汽轮发电机组状态趋势预测及故障诊断方法研究
|
摘要
本文以汽轮发电机组为对象,对机组转子-轴承系统的状态趋势预测和故障诊断方法进行研究。首先,分析了汽轮发电机组常见典型故障的机理及其特征;其次,针对振动信号现场采集过程中易受噪声干扰的特点,提出了一种基于自适应结构元素的广义形态滤波方法对信号进行预处理;然后,针对反映汽轮发电机组工作状态的特征参数时间序列所具有的规律性特点,建立等维动态组合模型对机组的振动位移峰-峰值和基于不分层分析的谐波窗分解提取得到的特征量进行趋势预测;最后,针对轴心轨迹形状可以直观反映转子故障信息的特点,提出了一种基于不分层分析的谐波窗分解提纯轴心轨迹的故障诊断方法。
第一章介绍了本文的选题背景及意义,综合论述了国内外汽轮发电机组状态趋势预测和故障诊断技术的研究现状,指出目前存在的一些问题,说明了本文的主要研究内容。
第二章对汽轮发电机组常见典型故障进行了定性分析,研究了故障机理和特征,并简要介绍了目前火电厂旋转设备采用的振动标准,旨在为后续章节提供基础。
第三章提出了一种基于自适应结构元素的广义形态滤波预处理方法。采用广义形态滤波对信号进行降噪预处理,无需预知信号的频谱特征,通过一小一大自适应的结构元素对信号进行形态学运算,即可抑制信号中的噪声干扰。文中详细论述了该方法的原理和构造过程,并通过仿真和实例检验了该方法对信号的预处理效果。
第四章在对汽轮发电机组状态趋势预测任务和可预测性分析的基础上,构建了等维动态组合模型,对汽轮发电机组的振动位移峰-峰值建立了预测模型,并结合仿真和实例检验了该模型的预测精度。
第五章在总结汽轮发电机组状态特征量提取方法的基础上,提出了一种基于不分层分析的谐波窗分解提取振动信号特征量的方法。采用不分层分析的谐波窗分解提取出反映机组运行工况的特征量,并对特征量建立等维动态组合预测模型,便于掌握机组状态变化的规律和发现设备早期故障的苗头。
第六章针对轴心轨迹形状可以直观反映转子故障信息的特点,提出了一种基于不分层分析的谐波窗分解提纯轴心轨迹的故障诊断方法。通过对实测信号频率分量的判断,采用不分层分析的谐波窗分解提取信号中主要的频率成分,重构转子提纯的轴心轨迹,依据各典型故障的轴心轨迹特征进行故障诊断。
第七章概括了全文的主要工作和本文的创新点,并对进一步的工作进行了展望。
In this paper, methods of state trend prediction and fault diagnosis have been researched for turbo-generator unit. First, the common typical fault principle and feature are analyzed. Second, aiming at the practical signal is easy to be interrupted in acquisition field, a pre-processing method is proposed based on the adaptive structure element of generalized morphology filtering. Third, due to the state characteristic parameters have regularity, the equal dimension dynamic combination model is built to predict the vibration peak-to-peak values and characteristic values which are abstracted by harmonic window decomposition method which is no need for layer decomposition. Finally, due to the shape of rotor center's orbit could express rotor's fault directly, a fault diagnosis method by purifying rotor center's orbit is proposed based on the harmonic window decomposition method which is no need for layer decomposition.
Chapter 1 gives a comprehensive description about the research work's background and significance, the current research status of state trend prediction and fault diagnosis skill of turbo-generator unit at home and abroad. Some problems existed in this area are pointed out and the main research content is given.
Chapter 2 qualitatively analyzes the common typical faults of turbo-generator unit, studies the fault principle and feature. Then the vibration criterion for rotating machinery used in power plant is introduced, it supplies basis for latter chapters.
Chapter 3 puts forward a pre-processing method based on the adaptive structure element of generalized morphology filtering. With this method, there is no need to know the spectrum feature of original signal when de-noising. By using a small structure and a big one in morphology processing, the noise interferences will be eliminated. The detailed principle and construction are given, and then the effectiveness of this method has been proved by simulation and practical data processing.
Chapter 4 builds an equal dimension dynamic combination model on the base of state trend prediction task and predictable analysis. Then the predictive model is built for vibration peak-to-peak values of turbo-generator unit. The predictive precision has been verified by simulation and practical results.
Chapter 5 proposes a method to extract vibration characteristic values on the base of the harmonic window decomposition method which is no need for layer decomposition. Using this method to extract vibration characteristic values which express operation status, then the equal dimension dynamic combination model is built for these characteristic values. It is useful to master the state changing regularity and find the symptom of forepart fault.
Chapter 6 puts forward a fault diagnosis method by purifying rotor center's orbit based on the harmonic window decomposition method which is no need for layer decomposition, whose shape could express rotor's fault directly. By recognizing frequency components of practical signal, the main frequency components are abstracted by harmonic window decomposition method, and then the purified rotor center's orbit is reconstructed. In the end, the fault diagnosis will be done according to rotor center's orbit of the typical fault.
The last chapter summaries the main research conclusion and key innovative points, and then further research work is put forward.
第一章介绍了本文的选题背景及意义,综合论述了国内外汽轮发电机组状态趋势预测和故障诊断技术的研究现状,指出目前存在的一些问题,说明了本文的主要研究内容。
第二章对汽轮发电机组常见典型故障进行了定性分析,研究了故障机理和特征,并简要介绍了目前火电厂旋转设备采用的振动标准,旨在为后续章节提供基础。
第三章提出了一种基于自适应结构元素的广义形态滤波预处理方法。采用广义形态滤波对信号进行降噪预处理,无需预知信号的频谱特征,通过一小一大自适应的结构元素对信号进行形态学运算,即可抑制信号中的噪声干扰。文中详细论述了该方法的原理和构造过程,并通过仿真和实例检验了该方法对信号的预处理效果。
第四章在对汽轮发电机组状态趋势预测任务和可预测性分析的基础上,构建了等维动态组合模型,对汽轮发电机组的振动位移峰-峰值建立了预测模型,并结合仿真和实例检验了该模型的预测精度。
第五章在总结汽轮发电机组状态特征量提取方法的基础上,提出了一种基于不分层分析的谐波窗分解提取振动信号特征量的方法。采用不分层分析的谐波窗分解提取出反映机组运行工况的特征量,并对特征量建立等维动态组合预测模型,便于掌握机组状态变化的规律和发现设备早期故障的苗头。
第六章针对轴心轨迹形状可以直观反映转子故障信息的特点,提出了一种基于不分层分析的谐波窗分解提纯轴心轨迹的故障诊断方法。通过对实测信号频率分量的判断,采用不分层分析的谐波窗分解提取信号中主要的频率成分,重构转子提纯的轴心轨迹,依据各典型故障的轴心轨迹特征进行故障诊断。
第七章概括了全文的主要工作和本文的创新点,并对进一步的工作进行了展望。
In this paper, methods of state trend prediction and fault diagnosis have been researched for turbo-generator unit. First, the common typical fault principle and feature are analyzed. Second, aiming at the practical signal is easy to be interrupted in acquisition field, a pre-processing method is proposed based on the adaptive structure element of generalized morphology filtering. Third, due to the state characteristic parameters have regularity, the equal dimension dynamic combination model is built to predict the vibration peak-to-peak values and characteristic values which are abstracted by harmonic window decomposition method which is no need for layer decomposition. Finally, due to the shape of rotor center's orbit could express rotor's fault directly, a fault diagnosis method by purifying rotor center's orbit is proposed based on the harmonic window decomposition method which is no need for layer decomposition.
Chapter 1 gives a comprehensive description about the research work's background and significance, the current research status of state trend prediction and fault diagnosis skill of turbo-generator unit at home and abroad. Some problems existed in this area are pointed out and the main research content is given.
Chapter 2 qualitatively analyzes the common typical faults of turbo-generator unit, studies the fault principle and feature. Then the vibration criterion for rotating machinery used in power plant is introduced, it supplies basis for latter chapters.
Chapter 3 puts forward a pre-processing method based on the adaptive structure element of generalized morphology filtering. With this method, there is no need to know the spectrum feature of original signal when de-noising. By using a small structure and a big one in morphology processing, the noise interferences will be eliminated. The detailed principle and construction are given, and then the effectiveness of this method has been proved by simulation and practical data processing.
Chapter 4 builds an equal dimension dynamic combination model on the base of state trend prediction task and predictable analysis. Then the predictive model is built for vibration peak-to-peak values of turbo-generator unit. The predictive precision has been verified by simulation and practical results.
Chapter 5 proposes a method to extract vibration characteristic values on the base of the harmonic window decomposition method which is no need for layer decomposition. Using this method to extract vibration characteristic values which express operation status, then the equal dimension dynamic combination model is built for these characteristic values. It is useful to master the state changing regularity and find the symptom of forepart fault.
Chapter 6 puts forward a fault diagnosis method by purifying rotor center's orbit based on the harmonic window decomposition method which is no need for layer decomposition, whose shape could express rotor's fault directly. By recognizing frequency components of practical signal, the main frequency components are abstracted by harmonic window decomposition method, and then the purified rotor center's orbit is reconstructed. In the end, the fault diagnosis will be done according to rotor center's orbit of the typical fault.
The last chapter summaries the main research conclusion and key innovative points, and then further research work is put forward.
引文
[1]李德江.旋转机械轴心轨迹的理论计算、提纯和自动识别研究[D].青岛:山东大学,2007.
[2]冯志鹏,宋希庚,薛冬新,等.旋转机械振动故障诊断理论与技术进展综述[J].振动与冲击,2001,20(4):36-39.
[3]施维新.汽轮发电机组振动及事故[M].北京:中国电力出版社,1998.
[4]李鹏飞.轴心轨迹识别及其在汽轮发电机组振动监测诊断中的应用[D].北京:华北电力大学,2007.
[5]王恒文.汽轮发电机组故障预测方法研究[D].武汉:武汉水利电力大学,1999.
[6]刘强.人工神经网络及其在汽轮发电机组振动故障预测中的应用[D].杭州:浙江大学,2005.
[7]杨崴崴.小波神经网络在汽轮发电机组故障预测中的应用[D].杭州:浙江大学,2008.
[8]北京农业大学机械工程研究室.机械维修工程与技术[M].北京:机械工业出版社,1989.
[9]王祥田.国产大型燃煤机组的大修与运行可靠性[J].中国电力,1994,11:24-30.
[10]徐敏.欧美大型旋转机械监测诊断技术发展近况与综述[C].第四届全国机械设备故障诊断学术会议论文集,1994
[11]李勇,叶荣学,曹祖庆.汽轮机经济指标的监测与诊断[J].汽轮机技术,1995,1:34-38.
[12]李勇.人工神经网络及其在汽轮机故障预测与诊断中的应用[D].南京:东南大学,1997.
[13]殷键.旋转机械状态监测与趋势预示的研究[D].北京:北京机械工业学院,1999.
[14]张森.机械系统状态分析及趋势预示技术的研究[D].北京:北京机械工业学院,2000.
[15]徐洪安.大型旋转机组非平稳状态趋势预示技术研究[D].北京:北京机械工业院,2001.
[16]王少红.旋转机械状态监测及预测的集成化技术研究[D].北京:北京机械工业学院,2002.
[17]陈大禧,朱铁光.大型回转机械诊断现场实用技术[M].北京:机械工业出版社,2002.
[18]罗佑新,张龙庭,李敏.灰色系统理论及其在机械工程中的应用[M].长沙:国防科技大学出版社,2001.
[19]尹克奇.大型烟气机组故障诊断与趋势预测系统的研究[D].北京:北京机械工业学院,2006.
[20]徐玉秀,原培新,杨文平.复杂机械故障诊断的分形与小波方法[M].北京:机械工业出版社,2003.
[21]徐玉秀,张剑,侯荣涛.机械系统动力学分形特征及故障诊断方法[M].北京:国防工业出版社,2006.
[22]黄文虎,夏松波,刘瑞岩,等.设备故障诊断原理技术及应用[M].北京:科学出版社,1997.
[23]石博强,申焱华.机械故障诊断的分形方法[M].北京:冶金工业出版社,2001.
[24]徐玉秀,刑刚.模糊数学在故障诊断中的应用研究[J].高压电器,2000,36(194):19-21.
[25]廖伯瑜.机械故障诊断基础[M].北京:冶金工业出版社,1991.
[26]胡爱军,唐贵基,安连锁.振动信号采集中剔除脉冲的新方法[J].振动与冲击,2006,25(1): 126-127.
[27]盛兆顺,尹琦岭.设备状态监测与故障诊断技术及应用[M].北京:化学工业出版社,2003.
[28]程耀东,李培玉.机械振动学(线性系统)[M].杭州:浙江大学出版社,1988.
[29]李艳妮.旋转机械故障机理与故障特征提取技术研究[D].北京:北京化工大学,2007.
[30]陆颂元.汽轮发电机组振动[M].北京:中国电力出版社,2000.
[3l]施维新.转子大不平衡引起轴系破坏机理的研究[J].河北电力技术,1992,5:18-24.
[32]楼建忠,杜红文.大型旋转机械质量不平衡故障的研究[J].现代制造工程,2008,10:23-26.
[33]张祖德.旋转机械转子不平衡的故障诊断[J].特钢技术,2008,14(57):49-52.
[34]王广庆.转子轴心轨迹自动识别方法的研究[D].保定:华北电力大学,2006.
[35]刘占生,赵广,龙鑫.转子系统联轴器不对中研究综述[J].汽轮机技术,2007,49(5):321-325.
[36]孙超,韩捷,关惠玲,等.齿式联轴器联接不对中振动机理及特征分析[J].振动、测试与诊断,2004,24(3):229-233.
[37]王延博.大型汽轮发电机组轴系不对中振动的研究[J].动力工程,2004,24(6):768-774.
[38]韩捷,石来德.转子系统齿式联接不对中故障的运动学机理研究[J].振动工程学报,2004,17(4):416-420.
[39]刘泽民,张新红,张锦贤,等.旋转机械轴系不对中故障分析[J].焦作工学院学报(自然科学版),2003,22(4):283-285.
[40]张新江,焦映厚,张玉国,等.旋转机械不对中故障特征提取及诊断方法研究[J].汽轮机技术,1999,41(2):104-107.
[4l]夏松波,张新江,刘占生,等.旋转机械不对中故障研究综述[J].振动、测试与诊断,1998,18(3):157-161.
[42]魏伟.转子不对中故障机理与诊断[J].石油化工设备,1997,26(4):48-51.
[43]张新勇,段滋华,张牢牢.滑动轴承油膜涡动及油膜振荡研究[J].太原理工大学学报,2008,39(3):232-235.
[44]张新勇,段滋华.滑动轴承油膜涡动和油膜振荡故障诊断及在线消除[J].煤矿机械,2008,29(1):196-199.
[45]崔保.滑动轴承油膜涡动和油膜振荡的机理与诊断[J].机械工程师,2006,6:134-135.
[46]安婧红,李树臣.油膜涡动故障力学分析[J]_中国设备工程,2004,7:35-36.
[47]戈志华,高金吉,王文永.旋转机械动静碰摩机理研究[J].振动工程学报,2003,16(4):426-429.
[48]向玲,胡爱军,唐贵基,等.转子动静碰摩故障仿真与试验研究[J].润滑与密封,2005,5:78-80.
[49]王润,刘智安,孔昭文,等.汽轮机动静碰摩振动的诊断与处理[J].内蒙古电力技术,2009,27(1):16-19.
[50]向玲,唐贵基.旋转机械动静碰摩故障特征研究[J].煤矿机械,2005,5:33-35.
[51]马建敏,张文,郑铁生.单盘转子碰摩条件分析[J].精密制造与自动化,2003年增刊,68-70.
[52]王立平,叶佩青,汪劲松,等.转子碰摩故障非线性特征的数值仿真分析[J].汽轮机技术,2002, 44(1):31-33.
[53]王立平,叶佩青,尹文生,等.碰摩转子系统的非线性动力学模型[J].汽轮机技术,2000,42(6):336-338.
[54]刘献栋,李其汉.质量偏心旋转机械碰摩故障特征及全息谱分析[J].航空动力学报,1998,13(4):428-430.
[55]王德友.旋转机械转静子碰摩振动特性[J].航空发动机,1998,2:37-41.
[56]武新华,刘占生,夏松波.旋转机械碰摩故障特性分析[J].汽轮机技术,1996,38(1):31-34.
[57]罗剑斌,荆百林,袁立平,等.火电厂旋转设备振动标准介绍与应用[J].河南电力,2006,1:46-48
[58]Matheron G.Random sets and integral geometry[M].New York:Wiley,1975.
[59]Serra J.Image analysis and mathematical morphology[M].New York:Academic,1982.
[60]Maragos P,Schafer R W.Morphological filters-Part Ⅰ:Their set-theoretic analysis and relation to linear shift-infariant filters[J].IEEE Trans.on Acoustics,Speech and Signal Processing,1987,35(8):1153-1169.
[61]Maragos P,Schafer R W.Morphological filters-Part Ⅱ:Their relation to median,order-statistic,and stack filters[J].IEEE Trans.on Acoustics,Speech and Signal Processing,1987,35(8):1170-1184.
[62]Serra J.Morphological filtering:An overview[J].Signal Processing,1994,38(4):3-11.
[63]Hejimans H J A M.Morphological image operators[M].New York:Academic Press,1994.
[64]赵春晖.数字形态滤波器理论及其算法研究[M].北京:高等教育出版社,2002.
[65]崔屹.图象处理与分析-数学形态学方法与应用[M].北京:科学出版社,2000.
[66]唐贵基,王维珍,胡爱军,等.数学形态学在旋转机械振动信号处理中的应用[J].汽轮机技术,2005,47(4):271-272.
[67]安连锁,胡爱军,唐贵基,等.采用数学形态学滤波器的轴心轨迹提纯[J].动力工程,2005,25(4):550-533
[68]N.Wang,F.C.Lu and H.M.Li.Analysis processing of on-line monitored dissipation factor based on morphological filter[J].IEEE Transactions on Dielectrics and Electrical Insulation,2004,11(5):840-846.
[69]Zhang Wenbin,Zhou Xiaojun,Lin Yong.Application of morphological filter in pulse noise removing of vibration signal[C].Proceedings-1~(st) International Congress on Image and Signal Processing,Sanya,Hainan,China,2008,1:132-135.
[70]王楠,律方成,刘云鹏,等.自适应广义形态滤波方法在介损在线监测数据处理中的应用研究[J].中国电机工程学报,2004,24(2):161-165.
[71]赵春晖,李一兵,惠俊英.一种适于图像噪声平滑的广义形态滤波器[J].哈尔滨工程大学学报,2000,21(2):55-59.
[72]张兆礼,赵春晖,梅小舟.现代图像处理技术及Matlab实现[M].北京:人民邮电出版社,2001.
[73]张文斌,周晓军,林勇.广义形态滤波器在振动信号处理中的应用研究[J].农业工程学报,2008, 24(6):203-205.
[74]荣太平,夏玉洁.形态滤波算法在油井测量数据处理中的应用[J].华中理工大学学报,2000,28(5):55-57.
[75]章立军.信号的数学形态学分析方法及其应用研究[D].北京:北京科技大学,2007.
[76]唐常青,吕宏伯,黄铮,等.数学形态学方法及其应用[M].北京:科学出版社,1990.
[77]刘雄,赵振毅,屈梁生.转子监测和诊断系统[M].西安:西安交通大学出版社,1991.
[78]王晶.基于灰色理论模型的变压器故障预测[D].保定:华北电力大学,2006.
[79]陈耀武.旋转机械状态监测系统与故障诊断、状态预测方法研究[D].杭州:浙江大学,1998.
[80]薛子云.灰色系统和时间序列分析在机车轴承故障预测中的应用研究[D].北京:北京交通大学,2006.
[81]胡桥,何正嘉,訾艳阳,等.一种新的机电设备状态趋势智能混合预测模型[J].机械强度,2005,27(4):425-431.
[82]刑棉.季节性预测的组合灰色模型神经网络模型研究[J].系统工程理论与实践,2001,21(1):31-35.
[83]邓聚龙.灰色系统基本方法[M].武汉:华中工学院出版社,1987.
[84]刘思峰,郭天榜.灰色系统理论及其应用[M].开封:河南大学出版社,1991.
[85]杨江天,岳维亮.灰色模型在机械故障预测中的应用[J].机械强度,2001,23(3):277-279.
[86]靳春梅,樊灵,邱阳,等.灰色理论在旋转机械故障诊断与预报中的应用[J].应用力学学报,2000,17(3):74-79.
[87]赵荣珍,孟凡明,张优云,等.机械振动趋势的灰色预测模型研究[J].机械科学与技术,2004,23(3):256-259.
[88]施国洪.灰色预测法在设备状态趋势预报中的应用[J].中国安全科学学报,2000,10(5):49-53.
[89]吴庚申.基于ARMA及神经网络的汽轮机转子振动故障预测诊断实验研究[D].广州:华南理工大学,2005.
[90]杨叔子,吴雅.时间序列分析的工程应用[M].武汉:华中理工大学出版社,1994.
[91]杨皓,黄东胜.AR模型应用于振动信号趋势预测的研究[J].南京工程学院学报(自然科学版),2007,5(2):45--49.
[92]罗坚,蒋东翔,王风雨.汽轮机组平稳运行过程振动数据的AR(p)模型分析[J].汽轮机技术,2001,43(1):28-31.
[93]徐峰,王志芳,王宝圣.AR模型应用于振动信号趋势预测的研究[J].清华大学学报(自然科学版).1999,39(4):57-59.
[94]阎长俊.用AR模型预测机械故障的方法[J].沈阳建筑工程学院学报,1995,11(2):138-141.
[95]薛子云.组合模型在机械故障预测中的应用[J].北京工商大学学报(自然科学版),2008,26(4):35-37
[96]赵文举,马孝义,李军利,等.灰色时序组合模型及其在地下水埋深预测中的应用[J]擞学的实践与认识,2008,38(18):70-76.
[97]夏学文.一类新的时序预报模型[J].系统工程理论与实践,2000,8:87-90.
[98]李伟,韩力.组合灰色预测模型在电力负荷预测中的应用[J].重庆大学学报,2004,27(1):36-39.
[99]苑芳兵,王新华,王奎锋,等.灰色时序组合模型的改进及高校报名趋势预测[J].山东师范大学学报(自然科学版),2008,23(1):30-33.
[100]刘玉兵,陈亚忠,吴国君,等.灰色时序组合模型在发动机状态监测中应用的研究[J].润滑与密封,2007,32(4):159-160,195.
[101]佟少成,冯士英.新的组合模型及在港口客运量预测上的应用[J].大连海运学院学报,1990,16(2):171-174.
[102]田旦,许才军,郭玉斌.灰色动态组合模型及其在大坝变形预测中的应用[J].测绘信息与工程,2008,33(6):39-40.
[103]胡效雷,何祖威.基于GM-ARMA组合模型的年电力需求预测[J].广东电力,2007,20(2):10-13.
[104]陈攀,李燕辉,王文圣,等.电力负荷预测的灰色随即组合模型[J].四川水力发电,2004,23(3):79-83.
[105]刘学文,虎旭林,丁丽宏.灰色系统与时序组合模型在高层建筑沉降预测中的应用[J].宁夏大学学报(自然科学版),2003,24(1):60-62.
[106]李彩荣,王志平.新的组合模型及在港口客流量预测上的应用[J].辽宁大学学报(自然科学版),2000,27(4):309-311.
[107]范海军,陈月明.用组合模型预测油田产油量[J].石油大学学报(自然科学版),1998,22(3):54-55.
[108]易平梅.基于神经网络的水电机组故障诊断与预测研究[D].武汉:武汉大学,2004.
[109]程宝清.基于状态监测和故障诊断的水电机组故障预测研究[D].广州:华南理工大学,2005.
[110]朱大奇,易健雄,袁芳.基于小波灰色理论的旋转机械故障预测分析仪[J].仪器仪表学报,2008,29(6):1176-1181.
[111]黄伟,王衍学,徐荣峰,等.基于小波分析.支持向量机的风机故障预测[J].金属矿山,2006,4:55-58.
[112]程宝清,韩凤琴,桂中华.基于小波的灰色预测理论在水电机组故障预测中的应用[J].电网技术,2005,29(13):40-44.
[113]王衍学.基于小波和支持向量机的风机故障趋势预测研究[D].桂林:广西大学,2006.
[114]张文斌,周晓军,杨先勇,等.基于谐波窗方法的转子轴心轨迹提纯[J].振动与冲击,2009,28(8):74-77.
[115]李舜酩.谐波小波包方法及其对转子亚频轴心轨迹的提取[J].机械工程学报,2004,40(9):133-137.
[116]赵玉成.旋转机械诊断理论及方法的研究[D].西安:西安交通大学,2000.
[117]张文斌,周晓军,林勇,等.基于谐波小波包方法的旋转机械故障信号提取[J].振动与冲击,2009,28(3):87-89,97.
[118]李舜酩.谐波窗方法及其在裂纹故障识别中的应用[J].振动工程学报,2005,18(2):252-256.
[119]肖忠会.谐波小波分析在转子系统动力参数识别中的应用[D].西安:西安交通大学,2000.
[120]丁克北.基于模糊-小波神经网络的轴心轨迹识别方法[J].石油机械,2005,33(6):14-16.
[121]项春,周敏.采用多通道数字滤波器的轴心轨迹提纯[J].水力发电,2007,33(3):60-62.
[122]屈梁生,孟建.机械故障诊断技术与当代前沿科学[J].诊断技术,1995,12:18-19.
[123]陈豫.轴心轨迹提纯与自动识别研究[J].武汉理工大学学报(交通科学与工程版),2003,27(6):878-881
[124]MALLAT S.Characterization of signals from multi-scale edges[J].IEEE Transaction Pattern Analysis and Machine Intelligence,1992,14(7):710-732.
[125]MALLAT S.Singularity detection and processing with wavelets[J].IEEE Transaction Information Theory,1992,38(2):617-643.
[126]杨建国,夏松波,刘永光,等.小波降噪在轴心轨迹特征提取中的应用[J].哈尔滨工业大学学报,1999,31(5):52-54.
[127]韩吉,蒋东翔,倪维斗.利用最优小波包提取轴心轨迹故障特征[J].汽轮机技术,2001,43(3):133-136.
[128]何正嘉,訾艳阳,孟庆丰,等.机械设备非平稳信号的故障诊断原理及应用[M].北京:高等教育出版社,2001.
[129]李舜酩,吕志国,许庆余.转子轴心轨迹的谐波小波提纯[J].西北工业大学学报,2001,19(2):220-224.
[130]郭仕剑,王宝顺,贺志国,等.MATLAB 7.X数字信号处理[M].北京:人民邮电出版社,2006.
[131]Newland D E.Harmonic wavelet analysis[C].Pro.R.Soc.Lond.A,1993,443:203-205.
[132]Newland D E.Wavelet analysis of vibration Part 1:Theory[J].Trans.ASME.J.Vibration &Acoustic,1994,116:409-416.
[133]Newland D E.Wavelet analysis of vibration Part 2:Wavelet maps[J].Trans.ASME.J.Vibration &Acoustic,1994,116:417-425.
[134]Newland D E.Random vibration,spectral and wavelet analysis[M].3rd Edition,New York:Longman,Harlow and John Wiley,1993.
[135]赵纪元.基于小波理论、神经网络的实用诊断技术研究[D].西安:西安交通大学,1997.
[136]斯特恩斯.数字信号处理[M].高顺泉译,北京:人民邮电出版社,1983.
[2]冯志鹏,宋希庚,薛冬新,等.旋转机械振动故障诊断理论与技术进展综述[J].振动与冲击,2001,20(4):36-39.
[3]施维新.汽轮发电机组振动及事故[M].北京:中国电力出版社,1998.
[4]李鹏飞.轴心轨迹识别及其在汽轮发电机组振动监测诊断中的应用[D].北京:华北电力大学,2007.
[5]王恒文.汽轮发电机组故障预测方法研究[D].武汉:武汉水利电力大学,1999.
[6]刘强.人工神经网络及其在汽轮发电机组振动故障预测中的应用[D].杭州:浙江大学,2005.
[7]杨崴崴.小波神经网络在汽轮发电机组故障预测中的应用[D].杭州:浙江大学,2008.
[8]北京农业大学机械工程研究室.机械维修工程与技术[M].北京:机械工业出版社,1989.
[9]王祥田.国产大型燃煤机组的大修与运行可靠性[J].中国电力,1994,11:24-30.
[10]徐敏.欧美大型旋转机械监测诊断技术发展近况与综述[C].第四届全国机械设备故障诊断学术会议论文集,1994
[11]李勇,叶荣学,曹祖庆.汽轮机经济指标的监测与诊断[J].汽轮机技术,1995,1:34-38.
[12]李勇.人工神经网络及其在汽轮机故障预测与诊断中的应用[D].南京:东南大学,1997.
[13]殷键.旋转机械状态监测与趋势预示的研究[D].北京:北京机械工业学院,1999.
[14]张森.机械系统状态分析及趋势预示技术的研究[D].北京:北京机械工业学院,2000.
[15]徐洪安.大型旋转机组非平稳状态趋势预示技术研究[D].北京:北京机械工业院,2001.
[16]王少红.旋转机械状态监测及预测的集成化技术研究[D].北京:北京机械工业学院,2002.
[17]陈大禧,朱铁光.大型回转机械诊断现场实用技术[M].北京:机械工业出版社,2002.
[18]罗佑新,张龙庭,李敏.灰色系统理论及其在机械工程中的应用[M].长沙:国防科技大学出版社,2001.
[19]尹克奇.大型烟气机组故障诊断与趋势预测系统的研究[D].北京:北京机械工业学院,2006.
[20]徐玉秀,原培新,杨文平.复杂机械故障诊断的分形与小波方法[M].北京:机械工业出版社,2003.
[21]徐玉秀,张剑,侯荣涛.机械系统动力学分形特征及故障诊断方法[M].北京:国防工业出版社,2006.
[22]黄文虎,夏松波,刘瑞岩,等.设备故障诊断原理技术及应用[M].北京:科学出版社,1997.
[23]石博强,申焱华.机械故障诊断的分形方法[M].北京:冶金工业出版社,2001.
[24]徐玉秀,刑刚.模糊数学在故障诊断中的应用研究[J].高压电器,2000,36(194):19-21.
[25]廖伯瑜.机械故障诊断基础[M].北京:冶金工业出版社,1991.
[26]胡爱军,唐贵基,安连锁.振动信号采集中剔除脉冲的新方法[J].振动与冲击,2006,25(1): 126-127.
[27]盛兆顺,尹琦岭.设备状态监测与故障诊断技术及应用[M].北京:化学工业出版社,2003.
[28]程耀东,李培玉.机械振动学(线性系统)[M].杭州:浙江大学出版社,1988.
[29]李艳妮.旋转机械故障机理与故障特征提取技术研究[D].北京:北京化工大学,2007.
[30]陆颂元.汽轮发电机组振动[M].北京:中国电力出版社,2000.
[3l]施维新.转子大不平衡引起轴系破坏机理的研究[J].河北电力技术,1992,5:18-24.
[32]楼建忠,杜红文.大型旋转机械质量不平衡故障的研究[J].现代制造工程,2008,10:23-26.
[33]张祖德.旋转机械转子不平衡的故障诊断[J].特钢技术,2008,14(57):49-52.
[34]王广庆.转子轴心轨迹自动识别方法的研究[D].保定:华北电力大学,2006.
[35]刘占生,赵广,龙鑫.转子系统联轴器不对中研究综述[J].汽轮机技术,2007,49(5):321-325.
[36]孙超,韩捷,关惠玲,等.齿式联轴器联接不对中振动机理及特征分析[J].振动、测试与诊断,2004,24(3):229-233.
[37]王延博.大型汽轮发电机组轴系不对中振动的研究[J].动力工程,2004,24(6):768-774.
[38]韩捷,石来德.转子系统齿式联接不对中故障的运动学机理研究[J].振动工程学报,2004,17(4):416-420.
[39]刘泽民,张新红,张锦贤,等.旋转机械轴系不对中故障分析[J].焦作工学院学报(自然科学版),2003,22(4):283-285.
[40]张新江,焦映厚,张玉国,等.旋转机械不对中故障特征提取及诊断方法研究[J].汽轮机技术,1999,41(2):104-107.
[4l]夏松波,张新江,刘占生,等.旋转机械不对中故障研究综述[J].振动、测试与诊断,1998,18(3):157-161.
[42]魏伟.转子不对中故障机理与诊断[J].石油化工设备,1997,26(4):48-51.
[43]张新勇,段滋华,张牢牢.滑动轴承油膜涡动及油膜振荡研究[J].太原理工大学学报,2008,39(3):232-235.
[44]张新勇,段滋华.滑动轴承油膜涡动和油膜振荡故障诊断及在线消除[J].煤矿机械,2008,29(1):196-199.
[45]崔保.滑动轴承油膜涡动和油膜振荡的机理与诊断[J].机械工程师,2006,6:134-135.
[46]安婧红,李树臣.油膜涡动故障力学分析[J]_中国设备工程,2004,7:35-36.
[47]戈志华,高金吉,王文永.旋转机械动静碰摩机理研究[J].振动工程学报,2003,16(4):426-429.
[48]向玲,胡爱军,唐贵基,等.转子动静碰摩故障仿真与试验研究[J].润滑与密封,2005,5:78-80.
[49]王润,刘智安,孔昭文,等.汽轮机动静碰摩振动的诊断与处理[J].内蒙古电力技术,2009,27(1):16-19.
[50]向玲,唐贵基.旋转机械动静碰摩故障特征研究[J].煤矿机械,2005,5:33-35.
[51]马建敏,张文,郑铁生.单盘转子碰摩条件分析[J].精密制造与自动化,2003年增刊,68-70.
[52]王立平,叶佩青,汪劲松,等.转子碰摩故障非线性特征的数值仿真分析[J].汽轮机技术,2002, 44(1):31-33.
[53]王立平,叶佩青,尹文生,等.碰摩转子系统的非线性动力学模型[J].汽轮机技术,2000,42(6):336-338.
[54]刘献栋,李其汉.质量偏心旋转机械碰摩故障特征及全息谱分析[J].航空动力学报,1998,13(4):428-430.
[55]王德友.旋转机械转静子碰摩振动特性[J].航空发动机,1998,2:37-41.
[56]武新华,刘占生,夏松波.旋转机械碰摩故障特性分析[J].汽轮机技术,1996,38(1):31-34.
[57]罗剑斌,荆百林,袁立平,等.火电厂旋转设备振动标准介绍与应用[J].河南电力,2006,1:46-48
[58]Matheron G.Random sets and integral geometry[M].New York:Wiley,1975.
[59]Serra J.Image analysis and mathematical morphology[M].New York:Academic,1982.
[60]Maragos P,Schafer R W.Morphological filters-Part Ⅰ:Their set-theoretic analysis and relation to linear shift-infariant filters[J].IEEE Trans.on Acoustics,Speech and Signal Processing,1987,35(8):1153-1169.
[61]Maragos P,Schafer R W.Morphological filters-Part Ⅱ:Their relation to median,order-statistic,and stack filters[J].IEEE Trans.on Acoustics,Speech and Signal Processing,1987,35(8):1170-1184.
[62]Serra J.Morphological filtering:An overview[J].Signal Processing,1994,38(4):3-11.
[63]Hejimans H J A M.Morphological image operators[M].New York:Academic Press,1994.
[64]赵春晖.数字形态滤波器理论及其算法研究[M].北京:高等教育出版社,2002.
[65]崔屹.图象处理与分析-数学形态学方法与应用[M].北京:科学出版社,2000.
[66]唐贵基,王维珍,胡爱军,等.数学形态学在旋转机械振动信号处理中的应用[J].汽轮机技术,2005,47(4):271-272.
[67]安连锁,胡爱军,唐贵基,等.采用数学形态学滤波器的轴心轨迹提纯[J].动力工程,2005,25(4):550-533
[68]N.Wang,F.C.Lu and H.M.Li.Analysis processing of on-line monitored dissipation factor based on morphological filter[J].IEEE Transactions on Dielectrics and Electrical Insulation,2004,11(5):840-846.
[69]Zhang Wenbin,Zhou Xiaojun,Lin Yong.Application of morphological filter in pulse noise removing of vibration signal[C].Proceedings-1~(st) International Congress on Image and Signal Processing,Sanya,Hainan,China,2008,1:132-135.
[70]王楠,律方成,刘云鹏,等.自适应广义形态滤波方法在介损在线监测数据处理中的应用研究[J].中国电机工程学报,2004,24(2):161-165.
[71]赵春晖,李一兵,惠俊英.一种适于图像噪声平滑的广义形态滤波器[J].哈尔滨工程大学学报,2000,21(2):55-59.
[72]张兆礼,赵春晖,梅小舟.现代图像处理技术及Matlab实现[M].北京:人民邮电出版社,2001.
[73]张文斌,周晓军,林勇.广义形态滤波器在振动信号处理中的应用研究[J].农业工程学报,2008, 24(6):203-205.
[74]荣太平,夏玉洁.形态滤波算法在油井测量数据处理中的应用[J].华中理工大学学报,2000,28(5):55-57.
[75]章立军.信号的数学形态学分析方法及其应用研究[D].北京:北京科技大学,2007.
[76]唐常青,吕宏伯,黄铮,等.数学形态学方法及其应用[M].北京:科学出版社,1990.
[77]刘雄,赵振毅,屈梁生.转子监测和诊断系统[M].西安:西安交通大学出版社,1991.
[78]王晶.基于灰色理论模型的变压器故障预测[D].保定:华北电力大学,2006.
[79]陈耀武.旋转机械状态监测系统与故障诊断、状态预测方法研究[D].杭州:浙江大学,1998.
[80]薛子云.灰色系统和时间序列分析在机车轴承故障预测中的应用研究[D].北京:北京交通大学,2006.
[81]胡桥,何正嘉,訾艳阳,等.一种新的机电设备状态趋势智能混合预测模型[J].机械强度,2005,27(4):425-431.
[82]刑棉.季节性预测的组合灰色模型神经网络模型研究[J].系统工程理论与实践,2001,21(1):31-35.
[83]邓聚龙.灰色系统基本方法[M].武汉:华中工学院出版社,1987.
[84]刘思峰,郭天榜.灰色系统理论及其应用[M].开封:河南大学出版社,1991.
[85]杨江天,岳维亮.灰色模型在机械故障预测中的应用[J].机械强度,2001,23(3):277-279.
[86]靳春梅,樊灵,邱阳,等.灰色理论在旋转机械故障诊断与预报中的应用[J].应用力学学报,2000,17(3):74-79.
[87]赵荣珍,孟凡明,张优云,等.机械振动趋势的灰色预测模型研究[J].机械科学与技术,2004,23(3):256-259.
[88]施国洪.灰色预测法在设备状态趋势预报中的应用[J].中国安全科学学报,2000,10(5):49-53.
[89]吴庚申.基于ARMA及神经网络的汽轮机转子振动故障预测诊断实验研究[D].广州:华南理工大学,2005.
[90]杨叔子,吴雅.时间序列分析的工程应用[M].武汉:华中理工大学出版社,1994.
[91]杨皓,黄东胜.AR模型应用于振动信号趋势预测的研究[J].南京工程学院学报(自然科学版),2007,5(2):45--49.
[92]罗坚,蒋东翔,王风雨.汽轮机组平稳运行过程振动数据的AR(p)模型分析[J].汽轮机技术,2001,43(1):28-31.
[93]徐峰,王志芳,王宝圣.AR模型应用于振动信号趋势预测的研究[J].清华大学学报(自然科学版).1999,39(4):57-59.
[94]阎长俊.用AR模型预测机械故障的方法[J].沈阳建筑工程学院学报,1995,11(2):138-141.
[95]薛子云.组合模型在机械故障预测中的应用[J].北京工商大学学报(自然科学版),2008,26(4):35-37
[96]赵文举,马孝义,李军利,等.灰色时序组合模型及其在地下水埋深预测中的应用[J]擞学的实践与认识,2008,38(18):70-76.
[97]夏学文.一类新的时序预报模型[J].系统工程理论与实践,2000,8:87-90.
[98]李伟,韩力.组合灰色预测模型在电力负荷预测中的应用[J].重庆大学学报,2004,27(1):36-39.
[99]苑芳兵,王新华,王奎锋,等.灰色时序组合模型的改进及高校报名趋势预测[J].山东师范大学学报(自然科学版),2008,23(1):30-33.
[100]刘玉兵,陈亚忠,吴国君,等.灰色时序组合模型在发动机状态监测中应用的研究[J].润滑与密封,2007,32(4):159-160,195.
[101]佟少成,冯士英.新的组合模型及在港口客运量预测上的应用[J].大连海运学院学报,1990,16(2):171-174.
[102]田旦,许才军,郭玉斌.灰色动态组合模型及其在大坝变形预测中的应用[J].测绘信息与工程,2008,33(6):39-40.
[103]胡效雷,何祖威.基于GM-ARMA组合模型的年电力需求预测[J].广东电力,2007,20(2):10-13.
[104]陈攀,李燕辉,王文圣,等.电力负荷预测的灰色随即组合模型[J].四川水力发电,2004,23(3):79-83.
[105]刘学文,虎旭林,丁丽宏.灰色系统与时序组合模型在高层建筑沉降预测中的应用[J].宁夏大学学报(自然科学版),2003,24(1):60-62.
[106]李彩荣,王志平.新的组合模型及在港口客流量预测上的应用[J].辽宁大学学报(自然科学版),2000,27(4):309-311.
[107]范海军,陈月明.用组合模型预测油田产油量[J].石油大学学报(自然科学版),1998,22(3):54-55.
[108]易平梅.基于神经网络的水电机组故障诊断与预测研究[D].武汉:武汉大学,2004.
[109]程宝清.基于状态监测和故障诊断的水电机组故障预测研究[D].广州:华南理工大学,2005.
[110]朱大奇,易健雄,袁芳.基于小波灰色理论的旋转机械故障预测分析仪[J].仪器仪表学报,2008,29(6):1176-1181.
[111]黄伟,王衍学,徐荣峰,等.基于小波分析.支持向量机的风机故障预测[J].金属矿山,2006,4:55-58.
[112]程宝清,韩凤琴,桂中华.基于小波的灰色预测理论在水电机组故障预测中的应用[J].电网技术,2005,29(13):40-44.
[113]王衍学.基于小波和支持向量机的风机故障趋势预测研究[D].桂林:广西大学,2006.
[114]张文斌,周晓军,杨先勇,等.基于谐波窗方法的转子轴心轨迹提纯[J].振动与冲击,2009,28(8):74-77.
[115]李舜酩.谐波小波包方法及其对转子亚频轴心轨迹的提取[J].机械工程学报,2004,40(9):133-137.
[116]赵玉成.旋转机械诊断理论及方法的研究[D].西安:西安交通大学,2000.
[117]张文斌,周晓军,林勇,等.基于谐波小波包方法的旋转机械故障信号提取[J].振动与冲击,2009,28(3):87-89,97.
[118]李舜酩.谐波窗方法及其在裂纹故障识别中的应用[J].振动工程学报,2005,18(2):252-256.
[119]肖忠会.谐波小波分析在转子系统动力参数识别中的应用[D].西安:西安交通大学,2000.
[120]丁克北.基于模糊-小波神经网络的轴心轨迹识别方法[J].石油机械,2005,33(6):14-16.
[121]项春,周敏.采用多通道数字滤波器的轴心轨迹提纯[J].水力发电,2007,33(3):60-62.
[122]屈梁生,孟建.机械故障诊断技术与当代前沿科学[J].诊断技术,1995,12:18-19.
[123]陈豫.轴心轨迹提纯与自动识别研究[J].武汉理工大学学报(交通科学与工程版),2003,27(6):878-881
[124]MALLAT S.Characterization of signals from multi-scale edges[J].IEEE Transaction Pattern Analysis and Machine Intelligence,1992,14(7):710-732.
[125]MALLAT S.Singularity detection and processing with wavelets[J].IEEE Transaction Information Theory,1992,38(2):617-643.
[126]杨建国,夏松波,刘永光,等.小波降噪在轴心轨迹特征提取中的应用[J].哈尔滨工业大学学报,1999,31(5):52-54.
[127]韩吉,蒋东翔,倪维斗.利用最优小波包提取轴心轨迹故障特征[J].汽轮机技术,2001,43(3):133-136.
[128]何正嘉,訾艳阳,孟庆丰,等.机械设备非平稳信号的故障诊断原理及应用[M].北京:高等教育出版社,2001.
[129]李舜酩,吕志国,许庆余.转子轴心轨迹的谐波小波提纯[J].西北工业大学学报,2001,19(2):220-224.
[130]郭仕剑,王宝顺,贺志国,等.MATLAB 7.X数字信号处理[M].北京:人民邮电出版社,2006.
[131]Newland D E.Harmonic wavelet analysis[C].Pro.R.Soc.Lond.A,1993,443:203-205.
[132]Newland D E.Wavelet analysis of vibration Part 1:Theory[J].Trans.ASME.J.Vibration &Acoustic,1994,116:409-416.
[133]Newland D E.Wavelet analysis of vibration Part 2:Wavelet maps[J].Trans.ASME.J.Vibration &Acoustic,1994,116:417-425.
[134]Newland D E.Random vibration,spectral and wavelet analysis[M].3rd Edition,New York:Longman,Harlow and John Wiley,1993.
[135]赵纪元.基于小波理论、神经网络的实用诊断技术研究[D].西安:西安交通大学,1997.
[136]斯特恩斯.数字信号处理[M].高顺泉译,北京:人民邮电出版社,1983.