基于多传感器的装载机故障诊断系统研究

发布时间：2017-09-18 22:07

  本文关键词：基于多传感器的装载机故障诊断系统研究

  更多相关文章： 多传感器 装载机 信息融合 故障诊断系统

【摘要】：工程机械的发明大大节省了建设的时间并且提高了效率,对一个国家经济的发展起到推动作用。装载机便是其中一种工作效率较高、用途广泛机械。对于装载机来说系统故障诊断系统的研究是非常必要的,有利于及时发现问题、排除故障以及相关的安全隐患,保障装载机安全稳定运行,延长装载机使用寿命,发挥装载机的最大效能,能够促进工程进度,实际上就间接的创造了经济效益。本文根据实际调研,确定开展基于多传感器装载机故障诊断系统的研究及相关技术探讨。本文是针对实际生产作业中的这种问题展开了装载机动力系统故障在线诊断和监测的研究,主要完成的工作有:(1)首先本文在进行详细分析装载机故障发生及其危害的基础上分析了设计在线监测诊断系统的必要性,并且研究了这样一个在线监测系统设计的基本规则和研发步骤。其次,根据设计基本规则分析了在研发系统的时候会涉及到的一些软硬件基础,还对涉及到的一些技术手段进行了研究;(2)针对多维度信息综合反应机器工作状态的理论进行了研究和阐述,找到了其中问题的难点所在是多维度多层次的信息很难共同处理分析。针对这个难题引进了信息融合技术在这对其进行分析,对信息融合技术中的基本方法应用在多维度多层次数据分析中的可行性进行了论证,并且找到了模糊理论和化简方法处理庞杂数据的渠道,取得了很好的效果;(3)结合某企业的ZL50型号的装载机的故障发生进行了详细分析重点对装载机故障诊断系统的开发环境以及装载机的故障诊断系统的功能需求进行分析最后在基于粗糙集理论方法应用的基础上实现基于多传感器信号采集的装载机故障诊断系统,并进行测试,增强了故障诊断系统的冗余性以及提高了故障诊断系统的诊断精确率。
【关键词】：多传感器 装载机 信息融合 故障诊断系统
【学位授予单位】：南华大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TH243
【目录】：

• 摘要4-6
• Abstract6-11
• 第一章 绪论11-19
• 1.1 课题来源11-13
• 1.2 故障诊断技术的研究综述13-16
• 1.2.1 传统的故障诊断技术13-14
• 1.2.2 智能诊断系统14-16
• 1.3 文章结构安排16-17
• 1.3.1 研究目标16
• 1.3.2 研究内容和关键问题16-17
• 1.4 本章小结17-19
• 第二章 基于多传感器融合装载机故障诊断技术与方法19-33
• 2.1 多传感器信息融合技术19-26
• 2.1.1 原理概述19
• 2.1.2 多传感器应用于故障诊断19-20
• 2.1.3 基于多传感器故障诊断应用级别20-23
• 2.1.4 信息融合诊断的功能模型23-25
• 2.1.5 基于多传感器故障诊断系统要素25-26
• 2.2 专家诊断故障系统架构26-27
• 2.3 粗糙集理论在装载机融合诊断中的应用27-31
• 2.3.1 粗糙集理论装载机融合诊断描述27-28
• 2.3.2 粗糙集理论装载机故障诊断应用28-31
• 2.4 D-S证据理论在装载机故障诊断中的应用31-32
• 2.5 本章小结32-33
• 第三章 装载机故障诊断系统需求分析33-47
• 3.1 装载机故障诊断的故障种类33-39
• 3.1.1 装载机故障汇总33-38
• 3.1.2 装载机故障理论分析38-39
• 3.2 装载机故障诊断过程中的诊断信息分析39-40
• 3.2.1 传感器类信息分析39-40
• 3.2.2 知识类信息分析40
• 3.3 装载机故障诊断知识的获取40-45
• 3.3.1 一级规则知识41
• 3.3.2 二级规则知识41-43
• 3.3.3 混合规则知识库的生成43-45
• 3.4 本章小结45-47
• 第四章 装载机诊断系统的设计与实现47-61
• 4.1 系统概述47-48
• 4.2 系统硬件设计48-52
• 4.2.1 系统硬件架构48-49
• 4.2.2 传感器选择49-52
• 4.3 系统软件设计与实现52-55
• 4.3.1 软件开发环境52
• 4.3.2 软件的功能与结构52-54
• 4.3.3 系统诊断流程图54-55
• 4.4 系统硬件实现55-57
• 4.4.1 硬件实现55
• 4.4.2 压力传感器的测量表盘55-57
• 4.5 系统软件实现57-60
• 4.6 本章小结60-61
• 第五章 装载机诊断系统运行与实验61-65
• 5.1 实测数据61-64
• 5.1.1 状态数据检测61-63
• 5.1.2 诊断实例63-64
• 5.2 实验总结64-65
• 第六章 结论及展望65-67
• 参考文献67-71
• 作者攻读学位期间的科研成果71-73
• 致谢73

【相似文献】

中国期刊全文数据库 前10条

1 米如玲 ,薛兵;59—03指挥仪静态故障诊断系统[J];火力与指挥控制;1988年02期

2 黄福孙;200MW电站主设备的故障诊断系统课题鉴定会[J];发电设备;1990年11期

3 山风;一种新型的机组状态监测及故障诊断系统[J];流体机械;1998年05期

4 傅其凤,崔彦平,张自力,张强;水泵状态监测及故障诊断系统[J];水泵技术;2000年03期

5 何涛,吴庆华,文昌俊,钟毓宁;基于网络的家电产品故障诊断系统研究[J];湖北工学院学报;2002年03期

6 胡建中,许飞云,贾民平,钟秉林;基于行为的多代理故障诊断系统研究[J];制造业自动化;2002年08期

7 赵耀原;机车铁路信号故障诊断系统[J];太原理工大学学报;2002年02期

8 崔福东,郭万军;汽轮发电机组振动监测与故障诊断系统的研究开发[J];广西电力;2003年01期

9 金涛,安振庄;关于板级产品智能化故障诊断系统的研究[J];天津理工学院学报;2003年02期

10 唐宗军,杨光,王维,钦兰云;基于软件芯片技术的开放式数控故障诊断系统[J];沈阳工业大学学报;2005年03期

中国重要会议论文全文数据库 前10条

1 黄建军;杨世锡;李志农;严拱标;;旋转机械远程状态监测与故障诊断系统的开发[A];第十届全国设备监测与诊断技术学术会议论文集[C];2000年

2 肖涵;李友荣;;风机远程监测与故障诊断系统的研究[A];湖北省机械工程学会机械设计与传动专业委员会第十五届学术年会论文集（一）[C];2007年

3 冯俊婷;王冶;徐挙;刘国发;王桂增;;基于小波的中国实验快堆钠泵故障诊断系统[A];中国电子学会第七届学术年会论文集[C];2001年

4 盖强;冯杰;初健;;舰船主机故障诊断系统[A];第二届全国信息获取与处理学术会议论文集[C];2004年

5 陈剑;;基于定性推理的故障诊断系统研究[A];复杂巨系统理论·方法·应用——中国系统工程学会第八届学术年会论文集[C];1994年

6 赵建鹏;丁国辉;胡亮;;一种基于多信号模型的故障诊断系统设计与实现[A];全国第三届信号和智能信息处理与应用学术交流会专刊[C];2009年

7 成成;黄道;;大型化肥生产过程的故障诊断系统[A];1997中国控制与决策学术年会论文集[C];1997年

8 谢江华;徐才发;张迅;李汉祥;杨德斌;;大型设备的远程在线监测与故障诊断系统的实现[A];2003年11省区市机械工程学会学术会议论文集[C];2003年

9 谢立强;王雪;谢志江;;组态式在线监测与故障诊断系统的研究[A];设备监测与诊断技术及其应用——第十二届全国设备监测与诊断学术会议论文集[C];2005年

10 赵杰;刘教民;;一种低压智能化电器故障诊断系统研究[A];首届信息获取与处理学术会议论文集[C];2003年

中国重要报纸全文数据库 前2条

1 记者 李黎邋通讯员 徐国青;理工监测四个项目跻身 “国家队”[N];宁波日报;2007年

2 李立红 李荣梧;用技术创新提高设备管理水平[N];中国冶金报;2006年

中国博士学位论文全文数据库 前4条

1 宋磊;双馈异步风电机组状态监测与故障诊断系统的研究[D];华北电力大学;2015年

2 冯俊婷;中国实验快堆钠泵故障诊断系统的开发研究[D];中国原子能科学研究院;2003年

3 董晓峰;基于RCM分析的智能化汽轮机组故障诊断系统研究[D];华北电力大学;2012年

4 杜殿林;FCCU反—再系统基于神经网络和SDG模型的混合故障诊断系统研究与开发[D];北京化工大学;2006年

中国硕士学位论文全文数据库 前10条

1 陈亮;数控机床远程实时故障诊断系统设计[D];西南交通大学;2015年

2 陈风玲;SS4G型电力机车故障诊断系统的研究[D];西南交通大学;2014年

3 刘超;基于声学技术的列车车轮擦伤故障诊断研究[D];哈尔滨工业大学;2015年

4 陈鹏原;基于Labview的风电机组在线监测和故障诊断系统的研究[D];华北电力大学;2015年

5 王广夫;船舶电力故障诊断系统的研究与应用[D];大连海事大学;2015年

6 孙长建;面向远程故障诊断的物流设备数据采集与监控系统设计[D];西南科技大学;2015年

7 陶佳琦;基于故障树的地铁AC17型列车故障诊断系统研究[D];上海交通大学;2014年

8 涂冬冬;地下无轨设备状态监测及故障诊断系统的研究与实现[D];电子科技大学;2015年

9 司曙锋;高原型航空液压油泵车信息化系统研究[D];南京大学;2014年

10 付振华;基于多传感器信息融合的数控加工单元故障诊断系统研究[D];电子科技大学;2014年

，

本文编号：877755