【摘要】：空調(diào)是日常生活和工業(yè)生產(chǎn)中必不可少的電器設(shè)備,人們對(duì)空調(diào)性能的要求日益嚴(yán)苛,使用中所暴露的由壓縮機(jī)缺陷引起的故障問(wèn)題也越來(lái)越受到消費(fèi)者的關(guān)注。生產(chǎn)過(guò)程中壓縮機(jī)缺陷是客觀存在的,如何在生產(chǎn)時(shí)就將缺陷壓縮機(jī)剔除,降低出廠壓縮機(jī)的缺陷存在率,成為生產(chǎn)商迫切需要解決的難題。本文提出一種壓縮機(jī)缺陷檢測(cè)平臺(tái)設(shè)計(jì)方案,能與已經(jīng)高度自動(dòng)化的壓縮機(jī)生產(chǎn)線的生產(chǎn)節(jié)拍所兼容配合。壓縮機(jī)缺陷檢測(cè)平臺(tái)可實(shí)現(xiàn)傳感器的自動(dòng)化布置、撤回,自動(dòng)化采集和記錄數(shù)據(jù),根據(jù)判斷結(jié)果輸出報(bào)警等功能。本文介紹了缺陷檢測(cè)平臺(tái)的詳細(xì)設(shè)計(jì),包括機(jī)械系統(tǒng)、測(cè)控系統(tǒng)和采集程序。最后經(jīng)過(guò)調(diào)試,缺陷檢測(cè)平臺(tái)能夠?qū)崿F(xiàn)預(yù)期的目標(biāo)穩(wěn)定運(yùn)行于壓縮機(jī)生產(chǎn)線上。本文詳細(xì)介紹了深度前饋神經(jīng)網(wǎng)絡(luò)、卷積神經(jīng)網(wǎng)絡(luò)算法基本原理和參數(shù)優(yōu)化算法,提出了一種基于卷積神經(jīng)網(wǎng)絡(luò)的應(yīng)用于壓縮機(jī)生產(chǎn)現(xiàn)場(chǎng)的缺陷檢測(cè)模型。隨后介紹缺陷檢測(cè)模型的整體結(jié)構(gòu)和基于TensorFlow深度學(xué)習(xí)開(kāi)源架構(gòu)下缺陷檢測(cè)模型的實(shí)現(xiàn)。本課題最后通過(guò)壓縮機(jī)缺陷檢測(cè)平臺(tái)采集到大量的壓縮機(jī)振動(dòng)數(shù)據(jù)。在經(jīng)過(guò)生產(chǎn)廠商輔助標(biāo)記后,利用壓縮機(jī)振動(dòng)數(shù)據(jù)對(duì)提出的基于卷積神經(jīng)網(wǎng)絡(luò)的壓縮機(jī)缺陷檢測(cè)模型進(jìn)行訓(xùn)練、測(cè)試和調(diào)整。最終得到準(zhǔn)確率為99.5%的缺陷檢測(cè)模型,初步驗(yàn)證了本文提出的算法的有效性。
【圖文】：

第一章 緒論1.1 課題背景及研究意義空調(diào)作為日常生活生活和工業(yè)生產(chǎn)中必不可少的設(shè)備，人們對(duì)空調(diào)性能的要求日益嚴(yán)苛，使用中所暴露的壓縮機(jī)缺陷引起的故障問(wèn)題也越來(lái)越受到消費(fèi)者的關(guān)注[1]。生產(chǎn)過(guò)程中，壓縮機(jī)缺陷是客觀存在的，如何將存在缺陷的壓縮機(jī)剔除，成為生產(chǎn)商迫切需要解決的難題。空調(diào)最重要的零部件就是壓縮機(jī)[2]，壓縮機(jī)通過(guò)壓縮制冷劑，，實(shí)現(xiàn)熱能從室內(nèi)排放至室外。常見(jiàn)的壓縮機(jī)按照結(jié)構(gòu)可分為三類(lèi)，滾動(dòng)轉(zhuǎn)子式壓縮機(jī)、往復(fù)式壓縮機(jī)和渦旋式壓縮機(jī)。相比往復(fù)式壓縮機(jī)，滾動(dòng)轉(zhuǎn)子式壓縮機(jī)具有結(jié)構(gòu)簡(jiǎn)單，質(zhì)量輕，噪音低，效率高等優(yōu)點(diǎn)。在中低功率的空調(diào)中，絕大部分都使用滾動(dòng)轉(zhuǎn)子式空氣壓縮機(jī)。滾動(dòng)轉(zhuǎn)子式壓縮機(jī)結(jié)構(gòu)如圖 1-1 所示。

第二章 壓縮機(jī)缺陷檢測(cè)平臺(tái)2.1 引言現(xiàn)代壓縮機(jī)生產(chǎn)已經(jīng)實(shí)現(xiàn)高度的自動(dòng)化，設(shè)計(jì)與自動(dòng)化生產(chǎn)線節(jié)拍兼容的缺陷檢測(cè)平臺(tái)是必要環(huán)節(jié)。本章提出一種檢測(cè)平臺(tái)的設(shè)計(jì)方案，檢測(cè)平臺(tái)應(yīng)當(dāng)滿(mǎn)足以下性能要求：（1）根據(jù)現(xiàn)場(chǎng)生產(chǎn)節(jié)拍，自動(dòng)化布置和撤回傳感器；（2）自動(dòng)化為每個(gè)壓縮機(jī)采集并記錄 4 通道 20KHZ 采樣頻率下的 4 秒振動(dòng)信號(hào)；（3）記錄每個(gè)壓縮機(jī)的鋼印號(hào)信息；（4）輸出缺陷判斷結(jié)果；（5）統(tǒng)計(jì)并生成數(shù)據(jù)報(bào)表。2.2 壓縮機(jī)缺陷檢測(cè)平臺(tái)的機(jī)械系統(tǒng)通氣裝置
【學(xué)位授予單位】：廣州大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類(lèi)號(hào)】：TH45;TP183

【參考文獻(xiàn)】

相關(guān)期刊論文 前2條

1 雷亞國(guó);賈峰;周昕;林京;;基于深度學(xué)習(xí)理論的機(jī)械裝備大數(shù)據(jù)健康監(jiān)測(cè)方法[J];機(jī)械工程學(xué)報(bào);2015年21期

2 馮健美,屈宗長(zhǎng);渦旋壓縮機(jī)的發(fā)展優(yōu)勢(shì)和關(guān)鍵技術(shù)[J];中國(guó)機(jī)械工程;2002年19期

相關(guān)碩士學(xué)位論文 前4條

1 張偉;基于卷積神經(jīng)網(wǎng)絡(luò)的軸承故障診斷算法研究[D];哈爾濱工業(yè)大學(xué);2017年

2 韓寶珠;基于小波分析和在線極限學(xué)習(xí)機(jī)的滾動(dòng)軸承故障診斷方法研究[D];北京交通大學(xué);2016年

3 丁一;滾動(dòng)轉(zhuǎn)子壓縮機(jī)空調(diào)系統(tǒng)振動(dòng)與結(jié)構(gòu)的有限元分析[D];華中科技大學(xué);2011年

4 羅小榮;結(jié)合小波包與神經(jīng)網(wǎng)絡(luò)的滾動(dòng)轉(zhuǎn)子壓縮機(jī)故障診斷方法研究[D];西北工業(yè)大學(xué);2005年

本文編號(hào)：2664224