РЕФЕРАТ 2
ВВЕДЕНИЕ 4
1 Теоретические сведения 7
1.1 Временной ряд 7
1.2 Анализ временного ряда 10
1.3 Распространенные методы анализа временных рядов 11
1.4 Метод SSA(«ryceHHua») 13
1.5 Базовый алгоритм 15
2 Анализ данных 21
2.1 Классификация 21
2.2 Анализ выявленных гармоник 25
2.3 Выявление псевдогармоник 28
2.4 Описание объекта исследования 31
3 Программный продукт и апробация алгоритма 36
3.1 Описание программы 36
3.2 Описание работы программы на примере временной ряд «Ford»... 36
3.3 Временной ряд «синус» и «зашумленный синус» с постоянной
частотой 48
3.4 Временной ряд «синус» с разной частотой 50
3.5 Проверка построения прогноза 53
3.6 Апробация метода на реальных показаниях вибрации двигателя... 54
ЗАКЛЮЧЕНИЕ 69
СПИСОК ИСТОЧНИКОВ 71

Купить

В настоящее время для изучения свойств сложных систем, широко используется подход, основанный на анализе сигналов, произведенных системой, в том числе и при экспериментальных исследованиях. Это очень помогает и в тех случаях, когда математически описать наблюдаемый процесс почти невозможно, но в нашем распоряжении есть некоторая наблюдаемая величина. Например, в вибродиагностике - показания вибрации подшипников двигателя. Этот раздел теории динамических систем называется анализом временных рядов.
В горнодобывающей отрасли используется большое количество электрических двигателей, которые важно сохранять в работоспособном состоянии и предотвращать их выход из строя. В основном выход из строя двигателя происходит из-за износа подшипников. Характерным признаков выхода из строя подшипника является его удары о стенки двигателя, т.е. его вибрация.
Для уменьшения количества простоев горных машин (из-за выхода из строя электрических двигателей) и как следствия увеличения их времени эффективного использования важно получение прогноза выхода их из строя для своевременного формирования списка запасных деталей и принятия решения о ремонте.
Проблема исследования заключается в отсутствии метода прогноза выхода из строя электрических двигателей.
Исторически первыми были разработаны глобальные методы, в которых на основе статистического анализа предлагалось использовать авторегрессию, скользящее среднее и др. Позже в рамках нелинейной динамики, были разработаны новые практические методики.
В настоящее время наиболее перспективным и сильно развивающимся методом является метод SSA (сингулярный спектральный анализ) в России больше известен под названием «Гусеница».
Объектом исследования является временной ряд (выборка) показаний вибрации электрического двигателя и его сингулярное разложение.
Предметом исследования является составление прогноза выхода из строя электрического двигателя методом анализа временных рядов SSA(cHiiryjxpnbiH спектральный анализ) по выборке показаний вибрации.
В анализе временных рядов методом SSA выделяются две основные задачи: задача идентификации и задача прогноза.
Задача идентификации при анализе предполагает ответ на вопрос, каковы параметры системы, породившей данный временной ряд — размерность вложения, корреляционная размерность, энтропия.
Задача прогноза при анализе предполагает установку следующего значения временного ряда по нескольким предыдущим.
Цель исследования: описать методологию анализа и прогноза временных рядов, используя метод сингулярного спектрального anajH3a(SSA) на примере выборки показаний вибрации электрического двигателя.
Выдвижение данной цели обусловило постановку следующих исследовательских задач:
1. Получение выборки данных;
2. Исследования литературы по вибродиагностике и анализу временных рядов;
3. Исследование зависимости вибрации от других параметров;
4. Программная реализация алгоритма SSA;
5. Автоматизация процесса группировки собственных троек;
6. Апробация программной реализации и алгоритма группировки на выборке показаний вибрации электрического двигателя;
Таким образом, практическое применение анализа показаний вибрации электрического двигателя и прогноза выхода его из строя методом SSA, может дать мощный инструмент для сокращения издержек от простоя оборудования и как следствие существенный экономический эффект.

Купить