1、在實(shí)際石化裝備工業(yè)運(yùn)行過程中，監(jiān)控其運(yùn)行的傳感器往往會(huì)采集到大量包含狀態(tài)信息與故障特征的重要信息，可以用于裝備的狀態(tài)監(jiān)測(cè)與故障診斷。當(dāng)前設(shè)備運(yùn)行的狀態(tài)變化會(huì)時(shí)刻影響信號(hào)的相關(guān)特征參數(shù)，根據(jù)相關(guān)特征參數(shù)的分布情況可以間接掌握設(shè)備的當(dāng)前運(yùn)動(dòng)狀態(tài)。因此，狀態(tài)監(jiān)測(cè)與故障診斷成功與否的前提和關(guān)鍵在于如何從強(qiáng)干擾的機(jī)械狀態(tài)信號(hào)中提煉出絕對(duì)有用、能夠客觀評(píng)價(jià)和判斷診斷對(duì)象的狀態(tài)特征。在實(shí)際工業(yè)現(xiàn)場(chǎng)中，往往存在大量背景干擾噪聲、多種未知的機(jī)械結(jié)構(gòu)源信號(hào)

2、相互耦合以及傳感器數(shù)目小于源信號(hào)數(shù)目等多種因素，加之傳感器拾取的觀測(cè)信號(hào)的傳輸過程未知，傳感器獲取的觀測(cè)信號(hào)往往都是所有可能因素影響以及信號(hào)混雜后的結(jié)果，因此，難以直接獲取有價(jià)值的故障特征信息。為了能夠準(zhǔn)確、高效地提取故障源目標(biāo)信號(hào)，前提必須盡可能地將背景噪聲和其他干擾信號(hào)進(jìn)行抑制或排除。
　　針對(duì)上述問題，本論文面對(duì)石化行業(yè)裝備運(yùn)行過程中故障診斷存在的問題，以石化裝備軸承智能故障診斷系統(tǒng)為切入點(diǎn)，首先展開石化裝備故障診斷系統(tǒng)的需

3、求分析，多角度剖析確定系統(tǒng)總體的邏輯框架。然后通過分析石化裝備滾動(dòng)軸承智能故障診斷中數(shù)據(jù)采集的技術(shù)及實(shí)現(xiàn)過程，結(jié)合數(shù)據(jù)驅(qū)動(dòng)的思想及優(yōu)點(diǎn)，分別對(duì)石化裝備滾動(dòng)軸承智能故障診斷系統(tǒng)的邏輯框架的三個(gè)層面:即數(shù)據(jù)預(yù)處理、數(shù)據(jù)驅(qū)動(dòng)下基于人工智能的故障診斷、數(shù)據(jù)驅(qū)動(dòng)下基于統(tǒng)計(jì)方法估計(jì)盲源分離信號(hào)的故障診斷進(jìn)行分析研究。論文的主要工作及創(chuàng)新之處如下:
　　1、數(shù)據(jù)驅(qū)動(dòng)下改進(jìn)小波分析的滾動(dòng)軸承故障信號(hào)降噪。基于傳統(tǒng)小波閾值降噪原理，提出一種新的改進(jìn)

4、小波閾值除噪的方法，設(shè)計(jì)衡量各個(gè)尺度下小波系數(shù)的標(biāo)準(zhǔn)差估計(jì)指標(biāo)，并基于此構(gòu)造一種新的自適應(yīng)的閾值過濾函數(shù)，實(shí)現(xiàn)對(duì)采集信號(hào)的過濾去噪預(yù)處理，模擬仿真及實(shí)例仿真驗(yàn)證均表明其降噪有效性。
　　2、數(shù)據(jù)驅(qū)動(dòng)下耦合交互的滾動(dòng)軸承復(fù)合故障解耦診斷。針對(duì)復(fù)合故障數(shù)據(jù)耦合交互特點(diǎn)，首先引入線性判別分析理論，將數(shù)據(jù)進(jìn)行解耦映射，采用數(shù)據(jù)驅(qū)動(dòng)下BP神經(jīng)網(wǎng)絡(luò)診斷方法進(jìn)行解耦模式辨識(shí)，考慮到復(fù)合故障數(shù)據(jù)耦合程度較高，提出利用核函數(shù)作用下的線性判別分析解耦