發(fā)布時間：2020-07-21 11:08

【摘要】：大型旋轉(zhuǎn)機械故障診斷的研究對于避免巨額的經(jīng)濟損失和災(zāi)難性事故的發(fā)生有著重要意義。本論文以支持向量機為理論基礎(chǔ)，結(jié)合國家自然科學基金項目：“基于獨立分量分析的旋轉(zhuǎn)機械故障診斷新方法的研究”(50205025)對智能故障診斷系統(tǒng)進行研究。以旋轉(zhuǎn)機械為研究對象，研究了支持向量機理論和算法及故障診斷模式識別系統(tǒng)，以及基于支持向量機的旋轉(zhuǎn)機械故障模式識別方法，并通過仿真進行驗證；設(shè)計開發(fā)了基于嵌入式系統(tǒng)的振動信號采集器，在LabVIEW和MATLAB平臺上構(gòu)建基于支持向量機的旋轉(zhuǎn)機械故障識別原型系統(tǒng)。全文的主要研究內(nèi)容如下： 第一章論述了大型旋轉(zhuǎn)機械狀態(tài)監(jiān)測和故障診斷的意義；介紹了大型旋轉(zhuǎn)機械故障診斷技術(shù)的發(fā)展和現(xiàn)狀；綜述了統(tǒng)計學習理論和支持向量機的理論研究和應(yīng)用發(fā)展。最后給出了本論文的主要研究內(nèi)容，并給出論文的總體框架。 第二章介紹了統(tǒng)計學習理論的重點內(nèi)容以及支持向量機算法的主要思想，并將其引入故障診斷領(lǐng)域；提出了一種基于支持向量機的故障模式識別系統(tǒng)結(jié)構(gòu)，介紹了系統(tǒng)各組成部分功能。 第三章闡述了常見旋轉(zhuǎn)機械振動故障機理，研究了支持向量機用于旋轉(zhuǎn)機械故障模式分類問題。分別應(yīng)用“一對一”、“一對多”和有向無環(huán)圖三種支持向量機分類算法，對轉(zhuǎn)子實驗臺故障模擬實驗數(shù)據(jù)進行故障模式識別，結(jié)果表明有向無環(huán)圖法方法更適合解決旋轉(zhuǎn)機械的多類分類問題。 第四章根據(jù)旋轉(zhuǎn)機械故障診斷和模式識別系統(tǒng)的要求，設(shè)計了基于嵌入式并采用ARM和DSP雙核技術(shù)的高速、實時振動信號采集系統(tǒng)。分析了整周期采樣方法，研制了智能鍵相電路、振動信號預(yù)處理和采集電路；在設(shè)計中采用雙口RAM來提高數(shù)據(jù)傳輸?shù)膶崟r性和安全性，并采用工業(yè)以太網(wǎng)實現(xiàn)與上微機的高速通訊，為旋轉(zhuǎn)機械故障特征的提取提供準確、實時的診斷數(shù)據(jù)。 第五章結(jié)合MATLAB和LabVIEW開發(fā)平臺各自的優(yōu)勢，采用COM組件技術(shù)混合編程的方式，實現(xiàn)了一個基于支持向量機故障識別的旋轉(zhuǎn)機械故障診斷原型系統(tǒng)。 第六章總結(jié)了全文，給出研究結(jié)論，并對以后的工作提出了一些建議和設(shè)想。
【學位授予單位】：浙江大學
【學位級別】：碩士
【學位授予年份】：2006
【分類號】：TH17

【引證文獻】

相關(guān)期刊論文 前2條

1 丁平平;;智能診斷在旋轉(zhuǎn)機械故障研究中的應(yīng)用[J];廣州化工;2012年07期

2 韓中合;韓悅;朱霄s

本文編號：2764329