论文部分内容阅读
石油化工行业在国家的产业结构中占有重要地位。往复压缩机因其热效率高、结构紧凑、可靠性高等优势,而被广泛应用于石油化工企业。往复压缩机长时间服役,由于其零部件制造和装配存在误差,以及工作环境恶劣等因素,会导致故障的产生。这不仅会给企业带来经济上的损失,同时还会造成严重的安全隐患。因此,往复压缩机的故障诊断一直是人们研究的重点。传统的信号处理方法多应用于旋转机械,应用在往复压缩机上具有一定的局限性。自适应噪声完备集合经验模态分解(CEEMDAN)是近几年新提出的一种信号自适应分解方法,通过在分解的每一个阶段添加自适应的白噪声,计算唯一的余量信号获得各模态分量,跟集合经验模态分解(EEMD)、经验模态分解(EMD)相比,其分解误差最低,并且在一定程度上解决了模态混叠问题。由于CEEMDAN在处理信号上的优势,本文在选用CEEMDAN并改进其插值包络线的基础上,与经灰狼优化的精细复合多尺度散布熵(RCMDE)相结合,提出了基于改进CEEMDAN与优化RCMDE的往复压缩机轴承间隙故障诊断方法,并将此方法应用到2D12-70型往复压缩机上,以实现对往复压缩机轴承间隙的故障诊断。首先通过查阅文献,了解机械故障诊断领域发展历程以及往复压缩机故障诊断领域常用的技术手段,总结了往复压缩机故障诊断领域当今存在的问题;阐述了常用的信号处理方法,并对常用的特征提取方法和模式识别技术进行概括总结。其次,对CEEMDAN分解方法进行深入研究,针对CEEMDAN分解方法中包络线拟合精度不高且插值形状不可控的问题,提出了改进的CEEMDAN方法。该方法的核心是用三次三角B样条插值代替传统的三次样条插值。与传统的三次样条插值曲线相比,三次三角B样条方法在基函数中引入了形状参数?,增加形状灵活性的同时也避免了过冲和下冲等问题的出现。对改进的CEEMDAN方法用仿真信号和实测信号进行验证,结果表明,改进的CEEMDAN方法可以更好的对信号进行分离。再者,在研究精细复合多尺度散布熵算法理论的基础上,针对不同参数结果差距较大的问题,引入灰狼优化算法,以精细复合多尺度散布熵偏度的平方作为目标函数,对精细复合多尺度散布熵进行参数优化,得到最优参数组合,从而提取出最优故障特征向量。最后,利用本文提出的基于改进CEEMDAN与优化RCMDE的故障诊断方法实现了往复压缩机轴承间隙故障的诊断。该方法首先对往复压缩机轴承五种状态的振动信号进行降噪等预处理工作,接着对轴承信号进行改进的CEEMDAN分解,筛选出富含故障特征信息的分量进行信号重构,然后将重构后的信号进行优化RCMDE分析,提取出特征向量,最后将特征向量输入到SVM中进行模式识别,识别结果表明本文提出的方法拥有较高的故障识别率,可以有效对故障进行分类。