利用模糊技術(shù)的泵的振動診斷方法畢業(yè)論文(完整版)
【正文】 使用一個濾波器檢測出5KHz的頻率，將時域信號中偏高或者偏低的頻率過濾掉從而排除其它情況的干擾。如上圖所示，頻譜的能量分布范圍較寬，而且脈沖峰的頻譜很多，表現(xiàn)為一個集群。圖3是一個例子，兩個光譜代表看起來很類似但性質(zhì)不同的嚴(yán)重故障。當(dāng)然，五柱塞泵的振動是在其正常的工作條件下產(chǎn)生的。所有的綜合判斷算法都被賦予了不同的組合方式和模糊診斷矩陣，用表示，其中M表示模糊診斷模型，和分別表示廣義上的邏輯算子“與”和“或”?；谀：壿嫷母拍?，X集合中的值由不同條件下的模糊子集決定，因此，元素所代表的故障嚴(yán)重程度可由如下的X的可能性分布函數(shù)來定義：其中，和是最大值和最小值由實際工作情況決定。因此，首先采用由模糊隸屬函數(shù)所確定的模糊邏輯來診斷泵的故障。該系統(tǒng)主要有三個部分：數(shù)據(jù)采集和癥狀向量的檢測；隸屬函數(shù)組合和模糊診斷矩陣的測定；模糊原因向量的計算和故障診斷。模糊診斷矩陣R是M行N列的矩陣，其中的行表示的故障原因，列代表故障癥狀，并且模糊元素rij是第j個故障到第i個原因的隸屬度，即相對隸屬度零號元素(rij = 0)表示這個原因不會導(dǎo)致所想到的故障。它在對泵的故障進(jìn)行分類和識別方面表現(xiàn)出了相當(dāng)好的實用性。專業(yè)術(shù)語：Ω：論域（條件判別域） μ：元素X ：故障癥狀集合的卷集 ：故障癥狀集X的元素Y ：故障原因集合的卷集 ：故障原因集Y的元素：故障癥狀的模糊集 ：模糊診斷矩陣的元素：故障原因的模糊集 ：故障癥狀集合元素Xi的最大值：模糊診斷矩陣 ：故障癥狀集合元素Xi的最小值目前提出的方案是解決上述問題的一種有效的方法。然而，五柱塞泵的故障診斷和排除是一個具有挑戰(zhàn)性的問題，因為泵通過各種廣泛的脈沖源所產(chǎn)生的動態(tài)響響應(yīng)是非常復(fù)雜的。這些動態(tài)源主要包括泵內(nèi)的流體在液壓管道和氣瓶端部之間所產(chǎn)生的振動，流體的斜漩渦，閥的影響，活塞的撞擊，排氣管中流體壓力的變化泵動力端旋轉(zhuǎn)曲柄周期性運(yùn)動所產(chǎn)生的周期性的脈沖慣性力和力矩，有缺陷的軸承的沖擊，以及許多其他的流體晃動和機(jī)械振動。模糊邏輯作為一個數(shù)學(xué)工具是用來描述不同故障關(guān)系之間的不確定性和模糊性，分析泵的狀態(tài)監(jiān)測和故障診斷在不同階段的模糊信息，并且用不同的頻譜表示泵所產(chǎn)生的各種故障。：設(shè)Ω為一個論域,Y是Ω的一個模糊子集，即：并且對于任意的X∈Ω 定義：被叫做x到模糊子集的元素。一號元素(rij = 1)表示故障是由所想到的原因?qū)е碌?。診斷結(jié)果得出特征狀態(tài)測試 ： 當(dāng)用語言來描述故障的信號變量時，像大、中、小這樣的詞會被經(jīng)常用到。目前，設(shè)計隸屬函數(shù)的方法有很多種，并且新的方法不斷的被提出來。根據(jù)隸屬函數(shù)的特征和模糊邏輯診斷的原則，可以將五柱塞泵的振動信號進(jìn)行識別和分類，從而確定泵的工作情況和出現(xiàn)的故障。在本研究中，模型被作為泵的模糊綜合診斷的一種診斷算法，其中乘法運(yùn)算代替了邏輯與“”，極限操作符取代了邏輯或“”。這次試驗工作是在中國吐哈油田的一個實驗平臺進(jìn)行的，考慮到對五柱塞泵的破壞程度和經(jīng)濟(jì)成本，在實驗中，許多故障是在泵的液壓端進(jìn)行模擬的。在這種情況下，有相當(dāng)大的不確定性，所以必須要有一臺嚴(yán)密的精細(xì)的自動診斷工具。這些表明，液壓的脈動是由泵的柱塞的往復(fù)運(yùn)動產(chǎn)生的，影響脈沖波動的因素有泵液壓端排氣閥的開關(guān)以及旋轉(zhuǎn)運(yùn)動和往復(fù)運(yùn)動所產(chǎn)生的周期性的振動。（b）調(diào)節(jié)信號的保留時間。表1的最后一列中標(biāo)有正常運(yùn)行情況，二號進(jìn)氣閥，二號活塞，四號排氣閥和二號三號進(jìn)氣閥的代表正常的運(yùn)行狀況。去模糊化原則可以簡要的描述如下： 假設(shè)是論域，判定對象為模糊子集，如果中每個元素 都已確定，那么對于任意的滿足，肯定屬于，這意味著判定對象肯定是由故障元素造成的。因為
電大資料相關(guān)推薦
鄂ICP備17016276號-1