電機(jī)是現(xiàn)代工業(yè)生產(chǎn)和生活中必不可少的設(shè)備,一旦發(fā)生故障,不僅會(huì)影響機(jī)械系統(tǒng)的運(yùn)行,造成嚴(yán)重的經(jīng)濟(jì)損失,甚至威脅人員安全。隨著電機(jī)制造工藝的不斷提高、應(yīng)用范圍的不斷增加,電機(jī)的故障診斷及其健康狀態(tài)監(jiān)測(cè)的需求也不斷提高。但是由于電機(jī)的結(jié)構(gòu)復(fù)雜,使得能夠反映設(shè)備狀態(tài)的數(shù)據(jù)多樣且選擇困難,從而難以實(shí)現(xiàn)高精度的診斷故障。本文利用多傳感器振動(dòng)數(shù)據(jù),從傳統(tǒng)故障診斷方法入手,深入分析研究電機(jī)故障診斷算法及其工程應(yīng)用的特點(diǎn),再通過(guò)研究卷積神經(jīng)網(wǎng)絡(luò)方法在電機(jī)狀態(tài)檢測(cè)領(lǐng)域的適用性問(wèn)題及學(xué)習(xí)性能的評(píng)價(jià)問(wèn)題,利用卷積神經(jīng)網(wǎng)絡(luò)較強(qiáng)的模式識(shí)別能力,建立軟件,用集成模型來(lái)描述故障類別,從而實(shí)現(xiàn)電機(jī)狀態(tài)監(jiān)測(cè)與故障診斷。本文以多傳感器數(shù)據(jù)為基礎(chǔ),分別以多重分形去趨勢(shì)波動(dòng)分析方法和卷積神經(jīng)網(wǎng)絡(luò)方法實(shí)現(xiàn)電機(jī)的故障診斷,并根據(jù)算法設(shè)計(jì)出電機(jī)狀態(tài)監(jiān)測(cè)的軟件,具體內(nèi)容如下:1.分析電機(jī)故障發(fā)生的原因。文章診斷故障類型分為三類:電機(jī)軸承故障、電機(jī)匝間短路故障和電機(jī)轉(zhuǎn)子斷條故障,通過(guò)分析上述三類故障發(fā)生機(jī)理,為電機(jī)故障診斷所需數(shù)據(jù)的類型提供建議,最終確定依靠振動(dòng)信號(hào)作為診斷數(shù)據(jù)。為了獲取更高精度和高效率的故障診斷結(jié)果,本文采用多傳感器...

【文章頁(yè)數(shù)】：88 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 研究工作的背景與意義
    1.2 電機(jī)故障診斷的研究現(xiàn)狀
    1.3 研究?jī)?nèi)容及結(jié)構(gòu)安排
        1.3.1 論文主要研究?jī)?nèi)容
        1.3.2 本論文的結(jié)構(gòu)安排
第二章 電機(jī)故障分析
    2.1 電機(jī)故障類型
    2.2 軸承故障
    2.3 匝間短路故障
    2.4 轉(zhuǎn)子斷條故障
    2.5 本章小結(jié)
第三章 多傳感器數(shù)據(jù)下基于多重分形去趨勢(shì)波動(dòng)分析的電機(jī)故障診斷
    3.1 概述
    3.2 多傳感器數(shù)據(jù)的多重分形去趨勢(shì)波動(dòng)分析
        3.2.1 多重分形
        3.2.2 算法
        3.2.3 特征數(shù)據(jù)
        3.2.4 多傳感器特征數(shù)據(jù)
        3.2.5 MFDFA-MD算例
    3.3 分類器的選擇
        3.3.1 馬氏距離判別法
        3.3.2 支持向量機(jī)(Support Vector Machine,SVM)
    3.4 實(shí)驗(yàn)及結(jié)果分析
        3.4.1 實(shí)驗(yàn)數(shù)據(jù)
        3.4.2 實(shí)驗(yàn)結(jié)果分析
    3.5 本章小結(jié)
第四章 多傳感器數(shù)據(jù)下基于卷積神經(jīng)網(wǎng)絡(luò)的電機(jī)故障診斷
    4.1 概述
    4.2 多傳感器數(shù)據(jù)下基于二維卷積神經(jīng)網(wǎng)絡(luò)的電機(jī)故障診斷方法
        4.2.1 預(yù)處理
        4.2.2 多傳感器數(shù)據(jù)導(dǎo)致的CNN模型的改進(jìn)
        4.2.3 改進(jìn)的CNN模型的訓(xùn)練流程與診斷流程
    4.3 CNN實(shí)驗(yàn)結(jié)果及分析
        4.3.1 實(shí)驗(yàn)數(shù)據(jù)描述及預(yù)處理
        4.3.2 實(shí)驗(yàn)結(jié)果
        4.3.3 實(shí)驗(yàn)結(jié)果分析
    4.4 本章小結(jié)
第五章 電機(jī)狀態(tài)監(jiān)測(cè)與故障診斷軟件設(shè)計(jì)
    5.1 設(shè)計(jì)方案
        5.1.1 硬件平臺(tái)介紹
        5.1.2 軟件設(shè)計(jì)方案
    5.2 數(shù)據(jù)采集模塊
        5.2.1 數(shù)據(jù)采集框架
        5.2.2 數(shù)據(jù)采集
    5.3 文件模塊
        5.3.1 內(nèi)存中的數(shù)據(jù)
        5.3.2 數(shù)據(jù)庫(kù)
        5.3.3 磁盤中的數(shù)據(jù)
    5.4 數(shù)據(jù)交換模塊和故障監(jiān)測(cè)模塊
        5.4.1 數(shù)據(jù)交換模塊
        5.4.2 故障監(jiān)測(cè)模塊
    5.5 顯示模塊
        5.5.1 .采集界面
        5.5.2 電機(jī)狀態(tài)監(jiān)測(cè)界面
    5.6 本章小結(jié)
第六章 全文總結(jié)與展望
    6.1 全文總結(jié)
    6.2 后續(xù)工作展望
致謝
參考文獻(xiàn)
讀碩士學(xué)位期間取得的成果



本文編號(hào)：3826749