论文部分内容阅读
由于天然气发动机在石油石化领域占有比重越来越大，所以对其进行剩余寿命评价，合理确定维修周期就显得尤为重要。本论文考虑到天然气发动机结构复杂、振动信号为非平稳的特点，提出了混沌神经网络和关联预测相结合的预测方法，并利用模糊贴近度的方法对天然气发动机剩余寿命级别进行了判定，主要工作总结如下： 1.对采集的原始信号运用小波分析进行了降噪处理，并对反映天然气发动机缸盖振动瞬态特性的峰峰值、反映其平均特性的有效值、反映其波动及无量纲脉冲特性的方差值、反映其爆燃爆震的燃料敲缸系数和反映其连杆磨损程度的机械敲缸系数进行了特征提取。 2.利用自相关函数法对降噪后的振动序列进行了时间延迟的计算，采用饱和关联维数法计算了所有序列的嵌入维数及相应的关联维数，并对所有振动序列的Lyapunov指数进行了计算，得出可以使用混沌的方法对振动序列进行分析处理。 3.提出了混沌神经网络和关联预测相结合的预测方法，对峰峰值、有效值、方差值、燃料敲缸系数、机械敲缸系数和关联维数进行了逐一预测，发现这种相结合的预测方法可以有效提高短期预测精度，但对于长期预测的效果较为不理想。 4.利用模糊贴近原理提取了采集数据的贴近标准，判定了天然气发动机的剩余寿命级别，并将结果与现场检修记录对比，结果较为理想，可以作为剩余寿命评估的有效依据。