數(shù)控機床是現(xiàn)代工業(yè)生產(chǎn)的重要基礎設備之一,被廣泛應用于機械制造、航空航天、國防建設等領域,影響一個國家的經(jīng)濟水平和綜合國力。數(shù)控機床故障的發(fā)生,不僅直接造成經(jīng)濟損失,更帶來安全隱患。數(shù)控機床故障診斷技術是一門專門解決數(shù)控機床故障問題的綜合性應用技術,它使用測試技術、信號分析、數(shù)據(jù)處理技術、計算機技術來及時發(fā)現(xiàn)甚至提前預知數(shù)控機床故障。本文使用樸素貝葉斯分類法進行故障識別,基于Python語言和WebSocket技術實現(xiàn)了數(shù)控機床遠程實時故障診斷系統(tǒng)。故障診斷算法方面以滾動軸承正常和故障信號數(shù)據(jù)為例,使用零均值化和小波包濾波對信號進行預處理,然后使用時域分析、頻域分析和連續(xù)小波變換提取信號特征,最后使用樸素貝葉斯分類法實現(xiàn)故障識別。使用Python語言及相關科學計算工具包進行編程實現(xiàn)。根據(jù)數(shù)控機床中需要被監(jiān)控的機械部件,選擇合適的傳感器和數(shù)據(jù)采集設備,建立數(shù)據(jù)采集系統(tǒng),構成實現(xiàn)數(shù)控機床故障診斷系統(tǒng)的硬件基礎。軟件系統(tǒng)分為采集端、服務端和用戶端,由于Python幾乎可以實現(xiàn)任何程序的編寫,并且擴展性極強和其在科學計算方面的優(yōu)勢,使用Python語言實現(xiàn)整個軟件系統(tǒng)的大部分功能,在數(shù)據(jù)采集方面,不能由Python完成的地方使用VC++2010對Python進行擴展。采集端和服務端使用C/S結構,通過TCP通信進行數(shù)據(jù)交互。采集到的原始數(shù)據(jù)存儲在MAT文件中,其他數(shù)據(jù)使用MariaDB數(shù)據(jù)庫進行存儲。用戶端和服務端使用B/S結構,使用Tornado框架實現(xiàn)Web服務器和Web站點,用戶通過Web瀏覽器訪問系統(tǒng)。Web站點前端使用HTML5規(guī)范的WebSocket實現(xiàn)實時的大量數(shù)據(jù)傳輸,并且使用VSG、Bootstrap、JQuery和Echarts前端框架和插件,實現(xiàn)了較友好的人機交互界面。實際運行結果表明,系統(tǒng)能夠穩(wěn)定運行,可以及時顯示出機床機械部件的運行狀態(tài),滿足工業(yè)應用的需求。
【學位單位】：西南交通大學
【學位級別】：碩士
【學位年份】：2015
【中圖分類】：TG659
【部分圖文】：

連續(xù)小波變換各頻帶上的信號能量可作為故軸承正常時的連續(xù)小波變換頻譜圖，圖２－５是其正常和內(nèi)圈故障時的信號連續(xù)小波變換各頻帶能常狀態(tài)下和故障狀態(tài)下信號的能量分布區(qū)分度明

圖２－６軸承正常狀態(tài)與內(nèi)圏故障連續(xù)小波變換后給頻帶能量??２．４故障診斷??本文使用貝葉斯分類法作為故障識別的方法，貝葉斯分類法是一類分類算法，以??理。??

?：??０?０．０２?０．Ｑ４?ｏｍ?０．０８?Ｇ．Ｉ?０—１２?０．１４?０，１６??圖２－５軸承內(nèi)圈故障小波變換頻譜圖??０－５?ｊ?ｒ＂““？＂＇?“‘?＼?‘?Ｉ?丨丨丨丨－丨丨?１?ｒ???＂＇（?ｉ?（?‘?ｔ?Ｊ???｜Ｂｎ正簿Ｉ??｜ｉ?＼＾＼??０．２５?－?薩??Ｊ?Ｌｌｌｉｉｎｔｎｉｎｔｌｊｌｊｌ?．??１２３４５６７８９?１０??圖２－６軸承正常狀態(tài)與內(nèi)圏故障連續(xù)小波變換后給頻帶能量??２．４故障診斷??本文使用貝葉斯分類法作為故障識別的方法，貝葉斯分類法是一類分類算法，以??貝葉斯定理為基礎。??２．４．１樸素貝葉斯分類法??使用分類方法進行故障識別，就是對故障特征值進行分類，判斷其屬于哪一種分??類。從數(shù)學角度定義如下，已知集合??Ｃ?＝?｛ｙｉ－ｙｚ．ｙｓ．……．ｙｎ）?（２－２３）??１?—?ｆ?Ｘ２１Ｘ３?????尤?Ｔｊｉ）?（?２－２４）??有映射規(guī)則ｙ?＝?ｆｉｘ），使得任意；Ｃｊ?ｅ?／有且僅有一個ｙｙ?６?Ｃ使得；ｙｙ?＝?／（ｘ；）成立。式??中Ｃ為類別集合，／為待分類項集合，／為分類器，分類算法的目的就是構造分類器［２４］。??一般情況下，使用分類方法進行特征識別常使用經(jīng)驗方法得到分類規(guī)則，一般分??
【參考文獻】

相關期刊論文 前3條

1 涂驥;;振動傳感器的選擇與安裝[J];計量與測試技術;2010年01期

2 林京,屈梁生;基于連續(xù)小波變換的信號檢測技術與故障診斷[J];機械工程學報;2000年12期

3 王家海;黃江濤;沈斌;蘇依順;張燕青;;數(shù)控機床智能故障診斷技術的研究現(xiàn)狀與展望[J];機械制造;2014年05期

本文編號：2842681