旋轉(zhuǎn)機械是機械設(shè)備中最常見的機械系統(tǒng),對旋轉(zhuǎn)機械的故障診斷一直是一個熱門的研究方向。振動是造成結(jié)構(gòu)疲勞和機械故障的最主要的因素,旋轉(zhuǎn)機械的振動會引起磨損,性能下降以及旋轉(zhuǎn)部件的失效,直至造成重大經(jīng)濟(jì)損失或人員傷亡。對結(jié)構(gòu)復(fù)雜的轉(zhuǎn)子系統(tǒng)而言,其振動信息在傳遞過程中往往變得難以識別,而且實踐中也很難尋找到信號的特征信息與設(shè)備故障的一一對應(yīng)關(guān)系,因此利用常規(guī)的故障診斷技術(shù)來實現(xiàn)復(fù)雜設(shè)備故障的確診較為困難。隨著數(shù)據(jù)庫技術(shù)在狀態(tài)監(jiān)測和故障診斷系統(tǒng)中應(yīng)用規(guī)模、規(guī)范和深度的不斷擴大,企業(yè)積累的設(shè)備監(jiān)測數(shù)據(jù)越來越多,激增的數(shù)據(jù)背后隱藏著許多重要的信息,為基于數(shù)據(jù)分析的數(shù)據(jù)挖掘技術(shù)提供了有利條件。在數(shù)據(jù)挖掘算法中,分類與回歸樹(CART)算法以其高速、高準(zhǔn)確率、魯棒性好和直觀的分類規(guī)則廣泛應(yīng)用于人工智能領(lǐng)域。在CART被提出的三十多年中,已有優(yōu)化算法針對其分類準(zhǔn)確率進(jìn)行了改進(jìn),相關(guān)算法被應(yīng)用于故障診斷中并帶來了突破性的進(jìn)展。2014年提出的“中國制造2025”與工業(yè)4.0時代逐漸接軌,對智能制造提出了更高的要求。作為制造過程中的重要環(huán)節(jié),設(shè)備健康監(jiān)測與故障診斷的智能化和在線實時檢測是技術(shù)難點,因此需要一個...

【文章頁數(shù)】：63 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖1.1故障診斷實例(a)風(fēng)力發(fā)電機的智能診斷，(b)航空發(fā)動機的故障診斷

第一章緒論1.1課題的背景與意義隨著現(xiàn)代化機械設(shè)備的自動化水平的提高，機械自動化作業(yè)也凸顯出了設(shè)備安全穩(wěn)定運行的重要性。在運行狀態(tài)下，僅僅一點小小的故障都有可能引起意外發(fā)生，造成巨大的經(jīng)濟(jì)損失，甚至出現(xiàn)人員傷亡等更加嚴(yán)重的后果[1]。旋轉(zhuǎn)機械是指依靠轉(zhuǎn)子的旋轉(zhuǎn)運動進(jìn)行工作的機....

圖1.2工業(yè)4.0與智能制造

合肥工業(yè)大學(xué)碩士研究生學(xué)位論文業(yè)革命）[13]。所謂工業(yè)4.0，即利用信息化技術(shù)促進(jìn)產(chǎn)業(yè)變革的時代，也就能化時代，我國提出的“中國制造2025”與之遙相呼應(yīng)[14]。智能制造是一個了制造，測試和先進(jìn)智能系統(tǒng)以實現(xiàn)軟制造和高度適應(yīng)性的多階段過程[15]如圖1.2所示的一個多....

圖1.3基于信號處理的故障診斷流程

法把時域信號進(jìn)行離散傅里葉變換之后再進(jìn)行分析[22]，而時頻分析則既能信號的頻域部分又能揭露他們的時變特征[23]。例如Liu等人[24]將快速動態(tài)彎曲算法（快速DTW算法）和相關(guān)峰度（CK）算法結(jié)合，提出了一種基域信號的故障診斷算法來監(jiān)測齒輪箱故障。快速DTW算法可....

圖1.4基于模型的故障診斷流程

合肥工業(yè)大學(xué)碩士研究生學(xué)位論文電機組故障診斷系統(tǒng)DIVA[27]和航空發(fā)動機的故障診斷[28]等，目前備受據(jù)挖掘方法也結(jié)合了專家系統(tǒng)并進(jìn)行改進(jìn)。每個專家系統(tǒng)所完成的任務(wù)結(jié)構(gòu)也不盡相同，其大致結(jié)構(gòu)如圖1.5所示。但專家系統(tǒng)的知識來源是家經(jīng)驗，對于未知工況或未曾碰到的故障類型無....

本文編號：4037467