【摘要】：FFT是機(jī)械故障診斷中對振動(dòng)信號(hào)進(jìn)行頻域分析的重要方法,也是發(fā)現(xiàn)故障的重要手段。機(jī)械故障診斷中往往需要進(jìn)行高達(dá)106點(diǎn)的FFT運(yùn)算。為提升運(yùn)算效率,對FFT進(jìn)行并行化是當(dāng)前一個(gè)研究熱點(diǎn)和發(fā)展趨勢�，F(xiàn)有的基于MapReduce的FFT算法在減小系統(tǒng)I/O及降低算法運(yùn)算量等方面存在一定的不足,計(jì)算效率低,難以滿足機(jī)械故障診斷對海量振動(dòng)數(shù)據(jù)進(jìn)行實(shí)時(shí)處理的要求。針對上述問題,本文利用Spark內(nèi)存計(jì)算的優(yōu)勢,結(jié)合稀疏傅里葉變換的思想,提出了一種基于Spark并行計(jì)算框架的FFT并行算法,并基于此算法設(shè)計(jì)并實(shí)現(xiàn)了一套機(jī)械故障診斷系統(tǒng)。本文的主要工作及獲得的成果如下:(1)深入研究FFT算法原理,分析其并行化可行性。并對現(xiàn)有的基于MapReduce的FFT并行算法進(jìn)行研究和剖析,發(fā)現(xiàn)其中存在的問題與不足。(2)提出一種基于Spark的FFT并行算法并進(jìn)行實(shí)驗(yàn)驗(yàn)證。該算法只需計(jì)算部分時(shí)域信號(hào)的FFT,即可得到能夠代表整個(gè)信號(hào)頻域特性的頻譜,同時(shí)通過RDD轉(zhuǎn)換的方式充分利用內(nèi)存,降低系統(tǒng)的I/O開銷。實(shí)驗(yàn)結(jié)果表明,當(dāng)數(shù)據(jù)達(dá)到4*108時(shí),與基于MapReduce的FFT并行算法相比,在誤差允許的范圍內(nèi),基于Spark的FFT并行算法的運(yùn)算速度提高近40倍。同時(shí)將其與傳統(tǒng)方法的FFT實(shí)驗(yàn)結(jié)果進(jìn)行對比,對于大幅值頻點(diǎn)的計(jì)算誤差較小。(3)設(shè)計(jì)并實(shí)現(xiàn)一個(gè)針對風(fēng)電機(jī)組的機(jī)械故障診斷系統(tǒng),包含用戶管理、數(shù)據(jù)預(yù)處理、故障診斷和數(shù)據(jù)存儲(chǔ)四個(gè)模塊。對以上模塊進(jìn)行了概要設(shè)計(jì)和詳細(xì)設(shè)計(jì),并以Java語言和SpringMVC架構(gòu)編程實(shí)現(xiàn)了該系統(tǒng)。該系統(tǒng)提供可視化界面,支持機(jī)械運(yùn)行狀態(tài)監(jiān)測及故障診斷的功能。(4)通過對系統(tǒng)進(jìn)行測試,包括功能測試和負(fù)載測試,證明了本系統(tǒng)可以有效、及時(shí)地完成機(jī)械故障診斷工作。
【學(xué)位授予單位】：北京郵電大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類號(hào)】：TH17
【圖文】：

種高效計(jì)算方法，兩者在算法的本質(zhì)上是相同的［２３］。逡逑傅里葉變換的物理意義可以知道，任何一個(gè)連續(xù)的時(shí)域信號(hào)，都可以用無限逡逑多個(gè)不同頻率的正弦信號(hào)的疊加來表示［２４］，如圖２－１所示。ＤＦＴ正是利用這一原逡逑理通過頻域疊加對時(shí)域的采樣信號(hào)進(jìn)行表示的一種方法，通過ＤＦＴ可以得到組逡逑成時(shí)域采樣信號(hào)的正弦波的頻率及其幅值，從而將信號(hào)從時(shí)域變換到頻域。ＦＦＴ逡逑是根據(jù)離散傅里葉變換的奇、偶、虛、實(shí)等特性，將算法本身的計(jì)算過程進(jìn)行簡逡逑化得到的�？焖俑道锶~變換只是提高了離散傅里葉變換的計(jì)算速度，從算法本質(zhì)逡逑上講，兩者是完全相同的Ｐ５］。即若兩者的輸入一樣，則輸出也是完全相同的。兩逡逑者的唯一區(qū)別只在于計(jì)算的時(shí)間復(fù)雜度上，ＦＦＴ相當(dāng)于ＤＦＴ的簡便算法。在計(jì)逡逑算機(jī)系統(tǒng)和數(shù)字信號(hào)處理領(lǐng)域，使用ＦＦＴ可以加快信號(hào)從時(shí)域到頻域的變換。逡逑使用ＦＦＴ算法將振動(dòng)數(shù)據(jù)以頻域的形式進(jìn)行展示

—ｘ（７）逡逑圖２－３蝶形運(yùn)算示意圖（／／＝８）逡逑由圖２－３可知，ＦＦＴ的輸出Ｘ（Ａ）是按照自然順序在存儲(chǔ)單元中進(jìn)行排列的，逡逑即按照Ｘ（０），Ｚ（ｌ），…，＾＾）的順序排列，但是對應(yīng)的輸入ｘ⑷不是按照自然順逡逑序排列的。所以在進(jìn)行ＦＦＴ時(shí)，需要對輸入序列的順序進(jìn)行改變，稱為變址運(yùn)逡逑算。逡逑由圖２－３可知，當(dāng)輸入信號(hào)長度＃＝２”＇時(shí)，共有ｗ級(jí)蝶形運(yùn)算，每級(jí)都有ｖＶ／２逡逑個(gè)蝶形運(yùn)算組成，每個(gè)蝶形運(yùn)算需要進(jìn)行１次復(fù)數(shù)乘法和２次復(fù)數(shù)加法，因此每逡逑級(jí)蝶形運(yùn)算都需要Ｗ邋／邋２次復(fù)數(shù)乘法和＃次復(fù)數(shù)加法，這樣ｍ級(jí)蝶形運(yùn)算一共需逡逑要／＾＝｜？７邋＝邋｜１（＾２＃次復(fù)數(shù)乘法、％＝撕《邋＝邋＃１0８２＃次復(fù)數(shù)加法［２７】。由此可逡逑知，ＦＦＴ算法的時(shí)間復(fù)雜度為Ｃ？（；ＶｌｏｇＡ／）。逡逑實(shí)際運(yùn)算量與這個(gè)數(shù)字有些許不同，因?yàn)椋ㄟ@樣的情況共有逡逑１＋２＋４＋？＋２ｍ－ｌ＝ＡＭ）

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 楊根齊;;工程機(jī)械故障診斷的新技術(shù)和方法[J];工程建設(shè)與設(shè)計(jì);2016年16期

2 張玉偉;高泓鐸;仲崇亮;;汽車機(jī)械故障診斷技術(shù)[J];時(shí)代農(nóng)機(jī);2017年01期

3 陳素銀;;數(shù)控機(jī)床機(jī)械故障診斷方法及應(yīng)用[J];現(xiàn)代制造技術(shù)與裝備;2017年02期

4 薛川;;淺談轉(zhuǎn)動(dòng)機(jī)械故障診斷及處理[J];中國戰(zhàn)略新興產(chǎn)業(yè);2017年16期

5 帕提古麗·吐爾遜;;農(nóng)業(yè)機(jī)械故障診斷技術(shù)的現(xiàn)狀及發(fā)展趨勢[J];南方農(nóng)機(jī);2016年03期

6 鄭永德;;汽車機(jī)械故障出現(xiàn)的原因與診斷[J];山東工業(yè)技術(shù);2016年21期

7 王昊;吳懋亮;王化更;;《機(jī)械故障診斷學(xué)》的教學(xué)改革研究[J];教育教學(xué)論壇;2015年16期

8 鞏曉峗;侯俊劍;馬建榮;;機(jī)械故障診斷課程的教學(xué)研究與實(shí)踐[J];中國輕工教育;2015年05期

9 張新洲;陳蘭;甘淑媛;王園;;機(jī)械故障診斷技術(shù)課程教學(xué)探析[J];考試周刊;2017年44期

10 馬艷雪;;機(jī)械故障診斷基礎(chǔ)研究“何去何從”[J];環(huán)球市場信息導(dǎo)報(bào);2017年37期

相關(guān)會(huì)議論文 前10條

1 趙宏偉;張清華;夏路易;邵龍秋;;機(jī)械故障診斷綜述[A];中國自動(dòng)化學(xué)會(huì)中南六�。▍^(qū)）2010年第28屆年會(huì)·論文集[C];2010年

2 鐘振茂;陳進(jìn);鐘平;;機(jī)械故障診斷中的多源分離方法[A];中國聲學(xué)學(xué)會(huì)2001年青年學(xué)術(shù)會(huì)議[CYCA'01]論文集[C];2001年

3 朱瑞;丁國寶;于潔;;機(jī)械設(shè)備故障診斷技術(shù)的現(xiàn)狀與發(fā)展[A];發(fā)揮科技支撐作用深入推進(jìn)創(chuàng)新發(fā)展——吉林省第八屆科學(xué)技術(shù)學(xué)術(shù)年會(huì)論文集[C];2014年

4 李志農(nóng);張遂強(qiáng);張新廣;劉志華;冷傳廣;;機(jī)械故障診斷中的自適應(yīng)報(bào)警技術(shù)[A];2008年全國振動(dòng)工程及應(yīng)用學(xué)術(shù)會(huì)議暨第十一屆全國設(shè)備故障診斷學(xué)術(shù)會(huì)議論文集[C];2008年

5 王曉麗;周潯;韓現(xiàn)剛;;小波變換和神經(jīng)網(wǎng)絡(luò)在機(jī)械故障診斷中的應(yīng)用[A];2009全國虛擬儀器大會(huì)論文集（二）[C];2009年

6 安邦健;;機(jī)械故障診斷技術(shù)必須大力推廣[A];第十屆全國設(shè)備監(jiān)測與診斷技術(shù)學(xué)術(shù)會(huì)議論文集[C];2000年

7 朱忠奎;嚴(yán)如強(qiáng);;基于小波和統(tǒng)計(jì)的信號(hào)瞬態(tài)成分檢測及其在機(jī)械故障診斷中的應(yīng)用[A];蘇州市自然科學(xué)優(yōu)秀學(xué)術(shù)論文匯編(2008-2009)[C];2010年

8 程耕國;周鳳星;;小波多分辨分析在機(jī)械故障診斷中的應(yīng)用[A];第十五屆電工理論學(xué)術(shù)年會(huì)論文集[C];2003年

9 陳進(jìn);;現(xiàn)代信號(hào)處理在機(jī)械故障診斷中的應(yīng)用及展望[A];中國聲學(xué)學(xué)會(huì)1999年青年學(xué)術(shù)會(huì)議[CYCA'99]論文集[C];1999年

10 李豫川;柳小勤;伍星;遲毅林;;PSO-ICA算法及其在機(jī)械故障診斷中的應(yīng)用[A];第十二屆全國設(shè)備故障診斷學(xué)術(shù)會(huì)議論文集[C];2010年

相關(guān)重要報(bào)紙文章 前1條

1 本報(bào)記者 曾毅 本報(bào)特約記者 任爽 本報(bào)通訊員 訾波;吉林：為勞模定做“工作室”[N];光明日報(bào);2013年

相關(guān)博士學(xué)位論文 前10條

1 魏立東;基于智能控制的回轉(zhuǎn)壓縮機(jī)械故障診斷與研究[D];大連理工大學(xué);2006年

2 鄭近德;局部特征尺度分解方法及其在機(jī)械故障診斷中的應(yīng)用研究[D];湖南大學(xué);2014年

3 楊昌昊;基于不確定性理論的機(jī)械故障智能診斷方法研究[D];中國科學(xué)技術(shù)大學(xué);2009年

4 李康強(qiáng);基于廣義能量算子的復(fù)雜時(shí)變調(diào)制信號(hào)分析方法及其在機(jī)械故障診斷中的應(yīng)用研究[D];北京科技大學(xué);2018年

5 沈路;數(shù)學(xué)形態(tài)學(xué)在機(jī)械故障診斷中的應(yīng)用研究[D];浙江大學(xué);2010年

6 趙志宏;基于振動(dòng)信號(hào)的機(jī)械故障特征提取與診斷研究[D];北京交通大學(xué);2012年

7 周云燕;基于圖像分析理論的機(jī)械故障診斷研究[D];華中科技大學(xué);2007年

8 魯文波;基于聲場空間分布特征的機(jī)械故障診斷方法及其應(yīng)用研究[D];上海交通大學(xué);2012年

9 李長寧;機(jī)械故障信號(hào)統(tǒng)計(jì)建模及其故障診斷方法的研究[D];哈爾濱工業(yè)大學(xué);2010年

10 高俊文;面向機(jī)械故障診斷應(yīng)用的盲分離技術(shù)研究[D];華南理工大學(xué);2016年

相關(guān)碩士學(xué)位論文 前10條

1 潘越;基于云計(jì)算FFT的機(jī)械故障診斷系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[D];北京郵電大學(xué);2019年

2 王斌;基于時(shí)域分割特征的彈簧操動(dòng)機(jī)構(gòu)斷路器機(jī)械故障診斷[D];東北電力大學(xué);2019年

3 姜戰(zhàn)偉;變分模態(tài)分解方法及其在機(jī)械故障診斷中的應(yīng)用研究[D];安徽工業(yè)大學(xué);2017年

4 楊琳;VMD時(shí)頻分析方法及在機(jī)械故障診斷中的應(yīng)用研究[D];桂林電子科技大學(xué);2018年

5 陳周亮;基于深度學(xué)習(xí)的機(jī)械故障診斷方法研究[D];南昌航空大學(xué);2018年

6 王征錄;AIS-HMM混合模型在機(jī)械故障診斷中的應(yīng)用研究[D];湖南大學(xué);2014年

7 崔錦;機(jī)械故障診斷中的流形學(xué)習(xí)方法研究[D];西安石油大學(xué);2016年

8 孫君;乳化液泵站機(jī)械故障診斷研究[D];山東科技大學(xué);2011年

9 鄭令;基于小波神經(jīng)網(wǎng)絡(luò)的機(jī)械故障診斷方法的研究[D];大連交通大學(xué);2009年

10 張瑩;數(shù)控機(jī)床機(jī)械故障診斷方法的研究及應(yīng)用[D];大連理工大學(xué);2005年

本文編號(hào)：2740083