基于卷积神经网络的压缩机缺陷检测方法的研究

发布时间：2020-05-15 01:14

【摘要】：空调是日常生活和工业生产中必不可少的电器设备,人们对空调性能的要求日益严苛,使用中所暴露的由压缩机缺陷引起的故障问题也越来越受到消费者的关注。生产过程中压缩机缺陷是客观存在的,如何在生产时就将缺陷压缩机剔除,降低出厂压缩机的缺陷存在率,成为生产商迫切需要解决的难题。本文提出一种压缩机缺陷检测平台设计方案,能与已经高度自动化的压缩机生产线的生产节拍所兼容配合。压缩机缺陷检测平台可实现传感器的自动化布置、撤回,自动化采集和记录数据,根据判断结果输出报警等功能。本文介绍了缺陷检测平台的详细设计,包括机械系统、测控系统和采集程序。最后经过调试,缺陷检测平台能够实现预期的目标稳定运行于压缩机生产线上。本文详细介绍了深度前馈神经网络、卷积神经网络算法基本原理和参数优化算法,提出了一种基于卷积神经网络的应用于压缩机生产现场的缺陷检测模型。随后介绍缺陷检测模型的整体结构和基于TensorFlow深度学习开源架构下缺陷检测模型的实现。本课题最后通过压缩机缺陷检测平台采集到大量的压缩机振动数据。在经过生产厂商辅助标记后,利用压缩机振动数据对提出的基于卷积神经网络的压缩机缺陷检测模型进行训练、测试和调整。最终得到准确率为99.5%的缺陷检测模型,初步验证了本文提出的算法的有效性。
【图文】：

第一章 绪论1.1 课题背景及研究意义空调作为日常生活生活和工业生产中必不可少的设备，人们对空调性能的要求日益严苛，使用中所暴露的压缩机缺陷引起的故障问题也越来越受到消费者的关注[1]。生产过程中，压缩机缺陷是客观存在的，如何将存在缺陷的压缩机剔除，成为生产商迫切需要解决的难题。空调最重要的零部件就是压缩机[2]，压缩机通过压缩制冷剂，，实现热能从室内排放至室外。常见的压缩机按照结构可分为三类，滚动转子式压缩机、往复式压缩机和涡旋式压缩机。相比往复式压缩机，滚动转子式压缩机具有结构简单，质量轻，噪音低，效率高等优点。在中低功率的空调中，绝大部分都使用滚动转子式空气压缩机。滚动转子式压缩机结构如图 1-1 所示。

第二章 压缩机缺陷检测平台2.1 引言现代压缩机生产已经实现高度的自动化，设计与自动化生产线节拍兼容的缺陷检测平台是必要环节。本章提出一种检测平台的设计方案，检测平台应当满足以下性能要求：（1）根据现场生产节拍，自动化布置和撤回传感器；（2）自动化为每个压缩机采集并记录 4 通道 20KHZ 采样频率下的 4 秒振动信号；（3）记录每个压缩机的钢印号信息；（4）输出缺陷判断结果；（5）统计并生成数据报表。2.2 压缩机缺陷检测平台的机械系统通气装置
【学位授予单位】：广州大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TH45;TP183

【参考文献】

相关期刊论文 前2条

1 雷亚国;贾峰;周昕;林京;;基于深度学习理论的机械装备大数据健康监测方法[J];机械工程学报;2015年21期

2 冯健美,屈宗长;涡旋压缩机的发展优势和关键技术[J];中国机械工程;2002年19期

相关硕士学位论文 前4条

1 张伟;基于卷积神经网络的轴承故障诊断算法研究[D];哈尔滨工业大学;2017年

2 韩宝珠;基于小波分析和在线极限学习机的滚动轴承故障诊断方法研究[D];北京交通大学;2016年

3 丁一;滚动转子压缩机空调系统振动与结构的有限元分析[D];华中科技大学;2011年

4 罗小荣;结合小波包与神经网络的滚动转子压缩机故障诊断方法研究[D];西北工业大学;2005年

本文编号：2664224