一、离心输油泵故障的振动测试与分析（论文文献综述）
周亮[1]（2020）在《基于滚珠丝杠副性能检测平台的故障智能诊断研究》文中研究指明数控机床是工业制造之母,尤其是高速、高精的先进数控机床是支撑一个国家制造业的基础。滚珠丝杠副作为各类数控机床与自动化设备的重要的关键功能部件,直接决定数控机床和其他设备的加工精度和性能。针对国产滚珠丝杠副整体质量不稳定情况,对其故障模式进行诊断研究,对于提高滚珠丝杠副可靠性和智能制造水平具有十分重要的意义。本文提出的基于滚珠丝杠副性能检测平台的故障智能诊断方法,首先对指定型号的滚珠丝杠副进行了大量试验,通过对滚珠丝杠副不同故障状态的振动信号进行分析,理清了滚珠丝杠副不同的故障模式与振动信号之间的关系,并通过有限元仿真进行了验证,之后利用经验模态分解方法对故障状态振动信号进行分解,并提取出故障特征,最后利用基于ELM的机器学习算法建立的智能诊断模型对滚珠丝杠副的故障状态进行诊断,为操作人员快速的提供了滚珠丝杠副的健康状态信息。主要研究内容如下:（1）综述了国内外滚珠丝杠副性能检测试验研发现状,并总结了国内外机械设备故障的智能检测方法发展现状。总结并分析了滚珠丝杠副的结构形式与典型失效形式,确定了本文的故障检测对象是滚珠丝杠副的磨损失效。（2）设计并搭建了滚珠丝杠副性能检测平台。根据滚珠丝杠副性能检测平台主要设计要求提出了检测平台结构设计、控制系统设计和测试系统的设计方案,并根据试验要求对系统硬件进行选型。通过ANSYS Workbench对模型进行模态分析和谐响应分析,与实际试验结果互为验证,为检测平台振动传感器的选型与安装位置的选择提供了有效的参考依据,并介绍了滚珠丝杠副磨损失效特征及其模拟特征的制备方法。（3）基于EMD的磨损失效与振动信号关系的实验研究。详细描述了EMD方法的分解步骤,然后应用该方法对滚珠丝杠副磨损状态的振动信号进行分解并提取其特征向量,并为智能化诊断模型的训练和测试提供了数据集。（4）基于检测平台的磨损失效智能诊断的试验研究。首先对滚珠丝杠副的定位精度进行了测量,为试验正常进行提供了精度保证,其次建立了基于ELM机器学习算法的故障智能诊断模型,并对其进行训练与测试,证实了本文提出的智能算法能够正确的对滚珠丝杠副的性能进行诊断,最后通过与BP算法进行性能对比实验进一步验证了本检测方法的优越性。
吴侃[2]（2019）在《离心泵空化状态识别方法研究与实现》文中进行了进一步梳理本文的研究是在国家“十三五”重点研发计划（2016YFF0203301）和国家自然科学基金（51779106）的资助下开展的。空化是水力机械的“癌症”,不但会影响水力机械性能,诱发振动和噪声,甚至还会导致过流部件遭到腐蚀破坏。为了防止空化发展造成进一步的破坏,应准确对离心泵空化状态进行识别。空化状态识别不仅能防止离心泵长期运行于空化状态而影响机组性能,还有助于实现预测性维修。本文以离心泵为研究对象,通过试验研究了信号在不同空化阶段的变化规律,提出了基于单一特征值给定阈值和基于多分辨率多测点信息融合的空化状态识别方法,并开发了离心泵空化状态识别系统。本文主要内容及成果如下:1.阐述了离心泵空化产生机理及危害,系统地总结了国内外空化状态识别方法研究现状,比较了不同空化监测方法的优缺点,分析了适用于离心泵空化状态识别的信号特征提取及模式识别方法,并对现有离心泵空化状态识别系统做了较为全面的概括。2.对离心泵不同空化状态下进口空泡分布、外特性、压力脉动、液载噪声与振动信号进行同步采集,分析其变化规律,提出了基于压力脉动、液载噪声、振动信号时域及频域信号单一特征值给定阈值的空化状态识别方法,并对这些方法进行了敏感性分析。研究表明:高速摄影方法空化判断敏感性最高,性能参数法敏感性最差;压力脉动法抗干扰性较差;声学法和振动法能够较早识别空化状态,更加适合空化的在线监测及识别。3.离心泵故障的发生或工况的改变都会引起扬程、声级和振级等的变化,因此针对采用单一特征值给定阈值识别空化易造成误判的问题,基于离心泵液载噪声、振动信号,提出了一种工况无关化的离心泵单测点多分辨率空化状态识别方法:采用小波包分解提取降噪后空化信号多尺度时变矩的均方根值、能量熵值等统计特征值组成特征矩阵,采用主成分分析法对特征矩阵进行降维去除冗余后作为输入构建RBF神经网络。结果表明,该方法对未空化、空化初生、严重空化三种空化状态整体识别率达到96%以上,对空化初生状态识别率为达到70%以上。4.针对单测点信号多分辨率分析方法对空化初生状态识别率较低的问题,提出多测点特征级信息融合的空化状态识别方法。将单测点信号各节点特征值按不同测点数量及组合方式排列成新的特征矩阵,采用主成分分析法降维后训练成新的不同RBF神经网络实现特征级融合。分析结果表明:基于两测点信号特征级融合方法对离心泵空化初生状态识别率达到82%以上,三测点以上信号特征级融合方法对三种空化状态识别率皆达到100%。5.由于受外部激励变化和工况突变等因素的影响,使得传感器获取数据常常遭受无法预测的扰动,为提升空化状态识别方法的抗干扰能力,提出基于多测点决策级信息融合的空化状态识别方法。通过D-S证据理论对单测点信号空化状态结果进行决策级融合,在保证两测点及以上信号决策级融合时对空化初生状态识别率达到98%以上的前提下,极大提升了抗干扰性。6.将多测点特征级信息融合方法运用于离心泵叶片折损、口环磨损单一故障状态识别,识别结果良好。离心泵的故障往往并非单独发生,为研究多故障状态的识别,以轴频及其倍频作为频段划分依据,提出一种基于倍频带的离心泵多故障并发状态识别方法。分析结果表明:单测点多故障并发状态识别率达到97%以上,四测点及以上信号特征级融合所有故障状态识别率达到100%7.基于上述空化状态识别方法,设计开发了配套的离心泵空化状态识别系统并进行验证:构建TCP/USB/串口通讯网络、设计制作电控箱,完成离心泵空化状态识别系统硬件的设计;运用LabVIEW开发了离心泵空化状态识别系统软件显示界面,采用MatlabScript节点编写调用小波包、RBF神经网络等复杂算法,实现了系统软硬件通讯、离心泵性能/汽蚀/高频/空载试验、时频域信号处理、运行参数在线监测/报警/记录、空化状态识别、Office报表生成及Access数据库管理等功能;利用第二章试验台及试验泵为研究对象对所开发系统进行试验验证,结果显示系统测量精度满足国家验收标准,单测点空化识别整体率达到97.2%以上,多测点特征级和决策级融合空化识别率皆优于单测点。
张芳芳[3]（2018）在《变压器油泵远程故障监测系统设计与开发》文中研究指明机车变压器油泵是牵引变压器强迫油循环冷却系统的核心动力设备,变压器油泵故障会影响机车的稳定运行。对变压器油泵的运行状况进行实时监测和故障诊断,是保证机车牵引变压器正常运行的主要措施。因此本文将油泵远程故障监测作为研究课题。本文通过分析油泵的常见故障及故障机理,选择电机定转子位移作为故障监测的敏感信号。在国内外学者研究的基础上进行创新,设计出在电机定子两端安装感应线圈的位移监测方案。使用8个线圈分时复用形成6对差动输出分别监测油泵垂直径向、水平径向和轴向位移。结合油泵故障监测的实际需求,选择基于知识的故障诊断方法,以最小二乘支持向量机为故障分类算法。该算法需要样本少,诊断速度快,泛化能力强,且分类正确率高。在算法研究基础上,设计了变压器油泵远程故障监测系统。整个系统分为三个功能块:现场监测仪,云平台数据中心和客户端中心。现场监测仪获取线圈对输出,并设计了放大、数字滤波、均方根计算等信号处理环节;使用定位模块获取油泵位置信息。监测仪通过3G模块将油泵定转子的位移信息和位置信息发送到云平台数据中心。对云平台数据库库结构进行了设计,并采用模块化的思想设计了通信程序和基于最小二乘支持向量机的故障诊断程序。客户端包括APP客户端和WEB客户端,用于显示油泵的实时运行信息及位置信息,同时实现对油泵的管理操作。以实际油泵试验台为对象开展了现场试验,获取了油泵9种运行工况下故障和非故障状态数据。使用前7种工况下的数据进行最小二乘支持向量机分类模型的训练,使用全部9种工况的数据进行测试,测试结果证明最小二乘支持向量机能够准确辨识学习工况及非学习工况下的油泵故障状态,准确率可达100%。测试结果表明本文设计的故障监测系统能够完成油泵故障的远程监测,完成预定设计目标。
拓荣庆[4]（2016）在《延长管输离心输油泵故障诊断技术研究》文中指出离心输油泵应用范围不断扩大,应用环境越来越复杂,工业现代化的进程对离心输油泵的安全性、可靠性提出了更高的要求。既要减少机械故障,又要降低盲目维修带来的成本。本文主要研究分析离心输油泵的工作原理、特性曲线、常见故障诊断及其预防措施,进一步提高离心输油泵运行的效率、可靠性和寿命,以及对发生的故障进行及时准确的判断和处理,确保输油生产安全平稳的运行。研究离心输油泵转子不平衡故障、转子不对中故障、轴弯曲故障、机械松动故障、齿轮故障等常见故障诊断及预防措施。最后结合延长石油离心输油泵的实际运行情况,分析离心输油泵的各种工况,并保证其在节能、高效、安全的情况下运行。
刘斌[5]（2016）在《基于振动检测的离心输油泵转子/轴承故障诊断》文中研究指明离心输油泵是原油管道输送系统提供动力支持的关键设备,其工作环境恶劣,系统结构复杂,调节操作频繁,具有较高的突发故障率。输油泵一旦发生故障而未被及时发现,将可能导致恶性停机事件。管线的停输可能引发管道泄漏及火灾爆炸等连锁安全事故,造成人员伤亡、环境破坏以及重大经济损失。因此,定期对离心输油泵开展切实有效的故障诊断研究,及时发现早期故障,避免发生恶性停机事件对保障整个原油运输系统的安全平稳运行具有十分重要的意义。本文首先对离心输油泵的基本结构和工作原理进行研究,根据文献调研分析输油泵常见的故障类型,并对输油站场离心泵故障进行调研,重点研究重大故障案例,寻找事故多发部位进行重点研究,然后对基于振动检测的故障诊断方法的基本原理进行了阐述,该方法的重点在于故障特征的识别,因此对输油泵常见故障的时频域特征进行分析归类,并用MATLAB仿真故障信号,得到故障时频域特征图。同时对输油站场根据经验得出的离心输油泵故障诊断要点进行汇总。寻找出现行的常用振动检测故障诊断的不足,提出相应的改进。改进主要针对振动信号降噪、故障特征提取和模式识别进行。1、阐述了奇异值分解降噪的基本原理,对降噪过程中有效秩阶次的选择和Hankel矩阵结构的确定进行了重点研究,将算法应用于转子和轴承故障振动信号降噪,得到信噪比明显的振动信号。2、提出了一种基于小波包能量熵的离心输油泵故障特征提取方法,对降噪后的振动信号进行时频分析,得到转子和轴承不同设定状态下的振动信号特征向量。3、利用人工神经网络对离心输油泵的常见转子/轴承故障进行故障模式识别,用振动信号的小波包能量熵特征参数作为网络输入,经过神经网络的训练和学习,实现了对离心输油泵的常见转子/轴承故障的诊断。
刘晶晶[6]（2010）在《基于分形理论的离心泵早期故障诊断研究》文中进行了进一步梳理离心泵是众多工业生产系统中的关键设备,一旦发生故障,轻则影响生产,重则造成严重的生产事故,因此开展早期故障诊断具有重要的意义。近年来,国内外学者开始对该课题进行研究。将分形理论应用于机械系统故障诊断领域,是近年来国内外学术界研究的热点之一。本文首次将分形理论和小波分析联合应用于离心泵工况监测领域,提出了一种基于分形理论的离心泵早期故障诊断方法。本文主要研究工作和研究结果如下:1.较详细综述了国内外相关文献,分析了离心泵机械故障诊断的研究意义、现状和难点。论文搭建了离心泵振动加速度信号采集实验装置。基于振动信号实现离心泵早期故障诊断的主要困难有两点:一是信号特征和故障之间是复杂的非线性关系;二是故障早期信号微弱,加之存在受外强迫和测量误差等因素影响,特征参数难以提取。2.基于非线性时间序列动力学互相关因子指数分析方法,结合旋转机械运行特点,引入振动信号均方值,提出了一种改进动力结构突变点检测方法—动力学因子指数分割改进算法。通过理想时间序列,验证了所提方法检测动力结构突变的有效性。以CWRU轴承试验数据为例,将所提方法应用于轴承工况监视数据动力学异同性分析,结果表明负载变化对轴承系统运行动力结构影响较小,而故障影响则较为明显。分析与应用结果表明了所提算法的有效性。3.基于分形理论和小波分析方法提出了一种新的故障特征提取方法。首先利用小波分解将离心泵故障振动信号分解到不同频带,然后以广义维数为基础,计算和绘制不同频带信号的广义维数图谱,提取故障特征,实现早期故障诊断。通过对轴承测试数据和离心泵测试数据的分析,表明该方法可用于离心泵故障早期特征提取和诊断。
胡方霞,蓝浩[7]（2008）在《基于设备组态的旋转机械故障诊断专家系统的研究与实现》文中提出根据旋转机械设备种类的多样性及专家系统诊断对象范围窄的特点,研究了基于设备组态的多征兆模糊产生式规则的诊断知识表示和以关系数据库为基础的知识库的建立与维护机制,开发了基于设备组态的旋转机械故障诊断专家系统。系统在满足知识表示和推理模型的有效性和实用性要求下,具有构造简单、推理效率高等优点,有效地提高了旋转机械故障诊断专家系统的适应性和通用性。
王凯,张永祥,李军[8]（2007）在《泵的故障诊断研究综述》文中进行了进一步梳理泵的应用量大面广,对其开展故障诊断研究有着重要的现实意义。本文综述了目前有关泵的故障诊断方法,述评这些方法的特点及局限性,最后指出这一领域有待进一步研究的若干问题和发展趋势。
梁瑞年[9]（2005）在《输油泵安全监测与故障诊断系统研究》文中认为输油泵机组是原油集输系统的关键设备。这些设备能否安全运行关乎到整个企业生产是否正常运作。对泵组进行安全监测,实时反映泵组的运行状态,并且对有故障或者潜在故障的设备进行科学分析,这些都是现代化生产和科学发展必然要求。本论文设计一个基于虚拟仪器技术的泵组安全监测与故障诊断系统。系统使用NI公司的数据采集和信号调理模块,在线监测9台输油泵机组的振动和温度信号。对采集的振动和温度数据进行运算处理,使用多种分析方法,判断出输油泵机组的故障或者潜在故障。系统是在基于虚拟仪器技术的LabVIEW平台下开发,以C/S（客户端/服务器端）通讯方式,通过企业局域网,实现泵组实时在线监测和远程诊断功能。本论文重点放在输油泵安全监测与故障诊断系统的设计及实现部分。根据现场条件、技术水平和成本控制等因素,详细阐述系统架构的选定以及硬件仪器设备的选型,并且介绍现场的安装及调试。软件设计与实现是基于LabVIEW虚拟仪器编程特点,将系统软件分解成三个程序,由这三个程序完成实时状态监测,远程监测和故障诊断分析等任务。通过使用该系统,实现泵组的状态监测以及设备潜在故障的预知和故障的判断,保证了泵组安全正常运行,做到设备的预知维修。
闻建龙,邓绍更,陈汇龙,王贞涛[10]（2004）在《离心输油管线泵基于振动信号的故障诊断和状态监测》文中研究表明离心输油泵是输油管线最关键的设备,其工作状况直接影响到机组的安全和经济运行。因此,对离心输油泵运行状态的监测与诊断受到运行部门的高度关注。本文应用人工神经网络中的BP网络进行输油泵的故障诊断。该方法计算简单、实用方便,且诊断结果具有相当程度的可靠性。
二、离心输油泵故障的振动测试与分析（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、离心输油泵故障的振动测试与分析（论文提纲范文）
（1）基于滚珠丝杠副性能检测平台的故障智能诊断研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 引言 |
| 1.2 国内外研究现状及分析 |
| 1.2.1 滚珠丝杠副性能检测试验研究概况 |
| 1.2.2 机械设备故障智能检测方法的研究 |
| 1.3 课题研究背景及意义 |
| 1.4 课题主要研究内容 |
| 1.5 本章小节 |
| 第2章 滚珠丝杠副磨损失效形式和性能仿真分析 |
| 2.1 滚珠丝杠副的结构形式 |
| 2.2 常见磨损失效形式 |
| 2.3 不同磨损情况的模态对比分析 |
| 2.3.1 仿真模型建立 |
| 2.3.2 网格划分 |
| 2.3.3 材料属性与约束条件施加 |
| 2.3.4 结果分析 |
| 2.4 不同磨损情况的谐响应分析 |
| 2.4.1 谐响应简介 |
| 2.4.2 谐响应结果 |
| 2.4.3 结果分析 |
| 2.5 本章小结 |
| 第3章 滚珠丝杠副性能检测平台设计 |
| 3.1 检测平台总体设计 |
| 3.1.1 检测平台主要要求 |
| 3.1.2 检测平台总体结构组成 |
| 3.1.3 安装方式选择 |
| 3.2 控制系统设计 |
| 3.2.1 驱动电机选择 |
| 3.2.2 信号反馈方式 |
| 3.3 定位精度测试系统设计 |
| 3.3.1 精度测量原理 |
| 3.3.2 精度测量传感器 |
| 3.4 振动测试系统设计 |
| 3.4.1 基于振动信号的诊断方法 |
| 3.4.2 振动传感器 |
| 3.4.3 数据采集仪 |
| 3.5 磨损失效工况的模拟实现 |
| 3.6 本章小结 |
| 第4章 基于EMD的磨损失效与振动信号关系的实验研究 |
| 4.1 经验模态分解基本理论 |
| 4.2 经验模态分解步骤 |
| 4.3 基于EMD的振动信号特征提取 |
| 4.3.1 振动信号采集 |
| 4.3.2 振动信号分解 |
| 4.3.3 振动信号的特征提取 |
| 4.4 本章小结 |
| 第5章 基于检测平台的磨损失效智能诊断的试验研究 |
| 5.1 定位精度检测结果及分析 |
| 5.1.1 定位精度测量方法 |
| 5.1.2 定位精度检测结果 |
| 5.1.3 定位精度检测结果分析 |
| 5.2 基于极限学习机的故障智能诊断试验 |
| 5.2.1 单隐层前馈神经网络 |
| 5.2.2 极限学习机原理 |
| 5.2.3 滚珠丝杠副故障智能检测方法 |
| 5.2.4 磨损状态的智能诊断模型的训练与测试 |
| 5.2.5 与BP网络性能对比分析 |
| 5.3 本章小结 |
| 第6章 结论与展望 |
| 6.1 主要研究成果 |
| 6.2 研究展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间论文发表及科研情况 |
（2）离心泵空化状态识别方法研究与实现（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 引言 |
| 1.2 国内外研究现状 |
| 1.2.1 离心泵空化产生机理及危害 |
| 1.2.2 离心泵空化监测方法研究现状 |
| 1.2.3 离心泵空化信号特征提取方法研究现状 |
| 1.2.4 离心泵空化模式识别方法研究现状 |
| 1.2.5 离心泵空化监测系统研究现状 |
| 1.3 本文主要研究内容 |
| 第二章 离心泵空化信号特性分析及阈值确定 |
| 2.1 试验装置及方案 |
| 2.1.1 试验对象 |
| 2.1.2 试验装置 |
| 2.1.3 试验方案 |
| 2.2 试验不确定度分析 |
| 2.2.1 随机不确定度 |
| 2.2.2 系统不确定度 |
| 2.2.3 综合不确定度 |
| 2.3 基本性能试验分析 |
| 2.3.1 性能结果分析 |
| 2.3.2 高速摄影结果分析 |
| 2.4 压力脉动信号分析 |
| 2.4.1 压力脉动信号时域分析 |
| 2.4.2 压力脉动信号频域分析 |
| 2.5 液载噪声信号分析 |
| 2.5.1 液载噪声信号时域分析 |
| 2.5.2 液载噪声信号频域分析 |
| 2.6 振动信号分析 |
| 2.6.1 振动信号时域分析 |
| 2.6.2 振动信号频域分析 |
| 2.7 不同空化状态识别方法敏感性分析 |
| 2.8 本章小结 |
| 第三章 离心泵空化状态识别方法研究 |
| 3.1 单测点空化状态识别 |
| 3.1.1 单测点空化状态识别模型 |
| 3.1.2 空化状态标定 |
| 3.1.3 小波阈值降噪 |
| 3.1.4 小波包时频域分析 |
| 3.1.5 时频域统计特征提取 |
| 3.1.6 主成分分析法降维 |
| 3.1.7 RBF神经网络模式识别 |
| 3.1.8 抗干扰性分析 |
| 3.2 多测点空化状态识别 |
| 3.2.1 信息融合算法简介 |
| 3.2.2 基于RBF神经网络的特征级融合 |
| 3.2.3 基于D-S证据理论的决策级融合 |
| 3.2.4 特征级和决策级融合方法的比较 |
| 3.3 多故障及并发状态识别 |
| 3.3.1 叶片折损和口环磨损单一故障状态识别 |
| 3.3.2 基于倍频带的多故障并发状态识别 |
| 3.4 本章小结 |
| 第四章 离心泵空化状态识别系统开发 |
| 4.1 系统总体设计 |
| 4.2 系统硬件设计 |
| 4.2.1 传感器选型 |
| 4.2.2 采集模块选型 |
| 4.2.3 电控箱设计 |
| 4.3 系统软件开发 |
| 4.3.1 虚拟仪器技术和软件开发平台 |
| 4.3.2 软件结构设计 |
| 4.3.3 参数设置 |
| 4.3.4 软硬件通讯设计 |
| 4.3.5 试验模块设计 |
| 4.3.6 信号处理与诊断模块设计 |
| 4.3.7 在线监测模块设计 |
| 4.3.8 报表及数据库模块设计 |
| 4.3.9 程序发布 |
| 4.4 系统调试运行 |
| 4.4.1 测量精度分析 |
| 4.4.2 空化识别精度分析 |
| 4.5 本章小结 |
| 第五章 总结与展望 |
| 5.1 研究总结 |
| 5.2 研究展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间参与的科研项目及取得的成果 |
| 一、发表学术论文 |
| 二、申请专利 |
| 三、软件着作权登记 |
| 四、参与科研项目 |
（3）变压器油泵远程故障监测系统设计与开发（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 电机故障诊断的研究现状 |
| 1.3 泵远程故障诊断国内外研究现状 |
| 1.3.1 泵的故障诊断研究现状 |
| 1.3.2 远程故障诊断研究现状 |
| 1.4 课题主要研究内容 |
| 1.5 本章小结 |
| 2 变压器油泵远程故障监测系统总体设计 |
| 2.1 油泵常见故障表现与机理分析 |
| 2.2 变压器油泵远程故障监测需求分析 |
| 2.3 变压器油泵远程故障监测系统总体方案设计 |
| 2.3.1 系统总体方案设计 |
| 2.3.2 系统物理架构设计 |
| 2.4 故障监测原理 |
| 2.5 LSSVM故障诊断算法 |
| 2.6 本章小结 |
| 3 现场监测仪的设计与开发 |
| 3.1 现场监测仪设计方案 |
| 3.1.1 监测线圈的复用 |
| 3.1.2 监测信号的处理 |
| 3.1.3 油泵定位 |
| 3.1.4 油泵标识 |
| 3.1.5 监测信息的发送 |
| 3.2 硬件设计与选型 |
| 3.2.1 线圈材料选择 |
| 3.2.2 通信模块与定位模块选型 |
| 3.3 软件设计 |
| 3.3.1 滤波设计 |
| 3.3.2 有效值计算 |
| 3.3.3 信号合成 |
| 3.4 本章小结 |
| 4 变压器油泵远程故障监测系统软件设计 |
| 4.1 云平台数据中心软件设计 |
| 4.1.1 数据库设计 |
| 4.1.2 驻留通信程序设计 |
| 4.1.3 故障诊断程序的设计 |
| 4.2 安卓APP和WEB客户端软件设计 |
| 4.2.1 APP客户端的设计和开发 |
| 4.2.2 WEB客户端的设计和开发 |
| 4.3 本章小结 |
| 5 系统测试 |
| 5.1 实验数据采集 |
| 5.2 最小二乘支持向量机训练和测试 |
| 5.3 本章小结 |
| 6 总结与展望 |
| 6.1 本文总结 |
| 6.2 研究展望 |
| 参考文献 |
| 攻读硕士期间发表的科研成果目录 |
| 致谢 |
（4）延长管输离心输油泵故障诊断技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题研究的目的意义 |
| 1.2 课题的研究与发展现状 |
| 1.3 课题研究的内容 |
| 第二章 离心输油泵的概述 |
| 2.1 基本构造 |
| 2.2 工作原理 |
| 2.3 主要性能参数 |
| 2.4 特性曲线 |
| 2.5 自动调节方案 |
| 第三章离心输油泵常见故障诊断 |
| 3.1 故障特征提取方法 |
| 3.2 常见故障诊断 |
| 3.2.1 转子不平衡故障 |
| 3.2.2 转子不对中故障 |
| 3.2.3 轴弯曲故障 |
| 3.2.4 机械松动故障 |
| 3.2.5 齿轮故障 |
| 3.3 故障诊断的分析方法 |
| 3.4 机械密封的损坏 |
| 3.5 汽蚀及解决措施 |
| 3.5.1 汽蚀现象及原因 |
| 3.5.2 汽蚀危害 |
| 3.5.3 汽蚀诊断方法 |
| 3.5.4 汽蚀振动信号的特征 |
| 3.5.5 汽蚀的防止措施 |
| 3.6 离心输油泵完好标准 |
| 3.7 常见故障及预防措施 |
| 第四章延长管输离心输油泵的使用与维护 |
| 4.1 延长管输离心输油泵的使用 |
| 4.1.1 启泵前的检查 |
| 4.1.2 离心输油泵启动操作 |
| 4.1.3 离心输油泵的运行 |
| 4.1.4 离心输油泵的停运 |
| 4.1.5 其它注意事项 |
| 4.2 延长管输离心输油泵的维护 |
| 4.2.1 例行保养 |
| 4.2.2 一级保养 |
| 4.2.3 二级保养 |
| 4.2.4 整车保养 |
| 4.3 延长管输离心输油泵一般故障排除 |
| 第五章 结论与展望 |
| 5.1 结论 |
| 5.2 展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间发表的论文 |
（5）基于振动检测的离心输油泵转子/轴承故障诊断（论文提纲范文）
| 中文摘要 |
| Abstract |
| 字母注释表 |
| 第一章 绪论 |
| 1.1 课题来源 |
| 1.2 课题研究的背景、目的和意义 |
| 1.3 基于振动检测的机械故障诊断研究现状 |
| 1.4 离心输油泵故障诊断的研究现状和发展趋势 |
| 1.5 本文主要研究内容和技术路线 |
| 第二章 离心输油泵故障机理及故障调研 |
| 2.1 引言 |
| 2.2 离心输油泵的基本结构 |
| 2.3 离心输油泵的工作原理 |
| 2.4 离心输油泵常见故障形式及其机理分析 |
| 2.5 输油站场离心输油泵故障案例调研 |
| 2.6 本章小结 |
| 第三章 基于振动检测的故障诊断原理 |
| 3.1 引言 |
| 3.2 振动信号采集系统及测点布置 |
| 3.3 离心输油泵常见故障时频特征 |
| 3.4 输油站场离心输油泵故障诊断要点汇总 |
| 3.5 离心输油泵振动检测故障诊断方法不足 |
| 3.6 小结 |
| 第四章 离心输油泵转子/轴承振动信号降噪 |
| 4.1 引言 |
| 4.2 基于奇异值分解的离心输油泵振动信号降噪 |
| 4.3 转子/轴承振动信号奇异值分解降噪数值仿真与实例分析 |
| 4.4 本章小结 |
| 第五章 离心输油泵转子/轴承故障特征提取与模式识别 |
| 5.1 引言 |
| 5.2 小波包能量熵特征 |
| 5.3 转子/轴承振动信号能量特征向量提取实例分析 |
| 5.4 BP神经网络 |
| 5.5 转子/轴承振动信号神经网络故障诊断实例分析 |
| 5.6 本章小结 |
| 第六章 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 附录表 |
| 致谢 |
（6）基于分形理论的离心泵早期故障诊断研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 本课题研究背景、目的及意义 |
| 1.2 基于振动信号分析的故障诊断研究现状 |
| 1.3 基于振动信号分析的早期故障诊断现状 |
| 1.4 离心泵早期故障诊断存在问题 |
| 1.5 分形理论在故障诊断中应用现状 |
| 1.6 本文主要研究内容 |
| 第二章 实验装置及离心泵常见机械故障 |
| 2.1 实验装置与测试系统 |
| 2.1.1 水泵综合实验台 |
| 2.1.2 水泵振动测试系统构成 |
| 2.2 离心泵常见机械故障的机理和特征 |
| 2.2.1 转子故障 |
| 2.2.2 轴承故障 |
| 2.2.3 联轴器故障 |
| 2.2.4 常见故障特征总结 |
| 第三章 基于动力学相似性分析的旋转机械故障突变点检测研究 |
| 3.1 引言 |
| 3.2 分形理论基础概述 |
| 3.2.1 相空间重构 |
| 3.2.2 关联积分 |
| 3.3 时间序列相似性分割方法 |
| 3.3.1 动力学相关因子指数算法 |
| 3.3.2 动力学相关因子指数改进算法 |
| 3.3.3 分割算法构造 |
| 3.4 时间序列的构建和检测 |
| 3.4.1 理想时间序列的构建和检测 |
| 3.4.2 噪声对检测的影响 |
| 3.5 实验分析 |
| 3.5.1 正常状态振动数据分析 |
| 3.5.2 早期故障状态振动数据分析 |
| 3.6 本章小结 |
| 第四章 基于分形理论和小波分析的离心泵早期故障诊断研究 |
| 4.1 引言 |
| 4.2 分形理论和小波分析应用于早期故障诊断基本原理 |
| 4.2.1 广义维数谱 |
| 4.2.2 小波分析基础理论 |
| 4.2.3 分形理论和小波分析应用于早期故障诊断基本原理 |
| 4.3 实验分析 |
| 4.3.1 轴承测试数据分析 |
| 4.3.2 水泵测试数据分析 |
| 4.4 本章小结 |
| 第五章 总结与展望 |
| 5.1 研究总结 |
| 5.2 进一步研究展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间参加的科研项目和发表的相关论文 |
（7）基于设备组态的旋转机械故障诊断专家系统的研究与实现（论文提纲范文）
| 1 基于设备组态的模糊规则知识表示 |
| 2 知识库的构建 |
| 2.1 前提事实表 |
| 2.2 规则表与规则阈值/权值表 |
| 3 推理机制 |
| 3.1 推理算法 |
| 3.2 推理控制策略 |
| 4 应用实例 |
| 5 结论 |
（9）输油泵安全监测与故障诊断系统研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 引言 |
| 2 文献综述 |
| 2.1 状态监测与故障诊断 |
| 2.1.1 状态监测 |
| 2.1.2 故障诊断 |
| 2.1.3 故障诊断机理 |
| 2.1.4 故障诊断和状态监测系统的可靠性 |
| 2.2 虚拟仪器技术 |
| 2.2.1 虚拟仪器技术的概念 |
| 2.2.2 虚拟仪器技术的特点 |
| 2.2.3 虚拟仪器系统的构成 |
| 2.2.4 LabVIEW语言 |
| 2.3 离心输油泵故障诊断模式探索 |
| 3 输油泵安全监测硬件系统的设计及实现 |
| 3.1 设计的原则和依据 |
| 3.2 系统总体结构的确定 |
| 3.2.1 输油泵组安全监测系统架构的选定 |
| 3.2.2 系统总体结构设计 |
| 3.3 输油泵硬件系统设计及实现 |
| 3.3.1 单组输油泵机组安全监测硬件系统 |
| 3.3.2 硬件系统的选型 |
| 3.4 现场安装及调试 |
| 3.4.1 传感器安装 |
| 3.4.2 防干扰 |
| 3.5 硬件系统的特点 |
| 3.6 本章小结 |
| 4 输油泵在线安全监测与故障诊断系统的软件设计及实现 |
| 4.1 软件设计的原则与依据 |
| 4.2 系统软件的开发平台 |
| 4.3 系统的软件结构设计 |
| 4.3.1 系统的软件功能需求 |
| 4.3.2 面向数据流程分析与设计 |
| 4.3.3 软件的系统构成 |
| 4.4 软件程序实现 |
| 4.4.1 现场主程序 |
| 4.4.2 远程监测程序 |
| 4.4.3 故障诊断分析程序软件 |
| 4.5 数据保存功能的实现 |
| 4.5.1 数据保存的方式 |
| 4.5.2 数据保存程序的实现 |
| 4.6 数据通讯的实现 |
| 4.7 系统软件的特点 |
| 4.8 本章小结 |
| 5 信号处理及实例分析 |
| 5.1 数据信号处理 |
| 5.1.1 信号预处理 |
| 5.1.2 采集信号中噪声的影响和抑制 |
| 5.1.3 求位移值--二次积分 |
| 5.2 报警应用实例 |
| 5.3 本章小结 |
| 6 结论 |
| 6.1 论文总结 |
| 6.2 对进一步工作的展望 |
| 参 考 文 献 |
| 附录A所监测的输油泵机组 |
| 附录B现场场景图片 |
| 在学研究成果 |
| 致谢 |
（10）离心输油管线泵基于振动信号的故障诊断和状态监测（论文提纲范文）
| 1 离心输油泵故障监测诊断系统框图 |
| 2 神经网络模型、算法及诊断原理 |
| 3 诊断实例 |
| 3.1 设备简介 |
| 3.2 振动测试 |
| 4 结论 |
四、离心输油泵故障的振动测试与分析（论文参考文献）
- [1]基于滚珠丝杠副性能检测平台的故障智能诊断研究[D]. 周亮. 山东建筑大学, 2020(02)
- [2]离心泵空化状态识别方法研究与实现[D]. 吴侃. 江苏大学, 2019(11)
- [3]变压器油泵远程故障监测系统设计与开发[D]. 张芳芳. 武汉大学, 2018(12)
- [4]延长管输离心输油泵故障诊断技术研究[D]. 拓荣庆. 西安石油大学, 2016(05)
- [5]基于振动检测的离心输油泵转子/轴承故障诊断[D]. 刘斌. 天津大学, 2016(11)
- [6]基于分形理论的离心泵早期故障诊断研究[D]. 刘晶晶. 江苏大学, 2010(08)
- [7]基于设备组态的旋转机械故障诊断专家系统的研究与实现[J]. 胡方霞,蓝浩. 机床与液压, 2008(06)
- [8]泵的故障诊断研究综述[J]. 王凯,张永祥,李军. 水泵技术, 2007(01)
- [9]输油泵安全监测与故障诊断系统研究[D]. 梁瑞年. 北京科技大学, 2005(03)
- [10]离心输油管线泵基于振动信号的故障诊断和状态监测[J]. 闻建龙,邓绍更,陈汇龙,王贞涛. 水泵技术, 2004(01)