本文關鍵詞：旋轉機械在線監(jiān)測與故障診斷系統的研究

  更多相關文章： 故障診斷系統 平穩(wěn)信號處理 非平穩(wěn)信號處理 核函數 智能診斷

【摘要】：隨著工業(yè)化的迅猛發(fā)展以及對生產過程安全性的要求越來越高，機械故障診斷技術在工業(yè)生產中的作用也變得越來越重要了。本論文旨在對目前國內外旋轉機械在線監(jiān)測與故障診斷領域的相關技術進行研究的基礎上，通過不同技術方案的比較與論證選擇合適的方案進行實現，并且應用于不同形式的旋轉機械在線監(jiān)測與故障診斷系統。 本課題的主要研究內容為旋轉機械在線監(jiān)測與故障診斷系統的故障識別方法，主要內容包括如下幾個方面： (1)在研究旋轉機械在線監(jiān)測與故障診斷領域中平穩(wěn)信號分析技術的基礎上，制定其與基于嵌入式系統的故障診斷系統的接口方案，使用C#語言實現平穩(wěn)信號分析的算法類庫，應用于基于Wince的嵌入式故障診斷系統。 (2)在研究旋轉機械在線監(jiān)測與故障診斷系統中平穩(wěn)信號分析與非平穩(wěn)信號分析的基礎上，制定其與基于PC的旋轉機械故障診斷系統的借口方案，使用C語言編寫信號分析算法的動態(tài)連接庫，并且應用于基于PC的故障診斷系統。 (3)在研究旋轉機械在線監(jiān)測與故障診斷系統中平穩(wěn)信號分析與非平穩(wěn)信號分析的基礎上，制定其與基于B/S模式的旋轉機械故障診斷系統的借口方案，使用matlab編寫信號分析算法函數，利用matlab混合編程技術把算法集成到基于B/S架構的故障診斷試驗系統。 (4)在研究旋轉機械在線監(jiān)測與故障診斷系統中智能診斷方法的基礎上，深入研究基于支持向量機的故障診斷方法，，并且開發(fā)一款能夠用于離線SVM模型訓練的“故障診斷輔助設計平臺”軟件。 通過對本文所研究的各種旋轉機械在線監(jiān)測與故障診斷領域中的技術研究及其實現方法進行測試，結果表明本文所研究、實現且應用的各種方法完全滿足工程應用的需求，可以應用在不同平臺的故障診斷系統中。通過對本文所研究并且開發(fā)的用于SVM離線模型訓練的輔助設計軟件進行測試，結果表明其具有較好的性能，可以較好地完成預期的SVM模型離線訓練任務。
【關鍵詞】：故障診斷系統 平穩(wěn)信號處理 非平穩(wěn)信號處理 核函數 智能診斷
【學位授予單位】：電子科技大學
【學位級別】：碩士
【學位授予年份】：2013
【分類號】：TH165.3;TP274
【目錄】：

• 摘要5-6
• ABSTRACT6-11
• 第一章 緒論11-16
• 1.1 課題研究的背景及意義11-12
• 1.2 機械故障診斷技術的研究現狀12-14
• 1.3 本文主要研究內容與結構安排14-15
• 1.4 本文解決的關鍵問題及研究成果15-16
• 第二章 旋轉機械在線監(jiān)測與故障診斷系統的常見故障類別概述16-22
• 2.1 轉子振動分類16-17
• 2.1.1 按振動規(guī)律劃分16
• 2.1.2 按動力學特征劃分16-17
• 2.1.3 按振動頻率劃分17
• 2.2 轉子不平衡故障17-18
• 2.3 轉子不對中故障18
• 2.4 軸承彎曲故障18-19
• 2.5 軸承裂紋故障19
• 2.6 鏈接松動故障19-20
• 2.7 摩擦故障20
• 2.8 喘振故障20-21
• 2.9 本章小結21-22
• 第三章 旋轉機械故障診斷領域中平穩(wěn)信號分析方法研究與實現22-39
• 3.1 引言22
• 3.2 相干函數在機械故障診斷領域中的應用22-25
• 3.2.1 相關的概念22-23
• 3.2.2 功率譜密度函數23
• 3.2.3 相干函數23-24
• 3.2.4 相干函數算法的程序實現24-25
• 3.2.5 實驗結果25
• 3.3 故障診斷領域中的頻譜細化方法研究25-28
• 3.3.1 頻譜細化算法的原理26-27
• 3.3.2 譜細化算法的程序實現27
• 3.3.3 實驗結果27-28
• 3.4 應用在故障診斷領域中的倒頻譜算法研究28-30
• 3.4.1 倒譜算法原理28-29
• 3.4.2 倒譜算法的程序實現29
• 3.4.3 實驗結果29-30
• 3.5 全息譜理論30-34
• 3.5.1 全息譜的原理30-32
• 3.5.2 全息譜算法的程序實現32-33
• 3.5.3 實驗結果33-34
• 3.6 振動信號的軸心軌跡分析34-36
• 3.6.1 振動信號軸心軌跡的原理34-35
• 3.6.2 軸心軌跡算法的程序實現35
• 3.6.3 實驗結果35-36
• 3.7 包絡分析在機械故障診斷領域中的應用研究36-39
• 3.7.1 包絡分析的原理36-37
• 3.7.2 信號包絡算法的程序實現37
• 3.7.3 實驗結果37-39
• 第四章 機械故障診斷領域中非平穩(wěn)信號分析方法研究與實現39-50
• 4.1 引言39
• 4.2 小波變換及其在故障診斷中的應用39-43
• 4.2.1 小波變換的原理39-40
• 4.2.2 小波變換算法的程序實現40-41
• 4.2.3 實驗結果41-43
• 4.3 WIGNER 分布在旋轉機械故障診斷中的應用43-45
• 4.3.1 Wigner 分布的原理43-44
• 4.3.2 平滑 Wigner 分布算法的程序實現44-45
• 4.3.3 實驗結果45
• 4.4 基于 EMD 的時頻分析方法及其在故障診斷中的應用45-50
• 4.4.1 EMD 的基本原理46-47
• 4.4.2 EMD 算法的程序接口介紹47-48
• 4.4.3 實驗結果48-50
• 第五章 基于核函數的旋轉機械故障診斷方法研究50-63
• 5.1 引言50-51
• 5.2 統計學習理論與支持向量機51-54
• 5.2.1 統計學習理論的起源51-52
• 5.2.2 二分類支持向量機原理52-54
• 5.3 核函數理論與算法54-56
• 5.3.1 非線性分類問題與核函數理論54-55
• 5.3.2 基于核函數理論的故障診斷方法的系統診斷流程55-56
• 5.4 機械故障診斷輔助實驗平臺的設計56-62
• 5.4.1 開發(fā)環(huán)境簡介56-57
• 5.4.2 實驗平臺人機接口簡介57-62
• 5.5 實驗結果62-63
• 第六章 旋轉機械在線監(jiān)測與故障診斷系統的算法集成63-69
• 6.1 引言63
• 6.2 基于 PC 平臺故障診斷系統的算法集成63-65
• 6.2.1 基于 PC 平臺的故障診斷系統的開發(fā)環(huán)境介紹63-64
• 6.2.2 算法的封裝與集成64-65
• 6.3 基于 WINCE嵌入式平臺故障診斷系統的算法集成65-66
• 6.3.1 基于 Wince 的嵌入式平臺診斷系統的開發(fā)環(huán)境介紹65
• 6.3.2 基于嵌入式平臺診斷系統的算法封裝與集成65-66
• 6.4 基于 B/S 模式的故障診斷系統的算法集成66-68
• 6.5 本章小結68-69
• 第七章 結論與展望69-71
• 致謝71-72
• 參考文獻72-76

【參考文獻】

中國期刊全文數據庫 前10條

1 翟永杰,王東風,韓璞;基于多類支持向量機的汽輪發(fā)電機組故障診斷[J];動力工程;2003年05期

2 秦嶺;楊君;;小波包分析在旋轉機械故障診斷中的應用[J];電子工程師;2006年01期

3 陳光雄,周仲榮;基于小波變換的摩擦噪聲激勵源的研究[J];機械工程學報;2003年02期

4 李巍華,廖廣蘭,史鐵林;核函數主元分析及其在齒輪故障診斷中的應用[J];機械工程學報;2003年08期

5 唐貴基,王維珍,胡愛軍,田麗潔;Hilbert-Huang變換及其在旋轉機械故障診斷中的應用[J];礦山機械;2005年05期

6 唐貴基,牟法海,胡愛軍,馮學斌;改進BP算法在旋轉機械故障診斷中的應用[J];煤礦機械;2004年07期

7 張學工;關于統計學習理論與支持向量機[J];自動化學報;2000年01期

8 田盛豐;黃厚寬;;支持向量機多專家決策算法[J];模式識別與人工智能;2000年02期

9 毛勇;周曉波;夏錚;尹征;孫優(yōu)賢;;特征選擇算法研究綜述[J];模式識別與人工智能;2007年02期

10 盧增祥,李衍達;交互支持向量機學習算法及其應用[J];清華大學學報(自然科學版);1999年07期

本文編號：1105995