旋转与往复式机械系统故障特征提取及诊断方法研究

• 作 者: 马新华
• 机 构: 天津工业大学
• 出 处: 天津工业大学
• 发表日期: 2011年期
• 关键词: 风力机叶片 疲劳应力 故障诊断 特征提取 支持向量机

机械设备运行状态的好坏直接影响到机械设备的工作状况。本文基于支持向量机方法构建的风力机叶片和发动机两个模块。　　
模态分析确定了风力机的固有频率和振型，提取风力机叶片的前七固有频率找到相对应的振型，通过振型判断出叶片的根部、距叶尖1/6、1/3、1/2等振型结点处受到的疲劳应力大，确定了叶片的危险截面。　　
从风力机的振动信号中提取其叶片运行状态的动态参数，将其动态参数作为叶片运行状态故障监测与诊断的特征量。计算对应叶片低频特性的功率谱，从中提取对应叶片低频的峰值能量值及计算其变化率。对叶片的正常、故障状态的峰值能量变化率分别建立不同状态的特征向量，用支持向量机分类方法进行故障模式的识别。　　
在发动机不解体的情况下，通过分析发动机的结构和振动信号的传递路径，选择合适的测点进行信号的采集，通过上止点的定位截取整周期的时域信号，按照发动机曲轴转角进行时域信号的划分，对划分后的信号进行幅值能量的计算提取，建立不同故障类型的训练集和测试集，通过支持向量机的方法实现故障模式识别。　　
基于MATLAB的图形化编程，搭建了旋转与往复式机械故障诊断系统。通过对风力机叶片和发动机的数据进行归一化、降维和参数寻优的处理，通过支持向量机的方法实现样本的训练和预测，最后在支持向量机的故障分类界面下实现对不同故障类型的预测。　　
研究结果表明，本文振动信号的采集和故障特征值的提取方法对判别不同故障行之有效，运用支持向量机的方法对风力机叶片和发动机的故障识别具有重要实用价值和工程意义。