首页|基于Rs-SVM数据融合的全液压钻机智能故障诊断研究

基于Rs-SVM数据融合的全液压钻机智能故障诊断研究

吴远方

基于Rs-SVM数据融合的全液压钻机智能故障诊断研究

吴远方1
扫码查看

作者信息

  • 1. 成都理工大学
  • 折叠

摘要

钻机是一个机电液一体化的复杂控制系统,其故障类型繁多。全液压钻机在运行过程中容易发生剥落、磨损、松动、疲劳、冲击、泄漏等故障,当故障发生时将导致钻机某些物理参数的改变,如动态信号非平稳性的出现,液压回路的压力、流量波动等,因此,无论何种故障,都与系统的物理参数有着直接或间接的联系,只要掌握钻机监测参数的特征信息,就能实现钻机的故障诊断。 针对全液压坑道钻机的液压系统和减速器齿轮故障,从机电设备的实时状态监测和故障诊断两个重要方向入手,对钻机故障诊断展开了设计与研究。涉及钻机故障机理、MEMS振动测量节点、多传感器数据融合方法及钻机故障模拟实验等四方面内容。 首先研究了全液压钻机的故障产生机理。提出多传感器故障信号采集方案。针对旋转机械监测困难区域的振动测量,开发研制基于MEMS加速度计的无线振动测量节点,实现节点软硬件设计。其次根据钻机故障特点,通过研究小波包能量特征向量提取、粗糙集属性约简、支持向量机等理论,提出基于RS-SVM的多传感器数据融合方法,将其应用于钻机故障诊断中,提高钻机故障分类诊断的准确率。最后,搭建振动标定实验台,进行振动标定校准实验。并利用断齿齿轮、节流阀泄漏支路模拟钻机的减速器齿轮断齿、液压马达内泄漏故障,进行钻机故障模拟实验。 综上所述,论文研究的振动实时状态监测节点和多传感器数据融合故障诊断方法具有一定的参考和应用价值。

关键词

全液压钻机/故障诊断/多传感器/数据融合/RS-SVM算法

引用本文复制引用

授予学位

硕士

学科专业

测试计量技术与仪器

导师

陈光柱

学位年度

2016

学位授予单位

成都理工大学

语种

中文

中图分类号

TE
段落导航相关论文