【摘要】： 滾動軸承是現(xiàn)代機械中使用最多的零部件,在企業(yè)生產(chǎn)中起到非常重要的作用。這些零件一旦發(fā)生故障,不僅影響正常生產(chǎn),造成巨大的經(jīng)濟損失,而且可能會危及人身安全,導致嚴重的安全和環(huán)保事故。因此,對滾動軸承機械的運行狀態(tài)進行有效的監(jiān)測和診斷是非常必要的。隨著科學技術的發(fā)展,滾動軸承機械不斷向高速、輕型、高效和智能化發(fā)展,這也對設備的狀態(tài)監(jiān)測和故障診斷提出了更高的要求。 在滾動軸承故障診斷中,傳統(tǒng)的診斷儀器都是建立在時域或者頻域參數(shù)判斷上,無法對多種特征故障參數(shù)自動診斷,本文在此基礎上,以快速傅里葉變換(FFT)為核心,提取時域和頻域參數(shù)的故障特征,結合BP神經(jīng)網(wǎng)絡,對特征參數(shù)進行自動的故障診斷,此系統(tǒng)彌補了傳統(tǒng)儀表顯示的弊端,具有非常大的現(xiàn)實意義。在此基礎上,采用現(xiàn)場可編程邏輯器件(FPGA)構建成SOPC系統(tǒng),開發(fā)在線滾動軸承故障診斷系統(tǒng)。系統(tǒng)利用SOPC的靈活可構建特性,內(nèi)建硬件BP神經(jīng)網(wǎng)絡協(xié)處理器,并大大提升了數(shù)據(jù)處理的速度,從而提高了故障診斷的實時性。本文的研究工作主要有如下幾點: 1.分析時域信號參數(shù)和頻域信號參數(shù)的在故障表現(xiàn)上的優(yōu)劣性,選擇合適的故障特征參數(shù)。 2.針對傳統(tǒng)儀表對自動故障識別的局限性,研究了BP神經(jīng)網(wǎng)絡故障自動識別模型。 3.針對目前在線故障診斷設備設計中存在的問題,設計了在線智能故障診斷系統(tǒng)。完成了系統(tǒng)技術指標確定、系統(tǒng)方案制定、器件的選型、硬件平臺搭建、SOPC構建、BP神經(jīng)網(wǎng)絡硬核設計和軟件程序編寫等方面的工作;最后在滾動軸承機械實驗裝置上對系統(tǒng)進行調(diào)試,實驗結果表明了該在線故障診斷分析儀的可靠性。
【學位授予單位】：中北大學
【學位級別】：碩士
【學位授予年份】：2010
【分類號】：TH133.33;TH165.3

【參考文獻】

相關期刊論文 前10條

1 孫紅巖;;Neural network fault diagnosis method optimization with rough set and genetic algorithms[J];Journal of Chongqing University;2006年02期

2 趙曉玲;;滾動軸承故障振動檢測方法[J];重慶科技學院學報(自然科學版);2007年01期

3 南翔;鄧四二;王恒迪;頡潭成;黨保華;;基于DSP的軸承外觀表面缺陷檢測系統(tǒng)[J];軸承;2008年10期

4 嚴明貴;朱善安;唐秋杭;;基于DSP和ARM雙處理器的嵌入式滾動軸承故障診斷系統(tǒng)[J];電工技術;2006年03期

5 于江林;余永增;戴光;汪雪;;滾動軸承聲發(fā)射信號的人工神經(jīng)網(wǎng)絡模式識別技術[J];大慶石油學院學報;2008年05期

6 卜伶俐;郭建英;蔣鳳林;;小波分析與Hilbert分析在滾動軸承故障診斷中的應用[J];哈爾濱理工大學學報;2008年02期

7 陸爽,田野;滾動軸承故障特征識別的時頻分析研究[J];機床與液壓;2005年06期

8 易挺;梁楚華;朱圓圓;;基于倒頻譜技術的滾動軸承故障診斷[J];機床與液壓;2009年09期

9 郝智泉;王貞松;;BP算法的脈動陣列結構在FPGA上的實現(xiàn)[J];計算機工程;2006年21期

10 于云滿,楊東,趙志宇,段洪濤,吳軍;軸承故障精密診斷的門限確定[J];機械設計與研究;2003年02期

相關碩士學位論文 前1條

1 胡婧;基于BP神經(jīng)網(wǎng)絡的滾動軸承缺陷診斷研究[D];華中科技大學;2006年

，

本文編號：2623873