论文部分内容阅读
在钢铁冶金领域,机械设备的在线故障诊断具有重要意义,因为此类诊断不仅可以极大节约设备的维护、维修、更换等成本,而且还能降低设备故障引发的生产事故概率。然而,调研表明国内外针对钢铁工业的机械设备故障诊断研究尚处于初步阶段,还未发现成熟的理论与方法的推广与应用。轧机液压缸是钢铁生产过程中的重要机械设备之一,故障率较高,常常采用定期检修与更换的方法,保证轧机液压缸的稳定运行。轧机液压缸的在线故障诊断研究对其早期故障预报,降低维护成本和避免生产事故发生具有重要意义,因为轧机液压缸的故障轻则降低产品质量,重则引发停产事故。但由于液压缸故障诊断与识别涉及到多个相似度较大的状态变量,无法直接采用面向故障管理理念的模式识别手段处理。为此,研究轧机液压缸的在线故障诊断具有重要的理论意义和实际应用价值。本论文提出了基于声发射技术的轧机液压缸在线故障诊断理论与方法,通过声发射检测仪,在线检测了轧机液压缸正常、泄露状态下的声发射信号,深入研究了轧机液压缸状态声发射信号的消噪法和特征识别方法,分别提出了小波去噪法和三维状态热图与主成分分析的特征分类与识别方法,并与小波特征识别方法进行了特征识别效果比较,并给出了上述三种信号分析方法的优缺点,为解决液压缸在线故障诊断问题提供了新方法与思路,主要研究内容为:(1)详细分析了轧机液压缸的泄露以及声发射信号产生的机理,结合轧机液压缸的运动工作原理,确定了声发射采集系统传感器的安装位置,完成了液压缸在正常和泄露两种状态下的声发射信号的采集工作。(2)针对因小波基选择不当而引发的处理功能精度低的问题提出了一种新的小波基选择方法,然后采用小波阈值去噪方法处理轧机液压缸状态声发射信号进行消噪处理,并完成了除噪后信号的时、频、时-频特征的计算与特征提取。(3)针对轧机液压缸状态声发射信号的特征分类与识别问题,分别提出了三维状态热图法、主成分分析法,并与小波识别法进行了比较与分析,给出了仿真结果。分析表明,三维状态热图法适用于状态间相似度较大情况,主成分分析法适用于分析大样本高维特征数据,小波分析法虽简单高效,但较适用于分析小样本数据。