隨著社會(huì)的發(fā)展,機(jī)電設(shè)備越來越廣泛地應(yīng)用到了生產(chǎn)生活的各個(gè)方面,但是電動(dòng)機(jī)以及電機(jī)軸承等作為重要的機(jī)電部件,其故障發(fā)生率一直居高不下。因此在生產(chǎn)過程中對(duì)機(jī)電設(shè)備進(jìn)行實(shí)時(shí)監(jiān)測,及時(shí)發(fā)現(xiàn)問題,是保證生產(chǎn)工作正常進(jìn)行必不可少的一個(gè)環(huán)節(jié)。電機(jī)、電機(jī)軸承等機(jī)電設(shè)備的故障種類多種多樣,通過有效的方法提取不同故障的故障特征并對(duì)其進(jìn)行準(zhǔn)確的分類,是機(jī)電設(shè)備實(shí)時(shí)故障檢測、診斷需要研究的問題。智能制造模式的出現(xiàn),促進(jìn)了制造業(yè)數(shù)據(jù)化的進(jìn)程,也為云加端的數(shù)據(jù)處理模式在制造業(yè)的應(yīng)用開辟了發(fā)展空間。傳統(tǒng)的故障診斷系統(tǒng)多數(shù)為提前采集設(shè)備運(yùn)行數(shù)據(jù),再使用PC進(jìn)行故障診斷,這樣一來便無實(shí)時(shí)性可言,喪失了很多及時(shí)發(fā)現(xiàn)故障的機(jī)會(huì)。為了解決這一問題,本文設(shè)計(jì)了嵌入式智能終端,以實(shí)現(xiàn)現(xiàn)場采集數(shù)據(jù)并進(jìn)行相應(yīng)的數(shù)據(jù)處理。但是終端數(shù)據(jù)處理能力有限,因此本文采用了云加端的數(shù)據(jù)處理模式,將云計(jì)算和智能終端相結(jié)合進(jìn)行了機(jī)電設(shè)備故障檢測和診斷的研究。首先在故障檢測方面,本文提出了一種云加端的動(dòng)態(tài)嵌套滑動(dòng)窗口故障信號(hào)在線檢測方法。該方法采用云計(jì)算和智能終端在線檢測相結(jié)合的架構(gòu),利用云計(jì)算強(qiáng)大的計(jì)算性能,解決了終端設(shè)備對(duì)故障信號(hào)處理能力不足的問... 

【文章來源】：貴州大學(xué)貴州省 211工程院校

【文章頁數(shù)】：62 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

蝶形運(yùn)算()

第 2 章 機(jī)電設(shè)備故障診斷相關(guān)理論知識(shí)運(yùn)算自左向右進(jìn)行，系數(shù)（ 和-1）和經(jīng)過該條直線的數(shù)值做乘法相交的地方做加法運(yùn)算， ( )與 和 的乘法運(yùn)算等效于 ( ( )做加減運(yùn)算，以此減少一半的乘法運(yùn)算。公式（2-3）和圖 2.1 可以得到，對(duì)于N = ，可以用兩個(gè) 點(diǎn)的 DFT 表 DFT，最終可以將一個(gè)N點(diǎn)的 DFT 分解 次，每次分解用 個(gè)蝶形運(yùn)算 = = 為例，圖 2.2 給出了 8 點(diǎn) FFT 的信號(hào)流程圖。 ( ) ( )

Step 2. 隨機(jī)選取 k 個(gè)樣本點(diǎn)作為簇質(zhì)心 ( ) ( ) ( ) ；Step 3. 以歐氏距離為度量，計(jì)算樣本 與每一個(gè)質(zhì)心的相似度，并將其劃歸相似度最高的簇；Step 4. 對(duì)剩余的 個(gè)樣本點(diǎn)重復(fù) Step3 中的過程，得出當(dāng)前簇劃歸 ；Step 5. 從簇 中各求出新的簇質(zhì)心 ；Step 6. 不斷重復(fù) Step3-Step5 得到 和 ，直到 = 并且 = ，得到最終的簇劃歸。輸出: 簇劃歸： ，簇質(zhì)心： ( ) ( ) ( )。如圖 2.4（a）顯示的是樣本數(shù)據(jù)的原始分布情況，圖 2.4（b）給出了經(jīng)過 k-means算法之后最終得到的聚類結(jié)果，k=2，圖中 分別是聚類完成之后的兩個(gè)簇，斜十字標(biāo)出的代表簇質(zhì)心。

【參考文獻(xiàn)】：
期刊論文
[1]云加端的嵌套滑動(dòng)窗口故障信號(hào)在線檢測方法研究[J]. 耿曉強(qiáng),唐向紅,陸見光,劉國凱.  計(jì)算機(jī)應(yīng)用研究. 2017(12)
[2]基于EEMD模糊熵的PCA-GG滾動(dòng)軸承聚類故障診斷[J]. 許凡,方彥軍,張榮.  計(jì)算機(jī)集成制造系統(tǒng). 2016(11)
[3]基于PCA-SVM的滾動(dòng)軸承故障診斷研究[J]. 張沛朋,郭飛燕.  組合機(jī)床與自動(dòng)化加工技術(shù). 2015(11)
[4]智能制造——“中國制造2025”的主攻方向[J]. 周濟(jì).  中國機(jī)械工程. 2015(17)
[5]移動(dòng)云計(jì)算環(huán)境下多平臺(tái)應(yīng)用開發(fā)框架研究[J]. 張勞模,馬穎,王國棟.  自動(dòng)化與儀器儀表. 2015(08)
[6]基于距離的數(shù)據(jù)流在線檢測算法研究[J]. 李少波,魏中賀,孟偉.  計(jì)算機(jī)應(yīng)用研究. 2015(12)
[7]MUSIC和Prony在電動(dòng)機(jī)斷條故障檢測中的應(yīng)用[J]. 朱天敬,許伯強(qiáng).  電力系統(tǒng)及其自動(dòng)化學(xué)報(bào). 2015(01)
[8]基于多維度排列熵與支持向量機(jī)的軸承早期故障診斷方法[J]. 賈峰,武兵,熊曉燕,熊詩波.  計(jì)算機(jī)集成制造系統(tǒng). 2014(09)
[9]改進(jìn)的希爾伯特-黃變換及其在滾動(dòng)軸承故障診斷中的應(yīng)用[J]. 鄭近德,程軍圣.  機(jī)械工程學(xué)報(bào). 2015(01)
[10]基于多標(biāo)簽分類的傳感器網(wǎng)絡(luò)數(shù)據(jù)故障檢測算法[J]. 張振海,李士寧,李志剛,左雪雯.  計(jì)算機(jī)應(yīng)用研究. 2014(12)

碩士論文
[1]傳感器網(wǎng)絡(luò)中不完全數(shù)據(jù)填充方法研究[D]. 呂愛玲.大連理工大學(xué) 2014



本文編號(hào)：3108336