利用模糊技術(shù)的泵的振動(dòng)診斷方法畢業(yè)論文-全文預(yù)覽
【正文】 故障狀況。有兩種具有隸屬函數(shù)特征的模糊約束條件：大和小。然而，到底多大或者多小才是合適的呢？顯然，這種語(yǔ)言描述是模糊不清的。模糊算法模糊診斷矩陣的建立隸屬函數(shù)的確定統(tǒng)計(jì)數(shù)據(jù)歷史記錄專(zhuān)家的判斷圖1是五柱塞泵的模糊診斷系統(tǒng)描繪圖。每個(gè)值的表示方式不是固定不變的，可以根據(jù)調(diào)查研究人員的個(gè)人喜好來(lái)設(shè)定。其中設(shè)為故障集X和原因集Y的模糊關(guān)系：其中：根據(jù)模糊邏輯原則, 與間的因果模糊關(guān)系，也就是故障集和原因集之間的模糊關(guān)系，可以表達(dá)為其中是一個(gè)模糊邏輯算子,R是模糊的關(guān)系矩陣，稱(chēng)為模糊診斷矩陣。在五柱塞泵狀態(tài)監(jiān)測(cè)和診斷中，所有可能發(fā)生的故障特殊域被視為Ω，而導(dǎo)致故障癥狀的原因，在特殊域Ω內(nèi)，故障的卷集X = {xj} (j = 1,2,. . .n),被看作故障原因Y = {yi} (i = 1,2, . . .,m)的卷集。這種方案還顯示出了運(yùn)用模糊邏輯根據(jù)所代表的可能出現(xiàn)的不同故障狀態(tài)對(duì)頻譜進(jìn)行分類(lèi)的可能性。然后，基于動(dòng)態(tài)信號(hào)處理裝置的條件變量，建立液壓泵故障診斷中必不可少的模糊隸屬度函數(shù)。此外，故障診斷的信息環(huán)境與泵的狀態(tài)監(jiān)測(cè)在很大程度上是模糊的，在故障癥狀和產(chǎn)生故障的現(xiàn)象之間是不可能建立出非常明確的數(shù)學(xué)模型的。例如，泵的某一種故障可能是由多種現(xiàn)象造成的，然而某一種現(xiàn)象也有可能導(dǎo)致許多種故障。此外，它們的工作節(jié)奏非?？於以诠ぷ鲿r(shí)要承受沉重的負(fù)荷。它們是典型的往復(fù)式器械，包括許多轉(zhuǎn)動(dòng)部件和往復(fù)運(yùn)動(dòng)部件。根據(jù)在之前工作中對(duì)振動(dòng)信號(hào)的研究及作出的分析得出，泵最常見(jiàn)的故障形式和產(chǎn)生故障的原因就像原因和結(jié)果之間的關(guān)系一樣是錯(cuò)綜復(fù)雜的。這導(dǎo)致診斷采集的信息和從振動(dòng)信號(hào)中分離某種信號(hào)更加困難。首先，分析泵的振動(dòng)信號(hào)，從頻域提取出診斷特征。這可以用來(lái)控制泵的操作并且降低操作的風(fēng)險(xiǎn)。所以被稱(chēng)為的隸屬函數(shù)。讓我們假設(shè)這個(gè)故障樣本是由yi (i = 1,2,. . .,m), 引起的，并且定義yi (i = 1,2,. . .,m中的每個(gè)元素表示不同的故障原因因此，這些故障原因的模糊向量可以表示為（2）。這兩個(gè)極限之間的元素表示隸屬度的值的大小。當(dāng)Y通過(guò)基于實(shí)際的診斷情況所選擇的的算法計(jì)算后，的值，即不同故障原因的元素值和不同故障癥狀的元素值進(jìn)行比較，然后可根據(jù)模糊診斷原則對(duì)故障進(jìn)行診斷。例如，如果一些典型的變量值比平時(shí)正常的值要大，我們就可以判定出問(wèn)題了。模糊邏輯理論提供了一種機(jī)制語(yǔ)言表達(dá)方法，如大和小。通常用一種基于對(duì)數(shù)據(jù)進(jìn)行檢查并初步分析后相對(duì)主觀的方法來(lái)設(shè)計(jì)隸屬函數(shù)。這種動(dòng)態(tài)變量比如工作時(shí)的振動(dòng)強(qiáng)度和振動(dòng)能量在不同的時(shí)期也是有變化的。：目前還沒(méi)有一種通用的方法來(lái)測(cè)定模糊關(guān)系矩陣，一般情況下是根據(jù)所研究的機(jī)器的特點(diǎn)和機(jī)器維修的歷史記錄以及專(zhuān)家的經(jīng)驗(yàn)來(lái)測(cè)定。當(dāng)它被用于診斷機(jī)械故障時(shí)，它被稱(chēng)為模糊綜合診斷。所以：其中，表示取較小值，和表示在算法中n個(gè)數(shù)的總和。由此，我們知道對(duì)于不同故障的每個(gè)模糊癥狀向量來(lái)說(shuō)，模型是一種模糊綜合判別方法。采集了正常情況下的振動(dòng)信號(hào)和幾種異常情況下的振動(dòng)信號(hào)，加速度計(jì)被安裝在泵的液力端的外殼上。此圖顯示了一個(gè)故障頻譜和一個(gè)正常的頻譜，很顯然，在這種情況下（及其它多種情況）光譜之間的差異是很明確的。不僅是個(gè)別代表不同故障的頻譜往往很相似，而且很顯著的表明在一定范圍內(nèi)變化的頻譜也可以代表著同一種故障。在其它的頻率范圍如500—800Hz，有一些幾乎沒(méi)有任何變化的能量分布。因?yàn)檎駝?dòng)信號(hào)的頻率結(jié)構(gòu)變化非常微小，所以如果直接使用光譜會(huì)使問(wèn)題變得很困難而且所需要的頻譜也很難從中分離出來(lái)。從本次液壓泵水平方向振動(dòng)信號(hào)測(cè)試的頻譜分析中，我們總結(jié)出了八個(gè)特征。（c）在頻域內(nèi)轉(zhuǎn)化調(diào)節(jié)信號(hào)以獲得5KHz 的頻譜，然后選擇最高能量級(jí)作為5KHz頻譜的能量峰值。這八個(gè)特征值組成了故障情況的卷集表1顯示了液壓泵不同類(lèi)型模擬故障情況下的八個(gè)特征值，其中12個(gè)數(shù)據(jù)樣本代表五種不同的情況。此外還有，二號(hào)進(jìn)氣閥故障情況，二號(hào)活塞故障
電大資料相關(guān)推薦
鄂ICP備17016276號(hào)-1