项目名称: 无键相和压力信号条件下往复压缩机示功图故障特征提取方法研究

项目编号: No.51505079

项目类型: 青年科学基金项目

立项/批准年度: 2016

项目学科: 机械、仪表工业

项目作者: 唐友福

作者单位: 东北石油大学

项目金额: 20万元

中文摘要: 示功图分析是往复压缩机状态评估与故障诊断的重要手段,目前直接通过测量键相和压力信号来提取示功图的方法无法保证设备安全性和可靠性的要求。利用表面振动信号与状态信息的相关性估计相位和压力信息,是一种间接提取示功图的有效途径。但是,对于往复压缩机多源冲击振动信号,表现出强烈的非平稳、非线性及非高斯等复杂特性,使状态信息的提取变得十分困难。本项目从冲击信号瞬时频率的本质内涵入手,以时频分析技术为手段,通过多个振动信号的特征融合,提出曲轴瞬时转速和瞬时相位的自适应估计方法,系统研究表面振动信号与缸内压力脉动的内在相关性,建立两者之间的非线性映射模型以重构压力信息,并进一步探索往复压缩机间接示功图故障特征规律,揭示传统振动分析方法无法表述的故障信息,以提高往复压缩机故障诊断的准确性。通过本项研究,可为往复机械的状态评估与故障诊断奠定理论基础,具有重要的学术研究意义和工程应用价值。

中文关键词: 示功图;多源冲击;特征提取;往复压缩机;故障诊断

英文摘要: Indicator diagram analysis is an important method about condition assessment and fault diagnosis for reciprocating compressor. Now the way of directly measuring key-phase and pressure signal cannot meet the requirements of machinery safety and reliability. Estimating the phase and pressure by the correlation of surface vibration signal and status information is an effective way to extract the indicator diagram indirectly. But the multi-source impact vibration signal of reciprocating compressor unit is characterized by strong non-stationarity, nonlinearity and non-Gaussian features, making it difficult to extract the status information. This project, from the essential connotation of shock signal instantaneous frequency, by means of time-frequency analysis technique, puts forward the adaptive estimation method of bent axle instantaneous speed and instantaneous phase through the feature fusion of multiple vibration signals; it systematically researches the inner correlation of surface vibration signal and in-cylinder pressure fluctuation, builds the nonlinear mapping model between the two to reconstruct the pressure information, and further explores the fault feature law of reciprocating compressor indirect indicator diagram, reveals the fault information that traditional vibration analysis method can't describe, in order to improve the accuracy of fault diagnosis for the reciprocating compressor unit. Those methods developed in this project could form a solid foundation for the condition assessment and fault diagnosis of reciprocating machinery, dynamic behaviour assessment of precise transmission chains.

英文关键词: Indicator diagram;multi-source impact;feature extraction;reciprocating compressor;fault diagnosis

成为VIP会员查看完整内容
0

相关内容

专知会员服务
97+阅读 · 2021年6月23日
基于生理信号的情感计算研究综述
专知会员服务
61+阅读 · 2021年2月9日
专知会员服务
103+阅读 · 2020年11月27日
专知会员服务
219+阅读 · 2020年8月1日
【KDD2020】自适应多通道图卷积神经网络
专知会员服务
119+阅读 · 2020年7月9日
最新《生成式对抗网络》简介,25页ppt
专知会员服务
173+阅读 · 2020年6月28日
【新书册】贝叶斯神经网络,41页pdf
专知会员服务
177+阅读 · 2020年6月3日
苹果这次哪款新品让你心动了?
ZEALER订阅号
0+阅读 · 2022年3月9日
你的哪类电子产品换新频率最高?
ZEALER订阅号
0+阅读 · 2022年1月11日
基于规则的建模方法的可解释性及其发展
专知
4+阅读 · 2021年6月23日
【学科发展报告】无人船
中国自动化学会
26+阅读 · 2019年1月8日
人工智能在设备状态评价和故障诊断中的应用
NE电气
23+阅读 · 2018年11月17日
【工业智能】风机齿轮箱故障诊断 — 基于振动信号
已删除
将门创投
12+阅读 · 2018年6月25日
【工业智能】电网故障诊断的智能技术
产业智能官
34+阅读 · 2018年5月28日
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
3+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Table Enrichment System for Machine Learning
Arxiv
0+阅读 · 2022年4月18日
Risk and optimal policies in bandit experiments
Arxiv
0+阅读 · 2022年4月18日
小贴士
相关主题
相关VIP内容
专知会员服务
97+阅读 · 2021年6月23日
基于生理信号的情感计算研究综述
专知会员服务
61+阅读 · 2021年2月9日
专知会员服务
103+阅读 · 2020年11月27日
专知会员服务
219+阅读 · 2020年8月1日
【KDD2020】自适应多通道图卷积神经网络
专知会员服务
119+阅读 · 2020年7月9日
最新《生成式对抗网络》简介,25页ppt
专知会员服务
173+阅读 · 2020年6月28日
【新书册】贝叶斯神经网络,41页pdf
专知会员服务
177+阅读 · 2020年6月3日
相关资讯
苹果这次哪款新品让你心动了?
ZEALER订阅号
0+阅读 · 2022年3月9日
你的哪类电子产品换新频率最高?
ZEALER订阅号
0+阅读 · 2022年1月11日
基于规则的建模方法的可解释性及其发展
专知
4+阅读 · 2021年6月23日
【学科发展报告】无人船
中国自动化学会
26+阅读 · 2019年1月8日
人工智能在设备状态评价和故障诊断中的应用
NE电气
23+阅读 · 2018年11月17日
【工业智能】风机齿轮箱故障诊断 — 基于振动信号
已删除
将门创投
12+阅读 · 2018年6月25日
【工业智能】电网故障诊断的智能技术
产业智能官
34+阅读 · 2018年5月28日
相关基金
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
3+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员