X为了获得更好的用户体验,请使用火狐、谷歌、360浏览器极速模式或IE8及以上版本的浏览器
平台简介 | 帮助中心
欢迎来到科易厦门城市创新综合服务平台,请 登录 | 注册
尊敬的 , 欢迎光临!  [会员中心]  [退出登录]
当前位置: 首页 >  科技成果  > 详细页

[01351827]基于电流与振动信息融合的钻井振动筛故障机理与诊断方法研究

交易价格: 面议

所属行业: 矿业设备

类型: 非专利

交易方式: 资料待完善

联系人:

所在地:

服务承诺
产权明晰
资料保密
对所交付的所有资料进行保密
如实描述
|
收藏
|

技术详细介绍

1、主要研究内容 ①振动筛异常情况下,建立激振器转子系统机电耦合模型 运用动力学和经典力学等理论研究典型故障(无故障、转子不平衡、偏角不对中、平行不对中故障、筛箱故障)与载荷变化激励下系统的数学模型,并研究振动信号的相关特性。运用系统动力学及电机学理论,研究电机与拖动载荷关系的系统模型。以故障激励、载荷变化→扭矩波动→电磁扭矩波动→磁通量变化→电流变化为理论依据,以拉格朗日能量方程为手段建立激振器转子系统数学微分方程,将故障激励转化为力矩的波动;以经典电机理论为基础建立电机数学模型,利用电磁扭矩与载荷扭矩之间的等量关系为纽带,建立典型故障激励下的电机-转子系统相耦合的机电仿真模型,研究在典型故障激励下激振器转子系统的电机电流特性与振动特性。 ②振动筛异常情况下,电机电流分析法故障诊断实验研究 基于所建立的典型故障激励下的机电耦合仿真模型,研究激振器转子系统在不同类型的故障(转子不平衡、偏角不对中、平行不对中故障、筛箱故障)激励下电机电流信号的变化规律;并应用傅里叶变换对电流信号进行频谱分析,完成电流信号的边频分量与典型故障激励耦合特性关系的研究。在试验过程中采集典型故障激励下的电机电流信号,对采集的电流信号进行时域、频域分析,并对电流信号进行奇异值分解以去除工频分量。根据试验采集的电机电流信号,应用五层小波包分解进行处理,并采用小波包能量法对电机电流信号进行特征向量的提取,将得到的特征向量输入BP神经网络和GA-SVM 中进行故障类型的识别,并对两种识别方法进行对比分析。 ③振动筛异常情况下,振动信号分析法故障诊断实验研究 在已搭建的振动筛故障诊断测试平台上,安装6个加速度传感器,分别采集激振器轴承的X、Y、Z方向的振动。将加速度传感器的输出值送入高速数据采集卡中,当发生转子不平衡、偏角不对中、平行不对中、筛箱故障时研究信号的频率特性,采用改进的小波去噪方法实现信号的特征向量的提取,根据贝叶斯网络达到故障识别。 ④振动筛载荷识别实验研究 在不同类型载荷下,对采集到的电机电流信号和振动信号进行信号处理和特征提取,研究电机电流信号和振动信号的变化特征,构建载荷与电机电流、载荷与振动特征间的映射关系,对激振器转子系统的载荷进行类型识别和定量识别。在此基础上,使用多源信息融合技术,综合考虑两种信号,对载荷进行定性、定量识别,并与单一信号的载荷识别效果进行比较。 ⑤基于电流与振动信息融合的转子系统典型故障诊断方法研究 使用多源融合技术,综合考虑电机电流信号和不同位置不同方向的振动信号,充分利用多个信息源,进一步将多源信号的特征数值化,利用贝叶斯估计计算概率,在MATLAB中对振动筛故障和载荷识别进行仿真,同时在试验平台上进行验证。 2、技术路线 本项目采用理论分析、计算机数值模拟与实验相结合进行的研究方法。 以振动筛异常情况下的动力学为基础、结合振动理论、电机理论,分析振动筛在载荷变化、筛堵、电机与轴承故障下,电机电流和轴承振动的变化规律,建立数学模型。 通过计算机数值模拟确定振动筛在工作工程中电机电流、轴承振动与载荷变化、轴承故障、电机故障的规律及数学模型,利用信息融合理论实现电机电流与轴承振动的有机融合,达到精确判断与预测振动筛故障的目的。 采用加速度传感器、电流传感器、功率传感器对振动筛装置进行实时监测,确定振动筛在发生故障时,振动信号与电机电流的变化规律。 利用实验数据与模拟数据相结合的方法,进一步优化数值模拟结构,以得到更加符合实际的数学模型。 通过上述两种方法,利用计算机数值模拟的结果指导实验研究,并通过实验数据弥补计算机模拟手段的不足,综合进行振动筛发生故障时,电机电流与轴承振动的研究,两者互为补充,最终建立电机电流、轴承振动信号与振动筛载荷变化、故障的数学模型,准确对振动筛健康状态的监测和预警。 3、创新性 本项目针对目前振动筛工作环境差的条件下,故障不易识别、筛堵难以发现、可靠性要求高等技术难题,提出采用检测激振器轴承振动信号和电机电流信号相融合的方式实时、准确的识别振动筛故障和筛堵,大大提高振动筛可靠性和筛分效率。 本项目的创新之处如下: ①以激振器转子系统轴承振动信号与电机电流的变化,探索振动筛筛箱、转子系统的故障机理。 ②以动力学、电磁学理论为基础,探索振动筛载荷的类型、大小与电机电流、轴承振动的关系,为有效识别筛堵奠定基础。
1、主要研究内容 ①振动筛异常情况下,建立激振器转子系统机电耦合模型 运用动力学和经典力学等理论研究典型故障(无故障、转子不平衡、偏角不对中、平行不对中故障、筛箱故障)与载荷变化激励下系统的数学模型,并研究振动信号的相关特性。运用系统动力学及电机学理论,研究电机与拖动载荷关系的系统模型。以故障激励、载荷变化→扭矩波动→电磁扭矩波动→磁通量变化→电流变化为理论依据,以拉格朗日能量方程为手段建立激振器转子系统数学微分方程,将故障激励转化为力矩的波动;以经典电机理论为基础建立电机数学模型,利用电磁扭矩与载荷扭矩之间的等量关系为纽带,建立典型故障激励下的电机-转子系统相耦合的机电仿真模型,研究在典型故障激励下激振器转子系统的电机电流特性与振动特性。 ②振动筛异常情况下,电机电流分析法故障诊断实验研究 基于所建立的典型故障激励下的机电耦合仿真模型,研究激振器转子系统在不同类型的故障(转子不平衡、偏角不对中、平行不对中故障、筛箱故障)激励下电机电流信号的变化规律;并应用傅里叶变换对电流信号进行频谱分析,完成电流信号的边频分量与典型故障激励耦合特性关系的研究。在试验过程中采集典型故障激励下的电机电流信号,对采集的电流信号进行时域、频域分析,并对电流信号进行奇异值分解以去除工频分量。根据试验采集的电机电流信号,应用五层小波包分解进行处理,并采用小波包能量法对电机电流信号进行特征向量的提取,将得到的特征向量输入BP神经网络和GA-SVM 中进行故障类型的识别,并对两种识别方法进行对比分析。 ③振动筛异常情况下,振动信号分析法故障诊断实验研究 在已搭建的振动筛故障诊断测试平台上,安装6个加速度传感器,分别采集激振器轴承的X、Y、Z方向的振动。将加速度传感器的输出值送入高速数据采集卡中,当发生转子不平衡、偏角不对中、平行不对中、筛箱故障时研究信号的频率特性,采用改进的小波去噪方法实现信号的特征向量的提取,根据贝叶斯网络达到故障识别。 ④振动筛载荷识别实验研究 在不同类型载荷下,对采集到的电机电流信号和振动信号进行信号处理和特征提取,研究电机电流信号和振动信号的变化特征,构建载荷与电机电流、载荷与振动特征间的映射关系,对激振器转子系统的载荷进行类型识别和定量识别。在此基础上,使用多源信息融合技术,综合考虑两种信号,对载荷进行定性、定量识别,并与单一信号的载荷识别效果进行比较。 ⑤基于电流与振动信息融合的转子系统典型故障诊断方法研究 使用多源融合技术,综合考虑电机电流信号和不同位置不同方向的振动信号,充分利用多个信息源,进一步将多源信号的特征数值化,利用贝叶斯估计计算概率,在MATLAB中对振动筛故障和载荷识别进行仿真,同时在试验平台上进行验证。 2、技术路线 本项目采用理论分析、计算机数值模拟与实验相结合进行的研究方法。 以振动筛异常情况下的动力学为基础、结合振动理论、电机理论,分析振动筛在载荷变化、筛堵、电机与轴承故障下,电机电流和轴承振动的变化规律,建立数学模型。 通过计算机数值模拟确定振动筛在工作工程中电机电流、轴承振动与载荷变化、轴承故障、电机故障的规律及数学模型,利用信息融合理论实现电机电流与轴承振动的有机融合,达到精确判断与预测振动筛故障的目的。 采用加速度传感器、电流传感器、功率传感器对振动筛装置进行实时监测,确定振动筛在发生故障时,振动信号与电机电流的变化规律。 利用实验数据与模拟数据相结合的方法,进一步优化数值模拟结构,以得到更加符合实际的数学模型。 通过上述两种方法,利用计算机数值模拟的结果指导实验研究,并通过实验数据弥补计算机模拟手段的不足,综合进行振动筛发生故障时,电机电流与轴承振动的研究,两者互为补充,最终建立电机电流、轴承振动信号与振动筛载荷变化、故障的数学模型,准确对振动筛健康状态的监测和预警。 3、创新性 本项目针对目前振动筛工作环境差的条件下,故障不易识别、筛堵难以发现、可靠性要求高等技术难题,提出采用检测激振器轴承振动信号和电机电流信号相融合的方式实时、准确的识别振动筛故障和筛堵,大大提高振动筛可靠性和筛分效率。 本项目的创新之处如下: ①以激振器转子系统轴承振动信号与电机电流的变化,探索振动筛筛箱、转子系统的故障机理。 ②以动力学、电磁学理论为基础,探索振动筛载荷的类型、大小与电机电流、轴承振动的关系,为有效识别筛堵奠定基础。

推荐服务:

智能制造服务热线:0592-5380947

运营商:厦门科易帮信息技术有限公司     

增值电信业务许可证:闽B2-20100023      闽ICP备07063032号-5