基于混沌分形的大型設備狀態(tài)預測方法研究.pdf

1、為保障大型設備的安全可靠運行，實現(xiàn)科學維護，對設備發(fā)展狀態(tài)進行趨勢預測具有重要的意義，近年來混沌分形作為一個新的研究方向，正在預測理論科學中形成巨大的影響。 論文研究了故障診斷的基本原理，分析了信號的常用分析方法，介紹了故障分析中用的振動特征量，提供了機械故障的判斷標準。 為有效的將信號提取出來，研究了小波理論，編制了小波降噪的Matlab程序，對信號進行降噪實驗表明，小波分析方法是一種提取有用信號、有效降低噪聲信號的優(yōu)

2、越方法。 針對大型機械設備的變工況非平穩(wěn)運行狀態(tài)，研究了混沌分形的非線性信號分析理論，闡述了相空間重構理論，描述了混沌分形的分維數(shù)和Lyapunov指數(shù)，提供了混沌序列的初步判斷方法，簡述了混沌分形理論在復雜機械系統(tǒng)中的應用，給出了基于混沌分形的大型機電系統(tǒng)狀態(tài)預測思想。 將混沌分形理論用于燕山石化煙氣輪機機組狀態(tài)趨勢預測中，研究了延遲時間和嵌入維數(shù)的選擇方法，提供了最大Lyapunov指數(shù)的計算方法，構建了基于最大Ly

3、apunov指數(shù)的預測模型并對該模型進行了一點改進，編制了相應的matlab程序，進行混沌吸引子重構，定量計算出系統(tǒng)的關聯(lián)維數(shù)、最大Lyapunov指數(shù)等特征參數(shù)，實現(xiàn)了基于最大Lyapunov指數(shù)預測模型對機組振動序列的短期預報。 針對機組主風機進行了基于最大Lyapunov指數(shù)的預測，并與神經網絡中比較常用的BP網絡預測的比較，表明基于最大Lyapunov指數(shù)的預測精度比較高、收斂速度快，比較適合于煙機機組預測，在最大預測時