流特性仿真 46
2.4.1 Simulink仿真模型 46
2.4.2 沖擊載荷激勵下的電流特性 47
2.4.3 穩態載荷激勵下的電流特性 48
2.4.4 線性載荷激勵下的電流特性 49
2.4.5 簡諧載荷激勵下的電流特性 50
2.4.6 暫態載荷激勵下的電流特性 51
2.5 小結 53
第3章 基于振動信息的轉子系統載荷辨識方法 54
3.1 引言 54
3.2 振動信息強化處理方法 54
3.2.1 振動信息的EEMD 54
3.2.2 IMF振動信息的能量特征提取 65
3.3 載荷定性辨識方法 66
3.3.1 BPNN分類篩選方法 67
3.3.2 載荷辨識結果 70
3.4 載荷定量辨識方法 74
3.4.1 ELM回歸擬合方法 74
3.4.2 載荷辨識結果 76
3.5 小結 85
第4章 基于電機電流信息的轉子系統載荷辨識方法 86
4.1 引言 86
4.2 電流信息強化處理方法 86
4.2.1 快速傅里葉變換 86
4.2.2 奇異值分解 87
4.2.3 小波包能量特征提取 89
4.2.4 希爾伯特模量的頻譜分析 91
4.3 載荷定性辨識方法 92
4.3.1 LVQNN分類篩選方法 92
4.3.2 載荷辨識結果 94
4.4 載荷定量辨識方法 95
4.4.1 GRNN數據預測方法 95
4.4.2 載荷辨識結果 97
4.5 小結 101
第5章 基于融合信息的轉子系統載荷辨識方法 103
5.1 引言 103
5.2 理論與方法 103
5.2.1 融合信息方法 103
5.2.2 貝葉斯估計方法 104
5.2.3 SVMR方法 105
5.3 載荷定性辨識 108
5.3.1 確定特征屬性 108
5.3.2 貝葉斯估計 109
5.3.3 載荷辨識結果 110
5.4 載荷定量辨識 111
5.4.1 模型構建 111
5.4.2 關鍵參數優化 112
5.4.3 載荷辨識結果 114
5.5 小結 115
第6章 轉子系統載荷辨識試驗 116
6.1 引言 116
6.2 載荷辨識試驗臺搭建 116
6.2.1 試驗臺結構設計 116
6.2.2 試驗臺控制系統設計 119
6.2.3 試驗臺測試系統設計 122
6.2.4 試驗方案設計 126
6.3 中速轉子系統載荷辨識試驗 127
6.3.1 試驗內容 127
6.3.2 試驗過程 128
6.4 低速轉子系統載荷辨識試驗 129
6.4.1 試驗內容 129
6.4.2 試驗過程 132
6.5 試驗結果對比分析 132
6.5.1 試驗臺調試 132
6.5.2 試驗實測信號 134
6.5.3 載荷定性辨識結果與試驗值的對比分析 137
6.5.4 載荷定量辨識結果與試驗值的對比分析 137
6.5.5 載荷定性辨識方法的對比分析 138
6.5.6 載荷定量辨識方法的對比分析 139
6.6 小結 139
參考文獻 141
展開全部
轉子系統載荷辨識理論與方法 節選
第1章 緒論 隨著計算機與互聯網技術的興起，科學技術獲得了長足發展，機械行業也向著自動化方向發展，其中*常見的旋轉機械亦是如此。旋轉機械的關鍵組成部分——轉子系統，在整個機械裝置運行過程中要達到可靠、穩定運行，需要達到更高的要求。此外，許多旋轉機械設備結構復雜，轉子系統所受外載荷類型多樣，使得轉子系統載荷研究變得更加困難。 隨著國內外專家、學者圍繞轉子系統開展大量的探索與研究，人們越發認識到，辨識與監測轉子系統所受載荷、分析與診斷轉子系統的運行狀態是保障機械設備正常工作的重要手段，可為企業帶來經濟效益與現實價值。 1.1 引言 在機械工程領域，轉子系統的應用廣泛而深遠。特別是應用在重要機械裝備，如發電機、電力供配電設備、采煤機械、礦井機械、掘進機械、離心式壓縮機、制冷設備等上的轉子系統，一旦發生故障尤其是災難性故障，將帶來嚴重的損失與后果。例如，許多高產能企業的重要壓縮機設備往往要求連續運轉，且面臨的工況復雜，對其進行安全運行監測及故障早期預警就顯得特別關鍵，若遭遇事故，必將引發嚴重后果與連鎖損失。此類教訓有許多，如美國TVA Gallatin電站、華能陜西秦嶺發電有限公司、金陵石油化工公司棲霞山化肥廠等高產能企業就遭遇過因關鍵設備轉子損壞帶來的高額損失[1-4]；在湖南、新疆等地的礦業公司發生過提升設備轉子系統事故[5]，直接導致幾十人傷亡的惡性后果。一些設備需要頻繁啟動與關閉運行的模式，易導致轉子系統發生裂紋故障：在外載荷頻繁擾動下，轉子響應信息會出現新特征，導致轉子一方面沿著圓周方向出現裂紋，另一方面局部出現較深的裂紋。故障還會加劇系統自身所受載荷的變化，造成受載的多樣性與復雜性。因此，轉子系統所處地位與作用均十分突出與關鍵，有效保障其正常工作運轉，科學避免事故的發生，會給國家和企業帶來可觀的社會效益與經濟效益。工程中還會因為零部件設計、制造及安裝的誤差，使轉子系統在工作期間發生多種受載情況。當然，更多的時候設備面臨的現狀是疲勞運行或存在潛在的故障隱患。這些旋轉機械的工況與結構越來越復雜，正常運行的監測與保障問題越來越突出。因此，設備故障診斷時，*好能清晰地掌握轉子系統的實際受載狀況。 1.2 研究的目的及意義 機械轉子系統在壓縮機組、發電機組、電牽引采煤機、掘進機、礦井提升機與運輸機等裝備上都有應用，與這些裝備研制相關的部門與企業往往都屬于關系到國家經濟命脈的重點行業。 1. 現實意義 轉子系統的共同特點是：結構形式越來越復雜、安全問題越來越突出；所承受載荷與驅動電機功率多樣化、影響載荷變化的因素也越來越多，且有些因素尚未探明。轉子系統在運行過程中常會承受不同類型的載荷，例如，旋轉機械起停機時承受的沖擊載荷；平穩運行時承受的穩態載荷；發生不對中與不平衡故障時承受的簡諧載荷；軋機往復軋制時，其軋輥系統承受的暫態載荷；纏繞式提升機運行過程中因提升鋼絲繩重量變化導致主軸轉子系統承受的線性載荷等。國內外學者圍繞不同載荷類型進行相關研究，例如，Hou等[6]對簡諧載荷下一種杜芬式轉子模型的非線性響應和分岔進行了分析。Bessam等[7]利用神經網絡研究了感應電機低負荷時的轉子斷條故障。Husband[8]針對典型渦扇發動機進行了徑向沖擊載荷下的振動響應分析。李震等[9]以軸-軸承系統為研究對象，分別研究了沖擊載荷、簡諧載荷、旋轉載荷激勵下系統的共振現象。 載荷辨識是已知系統響應和系統特性反推出系統的激勵，是動力學的第二類反問題[10]。在實際情況中，確定載荷的方法有兩種：直接測定法和載荷辨識法[11]。對當前載荷采用直接測定手段獲取載荷量值時，會受各種現場條件限制；若無法直接獲取，則只能通過動載荷作用下的動態響應進行載荷辨識[12]。因此，運轉中轉子系統所受載荷的確定在工程中是一個難點，同時是結構動態設計和運行狀態監測的關鍵之一。轉子系統載荷辨識是較為復雜的系統性問題，必須利用載荷辨識技術來解決[12]。 根據前述工業實際情況，載荷的發展趨勢使得轉子系統安全運行問題日益突出，一旦發生故障尤其是災難性故障，將帶來巨大的經濟損失和人員傷亡事故。本書順應當前學科發展的趨勢和解決生產實踐問題的緊迫需要，開展轉子系統載荷辨識方法研究，揭示載荷辨識的深層因素，這對于轉子系統綜合特性的提升與完善、重大裝備運轉的穩定與安全均發揮著關鍵性作用，能夠衍生可觀的經濟效益和社會效益[13]。 2. 理論價值 通過查閱大量相關文獻，了解該領域的研究現狀與未來發展，可以為開展轉子系統載荷辨識研究提供理論基礎，進而探尋新的學科交叉領域，從新的角度進行研究與詮釋。人工智能技術的發展潛力巨大，但與轉子系統載荷辨識領域的結合鮮有報道，而針對轉子系統載荷特點進行定性與定量辨識的研究也不多見。同時，目前國內外基于電機電流信號分析(motor current signal analysis， MCSA)的轉子系統載荷辨識研究尚鮮見，比較而言，利用電流對電機本身進行故障診斷的研究則相對較多。另外，將電流信號與振動信號進行融合處理后，也可以與轉子系統載荷辨識研究相結合。 因此，這里選擇以此為切入點，在前述工程中轉子系統常見的載荷激勵情形基礎上[6-9]，整合提煉出五種類型的典型載荷，即沖擊載荷、穩態載荷、線性載荷、簡諧載荷和暫態載荷。“沖擊載荷”指外載荷量值在極短時間內變化得非？斓妮d荷；“穩態載荷”指載荷量值不隨時間變化而變化，始終保持穩定狀態的載荷；“線性載荷”指外載荷隨時間變化呈現線性變化規律的載荷；“簡諧載荷”指外載荷隨時間變化呈現簡諧曲線變化規律的載荷；“暫態載荷”指在整個加載周期里，載荷量值在一段時間區域內相對于其他時間區域內發生突變的載荷，這種突變常持續數秒鐘。針對不同類型的外載荷，可分別開展定性與定量辨識。針對載荷的定性辨識，即識別載荷的類型，可以初步掌握轉子系統運行工況，為診斷轉子系統故障類型提供依據；針對載荷的定量辨識，即識別載荷的具體量值，能夠具體評價轉子系統的運行狀態及衡量轉子系統故障的嚴重程度。由此提出研究思路：在振動方法基礎上，將多學科優勢方法如電機電流方法、融合信息(fusion information， FI)方法以及各種具體的人工智能技術，與轉子系統載荷辨識研究相結合，構建新的學科交叉點，圍繞轉子系統載荷定性與定量辨識方法進行研究與探討，并對這些方法進行綜合分析與評價。 綜合以上分析可知，探索“機械轉子系統載荷辨識方法與試驗”具有重要的理論價值與現實意義，可以得到新的轉子系統載荷辨識的實用方法與技術，且具有較好的應用前景。 1.3 國內外研究動態 1.3.1 信息分析方法 1. 基于振動信息 振動信息是機械運轉狀態的重要響應指標，是監測、評價、診斷設備運行情況的有力依據[14]。在工程實際中，實測信號難免會受到各種干擾和噪聲的影響與污染，造成信噪比下降。所以，在數據采集后和后續信息分析前，通常需要對實測信號進行預先處理[15]。振動響應信息分析即基于振動采集獲得的真實性和穩定性較高的數據信息，綜合利用有效的信號分析手段來突顯信號的特征屬性，從而有益于后續的機械狀態評估與診斷[16]。下面主要從頻域、時域和時頻域三方面進行振動信息的動態綜述。 1) 頻域分析 基于頻域的振動信號處理是工程中常見的方式之一。時域信號經傅里葉變換后即頻域信息[17]。機械運行中振動信息的頻率往往能夠反映其工作狀態、故障發生及載荷作用等，即在頻譜中體現出各種頻率量值，而特定頻率的出現往往對應設備的特定工況。所以，通過對這些頻率量值的提取與分析，可以反過來評估機械的運轉情況。 振動信號的頻域分析還有幅值譜、功率譜和Hilbert解調等方法[17]。文獻[17]對各種方法的優劣進行了闡述。很多學者對振動信息頻域進行了研究。例如，Mark等[18]對壓電傳感器所獲信號進行頻域分析，提出了ALR算法并進行了嚙合齒輪輪齒的損傷檢測。Lin等[19]研究了軸扭轉振動信號在頻域中的處理方法，并對常見的集中頻域振動信號處理方法進行了比較。Sharma等[20]對動態時間扭曲后的固有模態函數進行頻域平均，不僅削弱了齒輪箱波動速度的影響，還提取出振動信號中被屏蔽的弱故障特征。柴慶芬等[21]將采集到的時域信號進行變換，并在頻域內進行分析；在分析過程中采用了快速傅里葉變換(fast Fourier transform， FFT)方法，得到的頻譜圖形與真實頻譜極為近似。方新磊等[22]對測得的加速度信號進行預處理，采用基于頻域低通和帶通的頻域積分算法對低頻趨勢項和高頻噪聲進行消除，處理效果較好。 2) 時域分析 機械設備振動信號的時域分析原理簡單，對周期信號敏感，其分析方法主要包括時域波形、相關分析和濾波處理等。它在故障診斷領域應用廣泛，如軸承磨損現象及主軸不平衡故障等[17]。 國內外學者也對此進行了相關研究。例如，Pai等[23]對振動信號進行處理時，在時域范圍內提出共軛對分解方法，并進行信號分解。Nuawi等[24]提出了交替時域分析方法對濾波的振動信號進行統計分析，并獲得疲勞強度曲線擬合方程。Léonard[25]提出了在時域中運用正態概率圖對振動響應進行評估，并根據結構的長度計算出振動響應實際值與正態分布之間的偏差，繼而實現裂紋檢測？椎峦萚26]運用時域法對風力發電機的振動信號進行分析處理，提取信號中的時域特征指標對故障進行診斷。房菁[27]將采集到的初始振動信號進行時域同步平均分析，提高信噪比，提取出有用的周期信號進而開展后續的信號分析。程晶晶等[28]通過振動測試試驗，對由傳感器獲得的加速度信號進行兩次時域積分，并對趨勢項誤差進行處理，實時獲取隨鉆測井儀器的振動情況。 3) 時頻域分析 時頻域方法是將信息的時域特點與頻域特點結合進行研究的一種方法。與前面的兩種方法相比，該方法更適于復雜、非平穩的信號。具體的方法主要有短時傅里葉變換(short-time Fourier transform， STFT)、小波變換(wavelet transformation， WT)和自適應時頻分析等[29]。 (1) 小波變換。 小波分析方法可以同時兼顧信號的低頻與高頻部分，實現時頻窗的可變換性，從而獲得較好的信息分析效果，特別是在機械運行狀態評估方面應用較多例如，Kumar等[30]在估計滾動軸承缺陷尺寸中，基于Symlet小波分解技術處理振動信號，以測量圓錐滾子軸承外圈缺陷寬度。Ahamed等[31]提出了一種從電機起動電流包絡分析中提取低頻振蕩的新方法，通過小波和希爾伯特變換診斷感應電機轉子斷條故障。劉瑾等[32]在旋轉葉片的振動信號分析中采用小波變換對振動信號進行去噪處理。該方法具有較好的去噪效果，在減小振動位移測量誤差方面也有顯著的效果。羅小燕等[33]采用小波分析方法，對球磨機軸承座的振動信號進行了特征提取。張征凱等[34]針對機電液系統實施狀態評判，以系統交流電機電流為研究對象，在獲取特征信號時采用小波變換方法，并證實小波變換作為特征提取方法的有效性。 (2) 自適應時頻分析。 前面提到的小波變換方法也有不足之處，主要體現在：受到Heisenberg定理的制約，并且缺少自適應性。即使對于基函數小波變換，所具備的“自適應”也具有明顯的局限性。與之情況類似的，還有基函數短時傅里葉變換等。真正的自適應時頻分析是從信號能量的角度進行相關分析與研究，從而拓展時頻域的研究緯度，也更適合非線性信息的分析。 經驗模態分解(empirical mode decomposition， EMD)方法是一種自適應的信息分析方法[35]，其信號分辨率高且能自行決定基函數。這一方法對時變信號、非平穩信號的應用效果較突出。例如，Cai等[36]探索故障診斷方法，以系統的振動信號為
書友推薦
- >
我與地壇
- >
李白與唐代文化
- >
中國歷史的瞬間
- >
月亮虎
- >
經典常談
- >
中國人在烏蘇里邊疆區:歷史與人類學概述
- >
名家帶你讀魯迅:故事新編
- >
煙與鏡
本類暢銷
