一、转轴组件故障监测及诊断系统研究（论文文献综述）
张玉皓[1]（2021）在《汽轮发电机组扭振故障分析及在线监测的研究》文中研究表明汽轮发电机组是电力生产的主要设备,作为能量转换和输出的中间环节,其轴系在蒸汽和电磁力矩的作用下产生弹性角变形和扭转振动,可能诱发轴系疲劳损伤。本文以轴系弯扭振动模型为基础,通过在线工作变形分析评估轴系安全性,提出了更加准确的扭振测量方法,开发了扭振监测和安全性分析系统,研究成果有助于避免扭转振动故障造成机组严重损伤、提高机组运行安全性。首先,分析并建立叶盘系统的动力学模型并进行固有特性分析,利用动能等效方法,给出了长叶片轴段在扭振建模中的刚性盘等效条件。推导了Timoshenko弯扭梁轴单元模型,系统模型考虑了弹性支承、刚性支承的影响,以及陀螺力矩的作用,建立了轴-盘-支承系统的有限元模型,通过仿真分析了轴系的弯扭振动固有特性。利用矢量叠加原理构建轴截面同步旋转向量,用于分析旋转轴系扭振或弯扭振动的调制特征。其次,通过轴系危险截面与典型结构应力分析相结合的方式开展轴系的安全性分析。利用惯性单元和弹性单元建立的轴系扭振模型,进行轴系截面安全性分析;对于轴系典型结构,利用内嵌有限元工具组件的方式,建立典型结构的有限元模型,导入实测扭转载荷数据,对典型轴系部件进行在线应力分析。实现轴系危险截面与典型部件结构的安全性分析。再次,考虑到旋转运动和扭转振动具有相同的物理量纲,可实现转角和扭角的同源测量,提出了广义增量编码器模型的扭振测量方法。利用编码盘半周期角序重构,不改变整周期分度角的特点,提出了双周期的瞬时角速度计算方法,该方法可以在硬件条件不变的情况下增大一倍扭振信号采样率,避免带宽闲置现象。并从信号采样的角度解释了扭振信号的非对称失真和非对称采样的现象。分析了位移测量型的增量编码器的输出调频-调幅信号的形成机理,提出了等周期高差测距型编码器模型用以实现弯扭振动的测量方法。通过仿真和实验的方式对上述方法的正确性和有效性进行了验证。最后,结合核电汽轮机组的扭振监测与分析的工程应用需求和已有的工程经验,整合本文研究内容进行了工程技术的转化。研发了汽轮发电机组的轴系扭振在线监测与分析的成套装置。为了适应不同类型的扭振监测需求,引入数据中台和组态页面的开发模式,并采用时序数据库重新构建了数据结构和数据管理平台,通过功能与数据灵活组合配置,实现扭振监测装置的功能扩展。
张永明[2]（2021）在《汽轮发电机组健康状态监测与智能故障诊断技术研究》文中进行了进一步梳理汽轮发电机组作为电力系统中极为关键的大型旋转机械设备,对安全性、稳定性以及寿命的要求非常高,如果出现意外故障,会造成人员伤害或严重的经济损失,因此为了提高汽轮发电机组运行的安全性与可靠性,对其故障进行准确的诊断和预测具有重要的工程实用价值。设计开发状态监测与智能故障诊断系统是保证机组在不停机的状态下平稳运行的主要手段,有助于技术人员对机组产生的故障进行监测和维护。本文基于UML系统建模方法开发了汽轮发电机组健康状态监测与智能故障诊断系统,提出了多源异构本体知识表示方法及关联案例推理机制,对系统知识库的构建和推理机的设计进行了深入的研究。论文主要内容与贡献总结如下:（1）构建了基于UML系统建模方法的状态监测与智能故障诊断系统模型。针对汽轮发电机组状态监测与故障诊断系统功能多样、结构复杂、开发周期长等问题,考虑UML建模方法具有拓展性强、通用程度高、开发周期短等特点,设计了基于UML的汽轮发电机组状态监测与智能故障诊断系统模型,包括机组的总体架构、系统用例模型、功能分解模型、系统静态类模型、系统状态模型、系统交互模型及组件部署模型。（2）提出了汽轮发电机组多源异构知识本体建模与融合的方法。利用Protégé软件构建了汽轮发电机组的全局本体和局部本体,详细说明了建模的方法与步骤,改进了知识融合的算法与多源知识检索的过程,通过多源知识的检索过程证明了所建本体知识模型的正确性。利用机械故障模拟实验台（MFS）模拟了汽轮发电机组转子的不同故障,验证了知识融合算法的可行性与有效性。（3）设计了基于本体和关联案例推理机制。针对本体推理结果不完善,推理效率低等问题,利用Protégé自带的推理机Fa CT++进行初步推理,根据本体推理结果再进行案例分层检索。结合案例检索的全局相似度和局部相似度算法,设计了故障诊断系统推理机,提高了系统诊断的准确性和高效性,通过推理机制给出了故障的合理解决方案,实现了汽轮发电机组从“故障属性输入”到“解决方案输出”的全过程。（4）开发了汽轮发电机组健康状态监测与智能故障诊断系统。利用本体编辑器构建了知识库和完成了初步推理,使用SQL Server储存了机组传送过来的数据和长期积累的故障案例,通过MATLAB封装了相关图谱绘制算法、特征提取算法和关联案例推理算法,结合UML系统模型,开发了汽轮发电机组健康状态监测与智能故障诊断系统。通过系统性能调试验证了此系统能够为汽轮发电机组故障诊断提供可行的解决方案,保证了机组健康运行。
陈鹏[3]（2020）在《关键传动件变工况下的时变信号特征表征及自适应监测诊断方法研究》文中指出高端智能制造是未来制造业的竞争中心,也是国家核心竞争力的重要标志,因此针对高科技、精密、尖端的机械工业装备的智能运行与维护保障已成为国内外的研究焦点。高速、重载、高温、高寒等极端的服役环境,致使机械装备的关键传动件的性能不可避免地出现衰老、退化等趋势,甚至时有故障发生而引发停机等事故。因此开展针对机械装备关键传动件的智能监测和故障诊断的研究,可以准确及时地对装备的整个运行过程进行全周期的监控和维护,以保障安全、可靠地运行,从而避免经济损失和灾难性事故的发生。机械装备的关键传动件如齿轮箱、轴承长期在变工况下运行,因局部故障、瞬变转速、时变载荷等激励的影响,关键传动件将产生瞬变动态、非平稳振动信号。对变工况的处理,尤其是对变工况产生的瞬变动态、非平稳信号的解调分析问题已成为关键传动件智能监测和故障诊断的重要研究课题。尽管当前的非线性、非平稳信号处理技术已经取得了长足的发展并在一定的工业场合得到了应用,但是其仍未能适应变工况变化,尤其是无法满足因变工况下机械关键传动件产生的时变、瞬态、非平稳信号的分析需求。为此,本文以机械装备面临大数据、智能运维的重大工程需求为背景,以对机械装备健康监测和故障诊断趋向自动化、智能化以及数字化方向发展为目标,针对当前传统的时频分析方法无法满足变工况下快时变、强调频、交叉混叠的非平稳瞬态信号的分析要求,研究了时频空间能量表征方法、交叉混叠信号的解耦方法、健康状态监测中阈值设定自适应方法、时变服役工况下智能诊断和不同工况域之间的迁移诊断等基础科学问题和实际的工程应用技术。解决了对快时变、强调频、交叉混叠、非平稳信号的解调分析及对变工况自适应诊断的问题。论文的主要研究工作及创新点总结如下:（1）针对当前主流的时频分析方法在表征快时变、强调频瞬态非平稳信号时,存在时频能量汇聚性低、时频表征性能差、对特定信号分量的重构性能不足以及对设备健康诊断过程的影响问题,提出了一种基于短时傅里叶框架下的二阶同步提取变换的信号分析方法,重点解决了对瞬态非平稳信号的局部瞬时频率精确化估计问题,从而满足了对频率变化快及强调制的非平稳信号的分析需求。以此为基础,实现了在强背景噪声环境下对变化快且强调制的瞬态信号成分的有效提取,并将其成功应用于油膜轴承的振动信号分析中。（2）针对机械装备振动信号中出现快时变、强调频以及交叉频率成分的耦合时,传统的时频解调分析方法受到时频表征不强、时频可读性能差甚至出现时频解调失效的制约。提出了一种递归映射解调高阶同步提取变换的时频分析方法。重点解决了外界干扰的交叉混叠信号成分的解调及对局部瞬时频率的高阶化精确估计问题,以此为基础,并最终将其应用于机械装备的关键传动件行星齿轮箱的特征提取及故障检测、诊断中。（3）针对某些特定的机械装备如风力发电机组,因运行周期久、使用寿命长,故而故障数据非常稀缺。当前的无监督深度学习方法在对风机健康状态监测时,面临人工设定阈值函数的瓶颈,提出了一种阈自适应神经网络模型的风机健康监测方法。解决了当前基于深度学习的无监督健康监测方法在阈值函数人工设定上的难题。同时,为了进一步量化不同时期风机的健康等级,提出了一种基于生成对抗网络输出样本区分度的方法,以满足对风机的不同健康等级进行量化评估的需求。以此为基础,通过对两个实际运行的风机进行健康状态监测评估以验证所提出算法的准确性及稳健性。（4）针对常规的信号处理方法对机械装备海量数据进行故障检测与诊断时耗时、耗力、过多依赖于人工经验以及为适应变工况下的诊断需求问题,提出了一个工况自适应神经网络模型来对机械装备的关键传动件行星齿轮箱进行故障检测、诊断。解决了时变工况下对关键传动件的端对端学习问题,以此为基础,通过对实际运行的行星齿轮箱的数据采集分析以验证所提出算法的有效性。（5）针对当前的样本迁移学习模型大多拘泥于源域和目标域之间的数据差异性,极少关注机械装备运行服役工况信息对模型训练的驱动作用,尤其是不同的非平稳工况之间的迁移学习问题。提出了一种新的知识迁移学习模型用于对时变工况下的滚动轴承进行故障检测、诊断。解决了不同的非平稳工况之间的迁移学习问题,以此为基础,通过对实际运行的滚动轴承运行数据的分析以验证所提出的知识迁移学习模型的有效性和鲁棒性。
邵偲洁[4]（2020）在《高速精密电主轴转子失衡识别及主动平衡研究》文中研究指明随着“中国制造2025”的提出,智能制造成为当前的研究热点。数控机床是装备制造业的工业母机,高速精密电主轴是高档数控机床的核心部件。然而,在主轴制造、装配和运行过程中,因材质不均、加工装配误差和刀具磨/破损等因素,不可避免地会导致主轴产生质量不平衡问题。电主轴转速高,即便很小的不平衡量也会引起很大的离心力,从而激发系统剧烈振动,因此,对电主轴不平衡振动进行及时诊断和控制对高速高精密机床的发展具有重要意义。本文针对电主轴转子失衡故障展开深入研究,从故障识别和在线主动平衡两个方面较系统地研究了电主轴失衡故障诊治问题,并设计开发了软硬件系统,为电主轴安全运行提供可靠保证。首先,针对电主轴电机、转子和轴承结构,以及冷却、润滑和平衡装置,完成了关键参数设计和部件选型,在此基础上开发了具备多信息监测与分析、自动报警及降速处理等功能的电主轴系统平台,并针对所开发的电主轴系统进行了模态测试试验,为失衡故障识别和主动平衡提供了基础。其次,研究了振动信号FFT分析方法,提出了灰度图像纹理分析、对称极坐标图像纹理分析和EMD-PWVD振动时频图像能量分析新方法,完成了电主轴转子失衡故障特征提取;进一步研究了 FCM聚类方法,实现了电主轴转子失衡故障识别,并利用主轴系统平台进行了试验,验证了所提出方法的有效性。然后,根据平衡原理从整体结构、传动方式和平衡能力三个方面设计了一种双配重极坐标型机械式主动平衡装置,并在搭建了控制模型的基础上完成了其作动控制仿真;针对装置特点提出了影响系数平衡方法,进而完成了在线主动平衡系统开发,利用整体系统平台进行了试验,验证了该系统的平衡性能。最后,在平台开发和方法研究的基础上,利用LabView与MatLab联合编程,实现了电主轴转子失衡故障诊治一体化软件集成,对软件系统进行了功能验证,并利用整套软硬件系统完成了电主轴转子失衡故障诊断与治愈应用,证明了系统的实用性。
马英群[5]（2020）在《基于结构声强可视化的航空发动机转子-支承-机匣耦合系统振动能量传递特性研究》文中研究指明航空发动机作为最复杂的旋转机械,同时受到转子不平衡力等多种载荷的激励作用,部件及整机振动问题突出。为了进一步提高推重比,航空发动机向轻量化、大推力的方向发展,导致转子振动情况恶化以及转、静子部件间振动耦合加强。为了保障航空发动机运行的安全性和可靠性,整机振动特性研究得到广泛关注。目前,在航空发动机整机动力学研究中,整机建模技术、复杂动力学模型高效、精确求解技术、线性/非线性动力学响应分析以及整机振动控制等方面取得了丰硕的成果。然而,这些研究大多基于直接线性/非线性瞬态及稳态动力学响应分析,其仅能提供瞬态/稳态振动位移、速度、加速度、应力以及模态振型等有限信息来预测、分析及判断整机振动情况。对于振动在航空发动机各转、静子部件间的传递、耦合特性和振动控制及抑制机理难以从本质上给出合理的解释。为了突破上述局限,本研究将结构声强法应用到航空发动机整机动力学研究领域,在时域/频域中可视化了航空发动机整机转子-支承-机匣耦合系统中看不见、摸不着的瞬态/稳态振动能量,分析了瞬态/稳态振动能量在转子和机匣等部件间的传递特性和耦合规律。基于此,从瞬态/稳态振动能量传递控制的角度研究分析了航空发动机部件及整机振动抑制的作用机理,并提出了相应的减振措施。本文所涉及的主要研究内容如下:（1）理论基础:本研究从振动波的角度切入,从理论上分析了结构中振动波的类型和传播特点。基于此,将通用结构声强表达式改写为适用于不同类型振动波和不同类型结构单元的形式,并将其拓展为矩阵的表达形式,实现了对不同类型振动波结构声强矢量场的分解,为本文研究奠定了坚实的理论基础。（2）实现途径:本研究结合具有强大的有限元建模及求解功能的ANSYS二次开发程序APDL和具有强大的矩阵计算、处理能力的MATLAB软件编译开发了结构声强矢量场求解及可视化程序,并基于本研究所提出的FLAG通讯机制,实现了航空发动机转子-支承-机匣复杂耦合系统瞬态/稳态结构声强矢量场的全自动化求解及可视化,为本文研究提供了功能强大的实现途径。（3）瞬态/稳态振动能量传递特性研究:基于以上理论基础和实现途径,建立了航空发动机整机转子-支承-机匣耦合系统模型,实现了瞬态/稳态总振动能量以及不同类型振动波所携带的振动能量分量在转子、支板和机匣间传递及耦合特性的可视化分析。从基本运动方程出发,理论推导了振动能量传递特性与结构振动特性的内在物理联系,分析了不同模态振型转子中瞬态振动能量与机械能和阻尼耗散能之间的传递、转换和平衡过程。此外,本研究提出并定义了振动能量通量比和振动能量传递率,实现了振动能量传递特性的量化分析。（4）瞬态/稳态振动能量传递控制研究:基于以上对转子-支承-机匣耦合系统中瞬态/稳态振动能量传递、耦合特性的认识,从振动能量涡流场分流、耗散机制的角度,提出了应用转轴周向环槽诱导的瞬态涡流场以及安装节和周向加肋筋诱导的稳态涡流场来降低转子和机匣振动;从振动能量耦合特性的角度,提出了应用附加反相激励载荷来阻滞振动能量传递并降低结构振动,并分析了这些措施对航空发动机部件及整机振动抑制的作用机理及效果。（5）非线性振动能量传递特性研究:基于一个螺栓预紧法兰连接的平板组件,初步探究了瞬态振动能量在非线性结构中的传递特性,为后续复杂非线性耦合结构中振动能量传递特性的分析奠定研究基础。此外,结合相平面法与结构声强法,对应分析了系统宏观运动状态变化过程与微观振动能量传递过程,实现了仅通过位移和速度这两个状态量对结构振动能量传递特性的预测,避免了瞬态结构声强矢量场实验测量带来的困难。本研究将结构声强法应用到航空发动机整机动力学研究领域,实现了转子-支承-机匣复杂耦合系统中瞬态/稳态振动能量传递特性的可视化分析。从振动能量传递的角度研究了转子不平衡力作用下航空发动机整机振动问题,揭示了瞬态/稳态振动能量在航空发动机各部件间的传递、耦合特性。此外,从瞬态/稳态振动能量传递控制的角度提出了有效的减振措施,可为航空发动机各部件及整机振动抑制方法提供有力的理论支撑和工程指导。
杨楠[6]（2020）在《汽轮机智能诊断与健康管理关键技术研究》文中研究说明随着“中国制造2025”、“互联网+”、“新一代人工智能发展规划”等国家战略的提出,在人工智能技术的推动下,智慧电厂成为能源企业未来趋势。智能诊断与健康管理（Intelligent Diagnosis and Health Management,IDHM）技术,更是需要新一代人工智能技术的融入,用以辅助提高电厂对设备运行、诊断、维护的效率。当前关于故障诊断与维修决策的相关研究繁多,且各有特点。另一方面,又缺乏针对复杂系统构建IDHM技术体系的研究。导致当前各种新技术、新方法不能有效的被电厂认识和应用。由其是对汽轮机这类重大设备,其本身具有故障模式复杂、监测信息少、故障样本稀缺、诊断知识祭奠丰富等特点,需要有针对性的运用IDHM技术解决传统问题,同时,灵活的运用经验知识使IDHM技术更具智慧。因此,本文立足于IDHM是辅助运维人员发现异常、排除故障、降低风险的初衷,以汽轮机组这类重大设备为例,在总结其故障诊断难点问题的基础上,开展综合利用经验知识和机器学习的IDHM关键技术研究。首先,结合汽轮机组故障诊断与维护过程中经验知识依赖性强、知识重用性高、知识数据非结构化等特点,基于设备树分析、故障模式与影响分析和故障树分析方法,总结了故障机理的分析方法和步骤。基于知识图谱和本体理论,对具有复杂关系结构的诊断知识,提出了故障诊断知识图谱的构建流程。并以核电汽轮机例,建立了故障诊断知识图谱。通过采用知识图谱对诊断知识进行存储和表达,减少了系统中知识数据的冗余,提高了IDHM系统对知识数据的管理效率。其次,在总结汽轮机故障诊断常用的状态数据故障特征的基础上,对趋势型征兆和频谱型征兆的识别方法进行了研究。提出了一种与经验相结合的序列数据趋势特征量化方法,弥补了以往汽轮机故障诊断中对趋势型征兆识别方法的不足。基于汽轮发电机组振动故障发生时,激振力在非线性系统中传播的原理,提出了一种基于提取振源方向的频谱识别方法,相比传统方法,频谱识别准确率得到较大提高。本文基于汽轮机故障机理知识开展的征兆识别方法研究,弥补了当前汽轮机故障诊断中对趋势型征兆和频谱识别的不足,有助于IDHM系统实现自动征兆识别,提高系统诊断效率。再次,为了弥补征兆识别方法存在误报率和漏报率的情况,以及机器学习方法无法进行知识推理,得到故障原因和维修建议的缺陷,本文对故障隔离、故障诊断和故障严重程度评估方法进行了研究。本文提出了基于图数据库搜索技术的故障隔离方法,以解决由于测点冗余、征兆信息过剩、诊断知识重用造成的诊断目标范围过大的问题。通过故障隔离,也极大的缩小了后续故障诊断的目标范围。为进一步推理故障发生可能性,在提出故障因果网络概念的基础上,将知识图谱中的故障诊断知识转化为可进行模糊推理的贝叶斯网络（Bayesian Network,BN）诊断模型。基于在线征兆和人工排查信息实现了诊断系统与维修人员工作的交互式推理。为综合评估设备当前运行风险水平和优化故障排查顺序,提出了故障链严重程度计算方法,从多个角度综合评估诊断网络中的可能故障链,使维修建议可在较少维修次数下快速降低设备运行风险水平。最后,本文在上述研究的基础上,通过对核电汽轮机IDHM样机系统的开发,设计和开发了 IDHM系统的架构、数据仓库以及各主要功能,使各项技术在功能和数据流转方面得以有效的融合。通过样机系统的开发与测试,验证了本论文研究内容的可行性与有效性。
贾子文[7]（2020）在《风电机组运行状态监测与健康维护系统的研究》文中研究表明随着我国风电行业的迅速发展,风电装机容量逐年增加,风力发电已成为我国第三大电力来源。然而,伴随着大规模风电场的投产运行,老龄化和出质保机组占比不断上升,风电机组的高故障率和落后的运维管理水平导致风场设备运维资本投入逐年走高。如何保障风电机组安全运行,提高机组设备维护管理水平已成为风电行业亟待解决的问题。本文基于并网风电机组结构及工作原理等内容研究,深度剖析机组运行特性,开展了风电机组运行状态监测与健康维护方法和应用系统的研究。主要工作如下:首先,基于系统科学理论,深入研究风电机组故障发生及演化规律。在其指导下,从机组设备运行状态安全性角度、设备能源效率转化能力的经济性角度和设备性能可靠性角度,展开了对风电机组3大系统、42个典型故障模式机理问题的全面分析,明确了各故障模式与征兆间的映射关系。引入失效模式及影响分析（Failure Modeand Effects Analysis,FMEA）和故障树分析（Fault Tree Analysis,FTA）方法,对机组故障机理知识内容进行全面梳理与表述,形成了风电机组运行状态监测与健康维护知识体系。其次,基于风电机组故障机理分析,开展了机组状态指标分析与体系构建问题的研究。以综合评价理论为指导、风电机组结构及功能特点为技术支持,明确机组运行状态指标的选取原则与层次原则,进行了指标体系的初建,构建了机组设备与功能之间的对应关系。从设备运行安全性、经济性和可靠性角度全面分析机组运行状态指标特性,形成了“三维一体”的机组运行状态指标表征机制,明确了指标与设备功能的对应关系。提出基于对应分析的多块分析方法,从设备运行状态角度出发,展开了设备运行指标之间的关联分析,明确了指标与设备的对应关系,完善指标体系内容,完成“指标-设备-功能”三者关联的机组运行状态指标体系的搭建。接着,针对目前故障智能诊断方法存在状态估计不准确、模型结构复杂等问题,提出了以多元信息为主导,指标体系为支撑的多同质、异质模型有机结合的复合网络诊断模型。（1）从网络结构上,多层、多级的拓扑结构形成了“由整体到局部”的解析路径,将机组复杂故障问题逐层分解,降低故障整体分析难度,简化网络结构,提高模型分析效率与可行性。（2）从模型功能上,复合网络模型包含数据预处理、特征提取、故障预警和诊断等与状态分析相关内容,形成了系统化的诊断流程。（3）从分析可信度上,复合网络在预警环节提出因子分析改进的层级NSET分析方法（FA-HNSET）,通过数据指标特性对设备运行状态表征程度的分析,合理筛选多元化的预警样本,以提升样本数据特征及预警精度。诊断环节提出ETA-FPN多重网络模型,建立了顶层故障事件推理同局部故障征兆推理相融合的双层推理机制,并通过改进信息熵方法对模型网络节点信息进行全面解析,合理构建网络结构,实现了对机组故障事件的时序性和关联性描述,保证诊断结果的准确性。（4）从分析效果上,复合网络系统化、流程化的诊断策略可为机组故障诊断结果提供完整的证据链条,在实现机组故障全面描述的同时,为机组健康维护提供关键信息支持。再次,进行了风电机组健康维护问题的全面研究。（1）采用模糊评判方法,对机组进行层级健康评价,通过评价结果确定制定维护决策的必要性。（2）通过ARMA模型,对机组设备运行状态进行合理演绎,预测故障劣化趋势,准确锁定维护作业时刻,保证设备维护的有效性。（3）以FMEA与FTA理论方法为指导,通过统计分析确定故障模式及具体故障设备的维修顺序,并运用逻辑决策图分析与故障底事件性质划分方法,确定具体故障事件的维修方式,完成机组设备健康维护具体工作的制定,提高机组维护工作的针对性。最后,将风电机组运行状态监测与健康维护技术框架应用于工程实践。依托国华沧州风电场1.5MW陆上风电机组,开展了机组运行状态监测与健康维护系统的研究工作。采用MySQL关系数据库,基于B/S构架模式设计并开发了 1.5MW风电机组运行状态监测与健康维护系统,以推进论文研究工作的成果转化和工程应用。
史书慧[8]（2020）在《无人机电动舵机运行状态感知优化设计方法研究》文中研究表明电动舵机是无人机飞控系统的重要组成部分,负责控制无人机的飞行姿态与飞行轨迹,提高电动舵机的状态监测能力,对于保证无人机的安全可靠飞行至关重要。然而,由于受到无人机大小、重量、现有传感器技术、运行装机等因素的限制,可获得的电动舵机机载状态监测参数较少,导致其运行条件下的状态监测并不充分,难以及时地表征和发现电动舵机运行过程中所发生的各种潜在故障。鉴于此,本文针对电动舵机故障表征能力和检测能力不足的问题,开展面向无人机电动舵机运行状态感知优化设计的研究,对于提高电动舵机故障表征和状态监测能力,及时发现异常和潜在故障,提高电动舵机的运行可靠性具有重要价值。首先,针对电动舵机状态监测参数不足、故障表征能力不足的问题,开展基于监测参数的电动舵机故障表征建模方法研究。通过了解电动舵机正常状态下的工作原理及状态监测方法,对电动舵机常见故障模式、故障机理尤其各种故障所对应的特征参数进行分析,建立基于故障演化—测试二维相关矩阵的电动舵机故障表征模型,并结合布尔逻辑运算法则获得满足电动舵机故障表征的最小测试集,实现对传感布置受限条件下电动舵机故障检测、故障隔离和故障预测能力的表征。其次,针对由于传感器测量的不确定性以及不同测点传感器对不同故障的检测能力不同,仅利用故障表征模型难以定量表征测点传感器对于故障检测能力的问题,开展基于K-L散度定量评价的传感器优化配置方法研究。通过计算表征不同测点传感器对不同故障检测能力的K-L散度值,定量评价传感器对故障检测能力,同时考虑传感器布置过程中的成本、可靠性等因素,以传感器总数量最少为优化目标,以电动舵机故障检测能力为约束条件,建立传感器优化配置模型,采用智能优化算法进行求解,得到满足系统要求的最优传感器监测组合。最后,开展电动舵机感知优化设计的仿真验证。利用Ansys有限元仿真软件,以电动舵机核心部件——伺服电机为例建立电机Ansys仿真模型,通过获取不同故障模式下不同位置的振动信号来模拟实际在此处所布置的传感器,分析对比优化设计前后的振动信号特征,验证本文所提出方法的正确性和有效性。
姜娜[9]（2020）在《涡扇发动机性能退化预测与维修策略研究》文中认为在当今竞争激烈的商业世界中,提高机械设备或加工设备利润率的一种方法是在提高生产率的同时减少操作和维护费用。发动机是飞机和工业应用中最昂贵的设备之一,可靠性和可用性是最理想的两个属性。在过去的几十年里,全球在发动机的运行和维护上投入了数万亿美元。然而,由于它们在快速增长的行业中不断上升的地位,在可预见的未来,市场趋势仍将持续。因此,开发并实施更加强大、高效、灵活的维护策略是必然趋势。目前,虽然航空发动机的维护方式正在由周期检修、定时维护的模式向及时修复、提前的数据处理及故障诊断、智能算法及故障分析的数字化维修模式迈进。但是,即使实现这样的数字化维修也只是一种被动模式下的维修。随着相关技术的发展,智能维护必将成为继数字化维修之后新的发展趋势。智能维护作为一种新的维修理念,现在只是刚刚起步,研究也只是刚刚开始。但它作为未来航空发动机健康管理的发展方向将不会改变。目前我国对该技术的研究仍处于起步阶段,相关研究不是很成熟,本课题即围绕智能维护的主要技术（发动机性能衰退趋势预测与维修决策研究）展开。气路系统作为发动机核心结构,其重要性不言而喻,因此本文以气路部件作为研究对象,开展了如下工作:首先,针对相关研究所需数据获取昂贵的问题,采用模块化建模思想对发动机进行机理建模并搭建能够表征各个部件退化的模块,并对退化原因及其影响进行了详细的分析;然后在该模型基础上,研究了退化传播的建模方法并仿真产生各个部件因为不同原因导致退化的全寿命传感器数据,为后续工作开展提供了数据基础。之后,开展了发动机健康状态评价相关的研究,综合传感器数据建立了能够表达设备健康状态的参数—发动机健康参数（HI）,为后续预测工作奠定基础。分别针对发动机短期与长期的维护需求,开展发动机状态的短期与长期预报。在进行发动机短期趋势预测时,选择健康参数HI作为预测指标展开预测,通过进一步分析发现该问题属于时间序列趋势预测范畴,因而采用能够刻画时序依赖性的长短时记忆网络进行趋势预测。并且针对由于数据不足导致预测趋势不准确的问题,提出了基于迁移式的预测模型。在进行发动机长期预测时,为提高预测的准确度,采用指印图的方式识别待测机的退化原因,此后选择剩余使用寿命作为预测指标,综合基于相似性分析和基于回归的两种常用预测方法,提出了基于相似性的高斯过程回归预测模型,实现了剩余寿命的确定性预测及不确定性预测。最后,在上述建立的预后模型基础上,以运行成本最小化作为优化指标,在基于状态维护策略（CBM）的基础上建立了状态回退模型,结合粒子群优化算法设计了一种动态非周期性的主动维护方法,从而能够在维修成本和维修时间中找到折衷的维护计划,有效避免设备维护不足或维护过度,在保障设备运行可靠性的同时最大化了资本的可用度。
李芳松[10]（2020）在《岸岛观测设备管控系统的设计与实现》文中研究说明海岸防御对于国家安全十分重要,一项示范工程已经在南海展开,通过空海监视雷达、陆基探测雷达、光电、AIS系统、ADS-B系统、气象仪等多种监控设备实现近海海域和远海岛礁的信息采集和集成,形成海域态势感知、海洋环境观测信息服务。由于整个系统涉及的传感器设备类型各异,性能不同,为了实现系统工作的准确性,实时性和健壮性,需要研发岸岛观测设备管控系统。论文针对岸岛观测设备管控系统的基本要求,分析了各种所采用的观测设备及其传感器的特点和接口,设计了数据传递和分发的格式和设备管理的流程,实现了一套岸岛观测设备管控系统软件用于示范工程中。同时,针对雷达天线转轴的易损性和故障多发性的问题,研究了雷达天线的健康状态评估方法。岸岛观测设备管控系统主要由雷达设备管控模块、气象检测设备管控模块、电源系统遥控模块、其他设备管控模块、数据库管控模块五个模块组成。依据雷达接口协议组包和解析报文,与信息处理中心通信,发送雷达操控命令,接收雷达工作状态。对接收到的雷达回波数据解码,以便实现回波显示。完成对雷达各分系统的本地和远程操控。依据雷达操控人功能要求与远端指控终端接口协议,显示雷达工作状态,BIT信息。显示雷达工作状态,BIT信息。远程设备状态信息报文的接收和解析。远程回波信息报文的接收和信息解码,并将解码结果发至遥控服务器。接收目标信息和环境信息,并转发至信息处理软件。将处理后的信息组包发至陆基指挥中心,并接收上级指令。实时记录并查询气象数据雷达,UPS等设备的工作状态信息。本文还针对传统BP神经网络容易陷入局部最优的缺点,提出一种改进的BP神经网络算法,将输出层值和期望值相关的数据作为新信息,反馈给输入层,得到改进的BP神经网络算法。在神经网络拟合函数的基础上引入了健康度的概念,得到健康状态评价算法。提出了一种雷达天线转轴的健康评估方法,在MATLAB平台下进行仿真实验,获得改进BP神经网络计算转轴的健康度。
二、转轴组件故障监测及诊断系统研究（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、转轴组件故障监测及诊断系统研究（论文提纲范文）
（1）汽轮发电机组扭振故障分析及在线监测的研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 轴系扭振系统特性的研究现状 |
| 1.2.2 汽轮发电机组扭振响应分析及安全性评价的研究现状 |
| 1.2.3 振动测量原理及方法的研究与应用现状 |
| 1.2.4 汽轮发电机组扭振在线监测装置的研究及应用现状 |
| 1.3 本文主要研究内容与技术路线 |
| 第2章 轴系振动系统建模及固有特性分析 |
| 2.1 引言 |
| 2.2 叶盘振动系统固有特性分析 |
| 2.2.1 叶盘振动系统模型 |
| 2.2.2 叶盘振动系统固有特性分析 |
| 2.2.3 叶盘结构的刚性盘等效方法 |
| 2.3 轴-盘-支承振动系统特性分析 |
| 2.3.1 轴-盘-支承系统的基本单元模型 |
| 2.3.2 轴-盘-支承系统的有限元模型及固有特性分析 |
| 2.3.3 基于旋转向量的轴系振动分析 |
| 2.4 本章小结 |
| 第3章 汽轮机组轴系扭振响应及安全性分析 |
| 3.1 引言 |
| 3.2 汽轮发电机组轴系的扭振响应分析 |
| 3.2.1 轴系扭振响应分析方法 |
| 3.2.2 蒸汽和电磁力矩计算 |
| 3.3 汽轮发电机组轴系扭振安全性分析 |
| 3.3.1 危险截面的确定 |
| 3.3.2 轴系典型结构在扭振作用下的应力分析 |
| 3.3.3 转轴扭转疲劳损伤评价 |
| 3.4 本章小结 |
| 第4章 增量编码器在扭振在线监测中的研究与应用 |
| 4.1 引言 |
| 4.2 广义增量编码器瞬时角速度计算的扭振测量 |
| 4.2.1 广义增量编码器模型及瞬时角速度计算方法 |
| 4.2.2 扭振信号提取方法的适用条件 |
| 4.2.3 扭振信号在线提取流程与仿真分析 |
| 4.3 等周期高差测距型增量编码器的弯扭振动测量 |
| 4.3.1 等周期高差测距型增量编码器模型 |
| 4.3.2 瞬时角速度对弯振频率的调制许用条件 |
| 4.3.3 弯扭振动提取流程及仿真分析 |
| 4.4 弯扭振动测量的试验验证 |
| 4.4.1 增量编码器瞬时角速度计算的扭振测量实验 |
| 4.4.2 等周期高差测距型增量编码器弯扭振动测量实验 |
| 4.5 本章小结 |
| 第5章 扭振在线监测装置的开发与应用 |
| 5.1 引言 |
| 5.2 扭振在线监测装置的工程设计与开发 |
| 5.2.1 总体构架设计 |
| 5.2.2 功能设计与技术开发 |
| 5.2.3 硬件平台的工程设计 |
| 5.2.4 软件与数据平台的工程设计 |
| 5.3 扭振在线监测装置功能测试及应用 |
| 5.3.1 性能测试与功能验证 |
| 5.3.2 工程应用 |
| 5.4 本章小结 |
| 第6章 结论与展望 |
| 6.1 论文工作总结 |
| 6.2 主要创新点 |
| 6.3 后续工作展望 |
| 参考文献 |
| 附录 |
| 攻读博士学位期间发表的论文及其它成果 |
| 攻读博士学位期间参加的科研工作 |
| 致谢 |
| 作者简介 |
（2）汽轮发电机组健康状态监测与智能故障诊断技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题的来源 |
| 1.2 课题的研究背景及意义 |
| 1.3 国内外研究现状 |
| 1.3.1 汽轮发电机组状态监测与故障诊断的国内外研究现状 |
| 1.3.2 基于UML系统建模方法的国内外研究现状 |
| 1.3.3 基于本体知识表示方法的国内外研究现状 |
| 1.3.4 基于案例推理的故障诊断国内外研究现状 |
| 1.4 课题的研究目标和研究内容 |
| 1.4.1 研究目标 |
| 1.4.2 研究内容 |
| 第2章 汽轮发电机组典型故障原理分析及处理技术 |
| 2.1 引言 |
| 2.2 600MW亚临界汽轮发电机组的基本结构 |
| 2.3 汽轮发电机组典型故障分析及处理 |
| 2.3.1 汽轮发电机组转子质量不平衡 |
| 2.3.2 汽轮发电机组转子不对中故障 |
| 2.3.3 汽轮发电机组动静碰磨振动故障 |
| 2.4 本章小结 |
| 第3章 汽轮发电机组状态监测与智能故障诊断系统建模 |
| 3.1 引言 |
| 3.2 UML理论研究 |
| 3.2.1 UML建模 |
| 3.2.2 UML核心元素 |
| 3.2.3 UML建模流程和工具 |
| 3.3 机组总体架构 |
| 3.3.1 汽轮发电机组数据处理中心的功能 |
| 3.3.2 状态监测与故障诊断系统的功能 |
| 3.3.3 诊断算法研究中心的功能 |
| 3.4 状态监测与故障诊断系统静态建模 |
| 3.4.1 系统三层架构 |
| 3.4.2 系统用例模型 |
| 3.4.3 系统类图 |
| 3.4.4 系统功能分解 |
| 3.5 状态监测与故障诊断系统动态建模 |
| 3.5.1 系统状态模型 |
| 3.5.2 系统交互模型 |
| 3.6 系统组件部署 |
| 3.7 本章小结 |
| 第4章 智能故障诊断系统的知识库构建和推理机设计 |
| 4.1 引言 |
| 4.2 汽轮发电机组多源异构知识的选择与融合 |
| 4.2.1 多源异构知识的选择 |
| 4.2.2 多源异构知识的融合 |
| 4.3 汽轮发电机组多源异构本体知识建模 |
| 4.3.1 汽轮发电机组全局本体的构建 |
| 4.3.2 汽轮发电机组局部本体的构建 |
| 4.3.3 汽轮发电机组全局本体与局部本体间映射 |
| 4.4 汽轮发电机组知识融合实例验证 |
| 4.5 基于本体和关联案例推理机制的设计 |
| 4.5.1 本体推理 |
| 4.5.2 关联案例推理 |
| 4.5.3 本体和关联案例集成推理方法的评价 |
| 4.6 本章小结 |
| 第5章 状态监测与智能故障诊断系统的开发与性能测试 |
| 5.1 引言 |
| 5.2 系统开发关键技术 |
| 5.2.1 动态链接库的生成方式 |
| 5.2.2 MATLAB的嵌入与捕捉 |
| 5.2.3 状态监测模块中实时显示机组数据技术 |
| 5.2.4 封装SqlHelper类 |
| 5.3 系统数据库的设计 |
| 5.3.1 需求分析 |
| 5.3.2 概念结构设计 |
| 5.3.3 添加配置文件 |
| 5.4 系统功能开发 |
| 5.4.1 系统登录模块 |
| 5.4.2 状态监测模块 |
| 5.4.3 信号分析模块 |
| 5.4.4 故障诊断模块 |
| 5.5 实例验证 |
| 5.6 本章小结 |
| 总结与展望 |
| 总结 |
| 展望 |
| 参考文献 |
| 致谢 |
| 附录A 攻读学位期间所发表的学术论文及科研成果 |
| 附录B 攻读学位期间所参与的科研项目 |
（3）关键传动件变工况下的时变信号特征表征及自适应监测诊断方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 课题背景及研究意义 |
| 1.2 机械装备关键传动件故障诊断及健康状态监测技术的研究现状与发展趋势 |
| 1.3 变工况下特征提取以及信号处理技术的研究现状与发展趋势 |
| 1.3.1 基于时频空间能量分布的瞬态信号解调分析技术 |
| 1.3.2 基于外界干扰下的复合信号解耦分析技术 |
| 1.3.3 基于变工况下网络自适应监测及故障诊断技术 |
| 1.4 机械装备关键传动件的智能故障诊断与健康状态监测所面临的挑战 |
| 1.5 本文的主要研究内容及章节安排 |
| 第二章 短时傅里叶框架下的二阶同步提取变换 |
| 2.1 引言 |
| 2.2 局部瞬时频率的估计问题 |
| 2.3 短时傅里叶框架下的二阶同步提取变换 |
| 2.4 二阶同步提取变换的仿真实验验证 |
| 2.4.1 单分量仿真信号分析 |
| 2.4.2 多分量仿真信号分析 |
| 2.5 在旋转机械振动信号分析中的应用 |
| 2.5.1 案例一:单分量机械振动信号分析 |
| 2.5.2 案例二:多分量机械振动信号分析 |
| 2.6 本章小结 |
| 第三章 递归映射解调高阶同步提取变换 |
| 3.1 引言 |
| 3.2 广义解调 |
| 3.3 递归映射解调高阶同步提取变换理论分析 |
| 3.3.1 单分量信号模型的递归映射解调高阶同步提取变换 |
| 3.3.2 多分量信号模型的递归映射解调高阶同步提取变换 |
| 3.4 仿真信号验证分析 |
| 3.5 在动力传动装置行星齿轮箱故障诊断中的应用 |
| 3.6 本章小结 |
| 第四章 阈自适应神经网络模型的风机健康状态监测 |
| 4.1 引言 |
| 4.2 自编码模型 |
| 4.3 生成对抗网络模型 |
| 4.3.1 标准生成对抗网络模型 |
| 4.4 阈自适应生成对抗网络模型 |
| 4.5 在风力发电系统关键传动件的健康状态监测中的应用 |
| 4.5.1 数据预处理分析 |
| 4.5.2 案例一:鲁南风场14号风力发电机组健康状态监测 |
| 4.5.3 案例二:荣成风场15号风力发电机组健康状态监测 |
| 4.6 本章小结 |
| 第五章 工况自适应神经网络模型的行星齿轮箱故障诊断 |
| 5.1 引言 |
| 5.2 相关的理论 |
| 5.2.1 全连接神经网络 |
| 5.2.2 卷积神经网络 |
| 5.2.3 t-分布邻域嵌入算法 |
| 5.3 工况自适应神经网络模型 |
| 5.4 工况自适应网络模型在行星齿轮箱故障诊断中的应用 |
| 5.4.1 实验设备简介及数据描述 |
| 5.4.2 行星齿轮箱故障检测及诊断结果分析 |
| 5.5 本章小结 |
| 第六章 时变工况下滚动轴承知识迁移学习模型的故障诊断 |
| 6.1 引言 |
| 6.2 稀疏自编码网络 |
| 6.3 提出的知识迁移学习网络模型 |
| 6.4 在轴承系统的诊断中的应用 |
| 6.4.1 实验设备简介 |
| 6.4.2 数据描述 |
| 6.4.3 轴承故障结果验证及对比分析 |
| 6.5 本章小结 |
| 第七章 结论和展望 |
| 7.1 研究结论 |
| 7.2 研究创新点总结 |
| 7.3 研究展望 |
| 致谢 |
| 参考文献 |
| 攻读博士学位期间取得的成果 |
（4）高速精密电主轴转子失衡识别及主动平衡研究（论文提纲范文）
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 选题背景及研究意义 |
| 1.2 国内外研究动态及发展趋势 |
| 1.2.1 转子故障诊断方法 |
| 1.2.2 电主轴故障诊断技术 |
| 1.2.3 电主轴在线主动平衡技术 |
| 1.3 研究内容及总体方案 |
| 1.3.1 研究内容 |
| 1.3.2 总体方案 |
| 2 电主轴选型设计及系统集成 |
| 2.1 电主轴结构及特点 |
| 2.2 电主轴选型设计 |
| 2.3 电主轴系统集成 |
| 2.4 主轴模态测试 |
| 2.5 本章小结 |
| 3 电主轴转子失衡故障识别 |
| 3.1 转子失衡故障机理 |
| 3.2 振动信号特征提取 |
| 3.3 振动图像特征提取 |
| 3.3.1 灰度图像纹理分析方法 |
| 3.3.2 对称极坐标图像纹理分析方法 |
| 3.3.3 EMD-PWVD振动时频图像能量分析方法 |
| 3.4 基于图像特征的FCM聚类识别 |
| 3.5 失衡故障识别试验 |
| 3.5.1 振动信号识别试验 |
| 3.5.2 振动图像识别试验 |
| 3.6 本章小结 |
| 4 电主轴在线主动平衡装置及系统设计 |
| 4.1 在线主动平衡原理 |
| 4.2 在线主动平衡装置设计 |
| 4.2.1 总体传动方案 |
| 4.2.2 机械结构及参数设计 |
| 4.2.3 平衡能力设计 |
| 4.3 在线主动平衡装置控制研究 |
| 4.4 平衡系统设计及试验 |
| 4.4.1 在线主动平衡方法 |
| 4.4.2 在线主动平衡系统设计 |
| 4.4.3 平衡性能试验 |
| 4.5 本章小结 |
| 5 电主轴失衡故障识别与主动平衡软件开发 |
| 5.1 在线主动平衡系统软件开发 |
| 5.1.1 软件方案 |
| 5.1.2 软件开发 |
| 5.2 软件功能验证 |
| 5.3 软件应用验证 |
| 5.4 本章小结 |
| 6 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 附录 |
（5）基于结构声强可视化的航空发动机转子-支承-机匣耦合系统振动能量传递特性研究（论文提纲范文）
| 摘要 |
| Abstract |
| 符号说明表 |
| 第1章 绪论 |
| 1.1 选题的背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 航空发动机振动问题研究与发展历程 |
| 1.2.1.1 转子系统 |
| 1.2.1.2 转子-轴承耦合系统 |
| 1.2.1.3 转子-支承-机匣耦合系统 |
| 1.2.2 航空发动机整机动力学研究现状 |
| 1.2.3 振动传递特性研究方法发展历程 |
| 1.2.3.1 传递路径分析方法 |
| 1.2.3.2 功率流法 |
| 1.2.4 结构声强法理论与实验研究现状 |
| 1.2.4.1 结构声强法理论与数值研究现状 |
| 1.2.4.2 结构声强法实验与测量研究现状 |
| 1.2.5 小结 |
| 1.3 本文的主要工作 |
| 1.3.1 研究目的 |
| 1.3.2 研究方法 |
| 1.3.3 研究内容 |
| 第2章 结构声强法理论 |
| 2.1 概述 |
| 2.2 振动波理论 |
| 2.2.1 纵波 |
| 2.2.2 横波 |
| 2.2.2.1 剪切波 |
| 2.2.2.2 扭转波 |
| 2.2.3 弯曲波 |
| 2.3 结构声强法 |
| 2.3.1 通用表述 |
| 2.3.2 不同类型振动波表述 |
| 2.3.2.1 纵波所传递的振动能量 |
| 2.3.2.2 剪切波所传递的振动能量 |
| 2.3.2.3 扭转波所传递的振动能量 |
| 2.3.2.4 弯曲波所传递的振动能量 |
| 2.3.3 不同结构单元表述 |
| 2.3.3.1 板壳单元 |
| 2.3.3.2 梁单元 |
| 2.3.3.3 实体结构单元 |
| 2.4 本章小结 |
| 第3章 结构声强矢量场求解与可视化 |
| 3.1 概述 |
| 3.2 有限单元法基本原理与步骤 |
| 3.3 FLAG通讯机制 |
| 3.4 通用求解程序 |
| 3.5 物理空间与计算空间转换 |
| 3.6 振动能量流线可视化 |
| 3.7 可行性与准确性验证 |
| 3.7.1 算例一 |
| 3.7.2 算例二 |
| 3.8 本章小结 |
| 第4章 双转子-支承-机匣耦合系统瞬态振动能量传递特性 |
| 4.1 概述 |
| 4.2 双转子-支承-机匣耦合系统 |
| 4.3 全局瞬态结构声强矢量场求解与可视化 |
| 4.3.1 通用求解程序预留接口命令输入 |
| 4.3.2 收敛性分析 |
| 4.3.3 准确性分析(网格无关性验证) |
| 4.4 耦合系统全局瞬态振动能量传递特性分析 |
| 4.4.1 瞬态结构声强场频响特性 |
| 4.4.2 转子、支板、机匣部件间瞬态振动能量传递特性分析 |
| 4.5 机匣不同类型振动波瞬态振动能量传递特性分析 |
| 4.6 本章小结 |
| 第5章 结构声强与结构振动特性内在物理联系 |
| 5.1 概述 |
| 5.2 结构声强的量纲 |
| 5.3 内在物理联系的理论分析 |
| 5.4 转子模态振型对振动能量传递特性的影响 |
| 5.4.1 概述 |
| 5.4.2 一阶弯曲模态 |
| 5.4.3 锥动模态 |
| 5.4.4 平动模态 |
| 5.4.5 小结 |
| 5.5 基于瞬态振动能量传递控制的转子振动抑制研究 |
| 5.5.1 带有周向环槽的低压转子结构 |
| 5.5.2 周向环槽对瞬态振动能量传递特性的影响分析 |
| 5.5.3 验证周向环槽对转子弯曲振动的抑制作用 |
| 5.6 本章小结 |
| 第6章 稳态振动能量传递特性及减振应用 |
| 6.1 概述 |
| 6.2 机匣稳态振动能量传递特性分析 |
| 6.2.1 航空发动机整机机匣耦合结构 |
| 6.2.2 机匣稳态结构声强矢量场求解及可视化 |
| 6.2.3 机匣模态分析 |
| 6.2.4 振动能量通量比 |
| 6.2.5 结果分析与讨论 |
| 6.3 机匣稳态振动能量耦合特性分析 |
| 6.3.1 理论分析 |
| 6.3.2 数值验证 |
| 6.3.3 附加反相激励载荷对振动能量传递控制及振动抑制的作用 |
| 6.3.3.1 概述 |
| 6.3.3.2 带孔板件结构模型 |
| 6.3.3.3 附加反相激励载荷对振动能量传递特性的影响 |
| 6.3.3.4 附加反相激励载荷对结构振动的抑制作用 |
| 6.4 稳态振动能量涡流场在振动抑制中的作用 |
| 6.4.1 安装节诱导的振动能量涡流场 |
| 6.4.1.1 单转子-支承-机匣耦合模型 |
| 6.4.1.2 安装节位置对振动能量传递特性的影响分析 |
| 6.4.1.3 时、频域中机匣组件减振有效性评估 |
| 6.4.2 机匣周向加肋筋诱导的振动能量涡流场 |
| 6.4.2.1 带有周向加肋筋的机匣-支承-转子耦合系统 |
| 6.4.2.2 振动能量传递率 |
| 6.4.2.3 机匣模态分析 |
| 6.4.2.4 加肋与未加肋机匣稳态结构声强矢量场 |
| 6.4.2.5 能量涡流场对稳态振动能量传递率的影响 |
| 6.5 本章小结 |
| 第7章 非线性结构中振动能量传递特性初步探究 |
| 7.1 概述 |
| 7.2 考虑非线性接触的螺栓预紧法兰连接平板组件 |
| 7.3 非线性瞬态结构声强矢量场求解与可视化 |
| 7.4 非线性瞬态振动能量传递特性 |
| 7.4.1 F1 沿+z方向加载 |
| 7.4.2 F1 沿-z方向加载 |
| 7.5 微观振动能量传递过程与宏观运动状态变化过程对应分析 |
| 7.5.1 阻尼及外部激励载荷作用下的相轨迹 |
| 7.5.2 相轨迹与瞬态结构声强矢量场映射关系分析 |
| 7.6 本章小结 |
| 结论、创新点与展望 |
| 参考文献 |
| 附录A FLAG通讯机制APDL命令流及MATLAB脚本语言 |
| 附录B 瞬态转子不平衡力载荷表命令流 |
| 致谢 |
| 作者简历及攻读学位期间发表的学术论文与研究成果 |
（6）汽轮机智能诊断与健康管理关键技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题研究的背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究目的和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 信息获取的研究现状 |
| 1.2.2 故障诊断技术研究现状 |
| 1.2.3 设备健康管理的研究现状 |
| 1.3 本文研究内容和结构安排 |
| 第2章 基于知识图谱的诊断知识获取与表达 |
| 2.1 引言 |
| 2.2 故障机理分析方法与步骤 |
| 2.2.1 名词解释 |
| 2.2.2 设备树分析 |
| 2.2.3 故障模式及影响分析 |
| 2.2.4 故障树分析 |
| 2.2.5 基于Neo4j的知识图谱构建 |
| 2.2.6 故障机理分析步骤 |
| 2.3 诊断知识图谱的建立 |
| 2.3.1 知识图谱构建流程 |
| 2.3.2 类和实体属性定义 |
| 2.3.3 关系定义 |
| 2.4 核电汽轮机诊断知识图谱的构建 |
| 2.4.1 核电汽轮机设备树分析 |
| 2.4.2 汽轮机组故障机理分析 |
| 2.4.3 核电汽轮机诊断知识图谱 |
| 2.5 本章小结 |
| 第3章 汽轮机典型故障征兆识别 |
| 3.1 引言 |
| 3.2 基于模糊矢量映射的序列数据趋势型征兆识别 |
| 3.2.1 模糊矢量空间映射 |
| 3.2.2 案例验证 |
| 3.3 基于独立元空间重构的频谱类征兆识别 |
| 3.3.1 频谱中的方向概念 |
| 3.3.2 独立元空间重构方法 |
| 3.3.3 案例验证 |
| 3.4 本章小结 |
| 第4章 基于知识图谱与贝叶斯网络的智能诊断与维修决策 |
| 4.1 引言 |
| 4.2 基于知识图谱确定性推理的故障隔离 |
| 4.2.1 Cypher查询语句 |
| 4.2.2 基于图数据搜索的故障隔离 |
| 4.2.3 案例测试 |
| 4.3 基于贝叶斯网络不确定性推理的故障诊断 |
| 4.3.1 贝叶斯网络的定义 |
| 4.3.2 BN诊断模型构建关键技术 |
| 4.3.3 基于联合树算法的BN推理 |
| 4.3.4 案例测试 |
| 4.4 基于故障链严重程度评估的维修决策 |
| 4.4.1 独立严重程度指标 |
| 4.4.2 故障链严重程度 |
| 4.4.3 与PM和传统CM的对比 |
| 4.4.4 实例测试 |
| 4.5 结论 |
| 第5章 智能诊断与健康管理原型系统设计与实现 |
| 5.1 引言 |
| 5.2 原型系统基本框架 |
| 5.3 智能诊断与健康管理系统主要功能设计 |
| 5.3.1 基于数据仓库技术的存储设计 |
| 5.3.2 基于机器学习算法框架的征兆识别模块设计 |
| 5.3.3 基于确定性和不确定性推理的诊断推理模块设计 |
| 5.4 样机系统实现 |
| 5.5 本章小结 |
| 第6章 结论与展望 |
| 6.1 全文总结 |
| 6.2 论文主要创新点 |
| 6.3 有待进一步开展的工作 |
| 参考文献 |
| 攻读博士期间发表的论文及其它成果 |
| 攻读博士学位期间参加的科研工作 |
| 致谢 |
| 作者简介 |
（7）风电机组运行状态监测与健康维护系统的研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题研究背景 |
| 1.1.1 我国风力发电行业发展现状 |
| 1.1.2 风电机组运行状态监测与健康维护面临的挑战 |
| 1.1.3 风电机组运行状态监测与健康维护面临的机遇 |
| 1.2 课题研究目的及意义 |
| 1.2.1 发电设备运行状态监测与健康维护的内涵 |
| 1.2.2 风电机组运行状态监测与健康维护系统研究的目的及意义 |
| 1.3 课题理论与技术国内外研究现状 |
| 1.3.1 风电机组运行状态分析的研究现状 |
| 1.3.2 风电机组运行状态监测的研究现状 |
| 1.3.3 风电机组设备健康维护的研究现状 |
| 1.4 风电机组运行状态监测与健康维护应用研究 |
| 1.4.1 风电机组500小时运行考核试验 |
| 1.4.2 风电机组运行状态监测与健康维护系统 |
| 1.5 本文主要研究内容及结构安排 |
| 第2章 风电机组运行状态分析与知识表述 |
| 2.1 引言 |
| 2.2 系统科学背景下的运行状态分析 |
| 2.3 风电机组典型故障模式分析 |
| 2.3.1 风能捕捉系统典型故障分析 |
| 2.3.2 传动系统典型故障分析 |
| 2.3.3 发电机系统典型故障分析 |
| 2.4 机组运行状态知识表述 |
| 2.4.1 基于故障树分析的风电机组故障知识表述方法 |
| 2.4.2 基于失效模式及影响分析的风电机组故障知识表述方法 |
| 2.5 本章小结 |
| 第3章 风电机组运行状态指标分析与体系构建 |
| 3.1 引言 |
| 3.2 风电机组运行状态指标体系初建 |
| 3.3 风电机组运行状态指标选取与分析 |
| 3.3.1 安全性指标 |
| 3.3.2 经济性指标 |
| 3.3.3 可靠性指标 |
| 3.4 基于对应分析的多块方法下的指标体系确立 |
| 3.4.1 基于对应分析的多块划分方法 |
| 3.4.2 机组指标体系确立 |
| 3.5 本章小结 |
| 第4章 风电机组运行状态监测与诊断方法研究 |
| 4.1 引言 |
| 4.2 机组故障诊断复合网络拓扑结构及功能描述 |
| 4.3 风电机组运行数据预处理与特征提取 |
| 4.3.1 风电机组振动信号预处理 |
| 4.3.2 基于数学形态学的无量纲趋势整理 |
| 4.3.3 t-s曲线趋势特征提取 |
| 4.3.4 实例分析 |
| 4.4 基于因子分析改进层级NSET方法的机组故障预警模型 |
| 4.4.1 层级NSET方法原理 |
| 4.4.2 残差统计分析 |
| 4.4.3 基于因子分析改进的层级NSET模型 |
| 4.4.4 实例分析 |
| 4.5 ETA-FPN多重网络机组故障诊断模型 |
| 4.5.1 ETA-FPN的定义 |
| 4.5.2 ETA-FPN层级结构与推理分析 |
| 4.5.3 改进信息熵的ETA-FPN模型构建方法 |
| 4.5.4 基于改进信息熵方法的ETA-FPN模型搭建 |
| 4.6 复合网络诊断模型实例分析 |
| 4.6.1 FA-HNSET预警分析 |
| 4.6.2 ETA-FPN网络模型诊断 |
| 4.6.3 基于FTA结构的故障原因分析 |
| 4.7 本章小结 |
| 第5章 风电机组健康维护问题的研究 |
| 5.1 引言 |
| 5.2 基于模糊评判的风电机组运行状态健康评价 |
| 5.2.1 健康评价体系层次划分 |
| 5.2.2 评价指标劣化度的确定 |
| 5.2.3 风电机组运行状态的模糊评判 |
| 5.3 基于ARMA模型的风电机组故障预测 |
| 5.3.1 ARMA预测模型描述 |
| 5.3.2 ARMA模型辨识 |
| 5.4 风电机组故障设备维护决策方法 |
| 5.4.1 基于FMEA的风电机组典型故障模式属性分析及风险评价 |
| 5.4.2 风电机组故障FTA分析 |
| 5.4.3 故障模式及底事件的维护方式决策 |
| 5.5 实例分析 |
| 5.6 本章小结 |
| 第6章 风电机组运行状态监测与健康维护系统研发 |
| 6.1 引言 |
| 6.2 风电机组运行状态监测与健康维护系统设计 |
| 6.2.1 设计目的 |
| 6.2.2 系统整体构架 |
| 6.2.3 系统功能设计 |
| 6.3 风电机组运行状态监测与健康维护系统技术应用 |
| 6.3.1 系统信息管理及配置 |
| 6.3.2 系统应用 |
| 6.4 本章小结 |
| 第7章 总结与展望 |
| 7.1 全文总结 |
| 7.2 论文主要创新点 |
| 7.3 有待进一步开展的工作 |
| 参考文献 |
| 攻读博士学位期间发表的论文及其他成果 |
| 攻读博士学位期间参加的科研工作 |
| 致谢 |
| 作者介绍 |
（8）无人机电动舵机运行状态感知优化设计方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题背景及研究目的和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 电动舵机技术研究现状 |
| 1.2.2 电动舵机状态监测技术研究现状 |
| 1.2.3 电动舵机感知优化设计研究现状 |
| 1.2.4 研究现状小结 |
| 1.3 本文的主要研究内容与结构 |
| 1.3.1 本文主要研究内容 |
| 1.3.2 论文的组织结构 |
| 第2章 基于监测参数的电动舵机故障表征建模 |
| 2.1 引言 |
| 2.2 电动舵机的组成及工作原理 |
| 2.3 电动舵机故障模式及表征参数分析 |
| 2.3.1 电动舵机FMECA分析 |
| 2.3.2 电动舵机故障表征参数分析 |
| 2.3.3 故障模式与表征参数匹配分析 |
| 2.4 电动舵机故障表征建模 |
| 2.4.1 测点传感器的选取方法 |
| 2.4.2 电动舵机多信号流图模型 |
| 2.4.3 故障演化-测试二维相关矩阵 |
| 2.4.4 电动舵机测试集优化方法 |
| 2.5 本章小结 |
| 第3章 电动舵机故障感知定量建模与传感器优化配 |
| 3.1 引言 |
| 3.2 基于K-L散度的传感器故障检测定量评价 |
| 3.2.1 K-L散度 |
| 3.2.2 故障检测定量评价的基本原理 |
| 3.2.3 基于K-L散度的故障检测计算方法 |
| 3.3 基于故障检测量化评价的传感器配置 |
| 3.3.1 故障检测定性评价下传感器配置存在问题分析 |
| 3.3.2 电动舵机传感器优化配置问题描述 |
| 3.3.3 基于遗传算法的传感器优化配置求解 |
| 3.3.4 基于定量评价的传感器配置实例分析 |
| 3.4 本章小结 |
| 第4章 电动舵机感知优化设计仿真验证 |
| 4.1 引言 |
| 4.2 基于Ansys的电动舵机仿真验证环境搭建 |
| 4.2.1 Ansys简介 |
| 4.2.2 电机电磁模型的参数化建模和求解 |
| 4.3 电动舵机故障感知优化验证及分析 |
| 4.3.1 电动舵机故障表征参数选取有效性验证 |
| 4.3.2 基于传感器配置的电动舵机感知优化验证 |
| 4.4 本章小结 |
| 结论 |
| 参考文献 |
| 攻读学位期间发表的论文及其它成果 |
| 致谢 |
（9）涡扇发动机性能退化预测与维修策略研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题的研究背景及意义 |
| 1.2 问题分析 |
| 1.3 发动机性能退化状态评价、预测及维修策略研究现状 |
| 1.3.1 发动机状态评价研究现状 |
| 1.3.2 发动机性能退化预测研究现状 |
| 1.3.3 发动机维修策略研究现状 |
| 1.4 课题研究内容 |
| 1.4.1 发动机模型的构建及性能退化仿真研究 |
| 1.4.2 发动机性能退化传播仿真与健康状态评价方法研究 |
| 1.4.3 发动机性能衰退状态短期预测 |
| 1.4.4 发动机剩余寿命预测 |
| 1.4.5 基于运行成本最优化的维护策略 |
| 第2章 发动机模型建立及性能退化仿真 |
| 2.1 引言 |
| 2.2 小涵道比涡扇发动机各部件模型分析 |
| 2.2.1 大气模型的建立 |
| 2.2.2 进气道部件模型的建立 |
| 2.2.3 风扇部件模型的建立 |
| 2.2.4 压气机模型的建立 |
| 2.2.5 燃烧室放热模型的建立 |
| 2.2.6 高压涡轮部件模型的建立 |
| 2.2.7 低压涡轮部件模型的建立 |
| 2.2.8 转轴模型的建立 |
| 2.2.9 尾喷管部件模型的建立 |
| 2.2.10 反推装置计算模型的建立 |
| 2.2.11 容腔效应模型 |
| 2.3 发动机性能退化机理及影响分析 |
| 2.4 发动机性能退化建模 |
| 2.4.1 发动机性能退化建模介绍 |
| 2.4.2 气路部件性能参数 |
| 2.4.3 发动机性能退化仿真模型的搭建 |
| 2.5 发动机性能退化仿真分析 |
| 2.6 本章小结 |
| 第3章 发动机性能退化传播仿真与健康状态评价方法研究 |
| 3.1 引言 |
| 3.2 发动机退化传播建模方法及仿真分析 |
| 3.2.1 发动机性能退化传播建模方法 |
| 3.2.2 发动机性能退化传播仿真分析 |
| 3.3 基于因子分析的发动机性能衰退状态评价方法 |
| 3.4 本章小结 |
| 第4章 基于迁移式的长短时记忆网络发动机性能衰退状态短期预测 |
| 4.1 引言 |
| 4.2 发动机性能衰退状态预测问题分析 |
| 4.3 迁移式LSTM算法介绍 |
| 4.3.1 基于网络的深度迁移学习 |
| 4.3.2 长短时记忆网络(LSTM) |
| 4.4 发动机性能衰退状态短期预测实例 |
| 4.4.1 基于迁移式LSTM模型建立 |
| 4.4.2 结果分析 |
| 4.5 本章小结 |
| 第5章 基于相似性的高斯过程回归的发动机剩余寿命预测 |
| 5.1 引言 |
| 5.2 发动机剩余寿命预测问题分析 |
| 5.3 发动机气路性能退化模式识别 |
| 5.4 基于相似性的高斯过程回归预测算法介绍 |
| 5.4.1 动态时间归整算法 |
| 5.4.2 高斯过程回归预测模型 |
| 5.4.3 基于相似性的高斯过程回归预测模型建立 |
| 5.5 发动机剩余寿命预测预测实例 |
| 5.5.1 基于相似性的高斯过程回归预测过程 |
| 5.5.2 结果分析 |
| 5.6 本章小结 |
| 第6章 基于运行成本最优化的动态非周期性自适应维护策略 |
| 6.1 引言 |
| 6.2 建立不同维修等级下的发动机状态回退模型 |
| 6.2.1 维修等级的划分 |
| 6.2.2 建立不同维修等级的状态回退模型 |
| 6.3 基于单位时间运行成本最小化的维修决策策略 |
| 6.3.1 发动机健康状态等级划分 |
| 6.3.2 基于单位时间运行成本最小化的维修决策策略 |
| 6.4 粒子群优化算法的发动机最佳维护时间求解方法 |
| 6.5 基于单位时间运行成本最小化的发动机维修决策算例分析 |
| 6.6 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士期间发表的论文及其它成果 |
| 致谢 |
（10）岸岛观测设备管控系统的设计与实现（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 课题研究现状 |
| 1.3 课题研究内容 |
| 1.4 论文组织结构 |
| 2 相关技术和理论 |
| 2.1 数据通信协议UDP协议 |
| 2.2 MFC框架开发技术简介 |
| 2.3 BP神经网络 |
| 2.3.1 BP神经网络结构 |
| 2.3.2 BP算法的步骤 |
| 2.3.3 BP神经网络的性能分析 |
| 2.4 本章小结 |
| 3 系统需求分析 |
| 3.1 项目总体概述 |
| 3.2 岸岛观测设备管控系统功能需求 |
| 3.2.1 雷达设备管控模块功能 |
| 3.2.2 气象检测设备管控模块功能 |
| 3.2.3 电源系统遥控模块功能 |
| 3.2.4 其他设备管控模块功能 |
| 3.2.5 数据库管控模块功能 |
| 3.3 设备接口定义 |
| 3.4 适应性和环境需求 |
| 4 系统设计 |
| 4.1 功能用例 |
| 4.2 程序模块流程图 |
| 4.3 程序单元模块标识 |
| 4.4 数据库设计 |
| 4.4.1 数据库ER图设计 |
| 4.4.2 数据库表结构设计 |
| 4.5 本章小结 |
| 5 雷达天线转轴的健康状况评估 |
| 5.1 基于改进BP神经网络的健康度计算 |
| 5.1.1 健康度的概念和等级划分 |
| 5.1.2 改进BP算法拟合函数的思想 |
| 5.1.3 基于改进BP神经网络的健康度计算 |
| 5.2 实验及性能评估 |
| 5.2.1 数据预处理 |
| 5.2.2 评价指标 |
| 5.2.3 模型参数选择 |
| 5.2.4 实验结果与分析 |
| 5.3 本章小结 |
| 6 系统实现 |
| 6.1 本项目软件编码基本规范 |
| 6.2 本地操控和显示软件的实现 |
| 6.2.1 本地操控终端应用配置管理和主程序 |
| 6.2.2 本地终端设备开关操控 |
| 6.2.3 监测信息显示 |
| 6.3 设备状态记录模块的部署的实现 |
| 6.3.1 数据库的部署 |
| 6.3.2 WEB服务的部署 |
| 6.3.3 启动查询 |
| 6.4 本章小结 |
| 结论 |
| 参考文献 |
| 附录 A DevINIFile.cpp |
| 致谢 |
| 作者简历及攻读硕士学位期间的科研成果 |
四、转轴组件故障监测及诊断系统研究（论文参考文献）
- [1]汽轮发电机组扭振故障分析及在线监测的研究[D]. 张玉皓. 华北电力大学(北京), 2021(01)
- [2]汽轮发电机组健康状态监测与智能故障诊断技术研究[D]. 张永明. 兰州理工大学, 2021
- [3]关键传动件变工况下的时变信号特征表征及自适应监测诊断方法研究[D]. 陈鹏. 电子科技大学, 2020
- [4]高速精密电主轴转子失衡识别及主动平衡研究[D]. 邵偲洁. 西安科技大学, 2020(01)
- [5]基于结构声强可视化的航空发动机转子-支承-机匣耦合系统振动能量传递特性研究[D]. 马英群. 中国科学院大学(中国科学院工程热物理研究所), 2020(08)
- [6]汽轮机智能诊断与健康管理关键技术研究[D]. 杨楠. 华北电力大学(北京), 2020(06)
- [7]风电机组运行状态监测与健康维护系统的研究[D]. 贾子文. 华北电力大学(北京), 2020(06)
- [8]无人机电动舵机运行状态感知优化设计方法研究[D]. 史书慧. 哈尔滨工业大学, 2020(02)
- [9]涡扇发动机性能退化预测与维修策略研究[D]. 姜娜. 哈尔滨工业大学, 2020(01)
- [10]岸岛观测设备管控系统的设计与实现[D]. 李芳松. 大连海事大学, 2020(01)