本文關(guān)鍵詞：基于虛擬儀器的齒輪箱故障診斷的試驗平臺開發(fā)，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著設備的復雜化、自動化和連續(xù)化程度的提高，齒輪和齒輪箱的故障和失效給整個生產(chǎn)造成的損失也越來越大，更有可能危害到操作人員的生命安全，因此研究和探索新的更有效的齒輪箱故障診斷方法就顯得十分的重要和迫切了。本文在研究基于能量耗損故障診斷實驗方法的過程中，利用虛擬儀器技術(shù)開發(fā)了一個齒輪箱故障診斷實驗平臺，保障了基于能量耗損故障診斷這一新方法研究的順利進行。 本研究以PC機為核心，在傳感器、信號調(diào)理器、PCI數(shù)據(jù)采集卡等硬件的基礎上，利用Labview軟件所具有的強有力的信號分析、處理功能和良好的用戶操作界面，開發(fā)一套用于信號采集、分析及分析結(jié)果評估的實驗平臺。為研究基于能量耗損的故障診斷方法，要求該測試平臺不僅能夠適應試驗臺的實際條件，可以實現(xiàn)多種實驗條件下的測試要求，具有測試參數(shù)種類多、測試精度高、數(shù)據(jù)分析處理能力強等特點，而且具備較強的通用性和可移植性。具體研究內(nèi)容包括以下幾個方面： （1）分析研究了信號的時域分析、頻域分析、小波變換、流形學習等信號分析和特征提取方法的原理，為測試平臺開發(fā)工作提供了理論的基礎。 （2）分析研究測試平臺功能的需求和總體目標。通過測試平臺需求分析來設計系統(tǒng)的各個組成部分。 （3）設計并實現(xiàn)齒輪故障診斷的硬件系統(tǒng)，主要工作包括試驗臺的設計與搭建、傳感器、信號調(diào)理模塊和數(shù)據(jù)采集卡的選擇、調(diào)試和安裝。 （4）開發(fā)基于虛擬儀器的軟件平臺，該平臺不僅實現(xiàn)對試驗臺上各類信號的采集、顯示以及數(shù)據(jù)存儲等工作，而且實現(xiàn)了數(shù)據(jù)處理的功能，針對試驗臺上的各種信號，采用多種數(shù)據(jù)處理與特征提取的方法，，包括數(shù)據(jù)回放、數(shù)字濾波、時域分析、頻域分析、直方圖分析、自相關(guān)分析、小波分析、流形學習法等。與此同時，在Labview上實現(xiàn)基于支持向量機的故障分類，以此來評價特征提取的效果和實現(xiàn)故障診斷功能。 （5）最后通過試驗驗證了測試平臺的各種功能，于此同時，提出了一個基于時域-流形學習的能量信號特征提取方法，驗證了基于能量耗損故障診斷方法的有效性，評價了測試平臺的可靠性和實用性。
【關(guān)鍵詞】：故障診斷 齒輪箱 能量耗損 虛擬儀器 信號分析 特征提取 流形學習
【學位授予單位】：華南理工大學
【學位級別】：碩士
【學位授予年份】：2013
【分類號】：TP277;TH132.41
【目錄】：

• 摘要5-6
• ABSTRACT6-8
• 目錄8-11
• 第一章 緒論11-20
• 1.1 課題意義及研究背景11-12
• 1.2 國內(nèi)外齒輪箱故障診斷技術(shù)發(fā)展現(xiàn)狀及趨勢12-13
• 1.3 虛擬儀器與 Labview 的發(fā)展及研究現(xiàn)狀13-18
• 1.3.1 虛擬儀器概述13-15
• 1.3.2 Labview 語言簡介15-16
• 1.3.3 Labview 的優(yōu)勢和意義16-17
• 1.3.4 Labview 的應用與發(fā)展17-18
• 1.4 課題來源與問題提出18-19
• 1.5 本論文的研究內(nèi)容19-20
• 第二章 信號處理與特征提取技術(shù)20-29
• 2.1 時域分析20-22
• 2.2 頻域分析22-24
• 2.2.1 傅里葉變換23
• 2.2.2 自功率譜分析23-24
• 2.3 小波分析24-25
• 2.3.1 小波及小波包分析原理24-25
• 2.4 基于非線性流形學習的特征提取技術(shù)25-28
• 2.4.1 流形學習原理和應用26
• 2.4.2 局部切空間排列算法原理26-27
• 2.4.3 擴散映射算法原理27-28
• 2.5 本章小結(jié)28-29
• 第三章 測試平臺的總體方案設計29-40
• 3.1 測試平臺總體功能目標29
• 3.2 測試平臺的總體設計方案29-30
• 3.3 測試系統(tǒng)的硬件構(gòu)建30-37
• 3.3.1 齒輪箱測試實驗臺31-32
• 3.3.2 傳感器32-34
• 3.3.3 信號的調(diào)理34-35
• 3.3.4 數(shù)據(jù)采集卡35-37
• 3.3.5 操作平臺37
• 3.4 實驗平臺的軟件設計37-39
• 3.5 本章小結(jié)39-40
• 第四章 數(shù)據(jù)采集模塊的設計40-49
• 4.1 數(shù)據(jù)采集理論40-42
• 4.1.1 Labview 數(shù)據(jù)采集40-41
• 4.1.2 Labview 數(shù)據(jù)采集的參數(shù)設置41-42
• 4.2 數(shù)據(jù)采集模塊的實現(xiàn)42-48
• 4.2.1 程序流程圖42-43
• 4.2.2 數(shù)據(jù)的采集及顯示43-47
• 4.2.3 數(shù)據(jù)的保存47-48
• 4.3 本章小結(jié)48-49
• 第五章 數(shù)據(jù)處理與故障診斷模塊的設計49-72
• 5.1 Labview 關(guān)鍵技術(shù)在各模塊中的應用49-56
• 5.1.1 在線處理49-52
• 5.1.2 離線處理52-55
• 5.1.3 故障診斷55-56
• 5.2 數(shù)據(jù)處理模塊的實現(xiàn)56-66
• 5.2.1 數(shù)字濾波56-58
• 5.2.2 時域分析58-59
• 5.2.4 直方圖分析59-60
• 5.2.5 自相關(guān)分析60-61
• 5.2.6 頻譜分析61-62
• 5.2.7 功率譜分析62-63
• 5.2.8 小波包分析63-64
• 5.2.9 流形學習64-66
• 5.3 故障診斷模塊的實現(xiàn)66-71
• 5.3.1 支持向量機原理及應用66-68
• 5.3.2 基于支持向量機的故障診斷模塊的實現(xiàn)68-71
• 5.4 本章小結(jié)71-72
• 第六章 實驗驗證72-82
• 6.1 測試試驗對象72-73
• 6.2 診斷實例73-75
• 6.2.1 信號測點的布置73
• 6.2.2 故障模擬73-74
• 6.2.3 信號的采集與保存74-75
• 6.3 信號分析及診斷75-81
• 6.3.1 振動信號時頻和頻域域分析75-76
• 6.3.2 基于小波包分析的振動信號特征提取與故障診斷76-78
• 6.3.3 基于時域-流形學習的能量信號特征提取和故障診斷78-81
• 6.4 小結(jié)81-82
• 第七章 總結(jié)與展望82-84
• 7.1 總結(jié)82
• 7.2 展望82-84
• 參考文獻84-88
• 攻讀碩士學位期間取得的研究成果88-89
• 致謝89-90
• 附件90

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 秦志強;數(shù)據(jù)融合技術(shù)及其應用[J];兵工自動化;2003年05期

2 魏松;李琦;趙仁才;;基于短時傅立葉變換語言信號分析算法[J];電子測量技術(shù);2006年01期

3 周帥;;基于研華PCI-1711采集卡的振動信號采集系統(tǒng)[J];湖北農(nóng)機化;2011年03期

4 傅勤毅,王峰林,李明章,彭玉才;滾動軸承故障診斷中的多參數(shù)綜合判別方法[J];哈爾濱工業(yè)大學學報;1997年03期

5 夏魯瑞;胡蔦慶;秦國軍;;基于流形學習的渦輪泵海量數(shù)據(jù)異常識別算法[J];航空動力學報;2011年03期

6 奉國和;;SVM分類核函數(shù)及參數(shù)選擇比較[J];計算機工程與應用;2011年03期

7 申永軍,楊紹普,劉獻棟;齒輪故障診斷中的信號處理技術(shù)研究與展望[J];機械傳動;2004年03期

8 沈保山;姬長英;郭玉平;張集樂;;基于LabVIEW數(shù)據(jù)采集系統(tǒng)的設計[J];機械與電子;2009年04期

9 周建民;周佳;肖強;;基于LabVIEW的齒輪箱故障診斷測試系統(tǒng)[J];煤礦機械;2009年04期

10 梁霖;徐光華;栗茂林;張熠卓;梁小影;;沖擊故障特征提取的非線性流形學習方法[J];西安交通大學學報;2009年11期

中國博士學位論文全文數(shù)據(jù)庫 前2條

1 王廣斌;基于流形學習的旋轉(zhuǎn)機械故障診斷方法研究[D];中南大學;2010年

2 孫明明;流形學習理論與算法研究[D];南京理工大學;2007年

中國碩士學位論文全文數(shù)據(jù)庫 前1條

1 陳新國;基于小波分析的齒輪故障診斷的研究[D];武漢科技大學;2004年

  本文關(guān)鍵詞：基于虛擬儀器的齒輪箱故障診斷的試驗平臺開發(fā)，由筆耕文化傳播整理發(fā)布。

本文編號：354591