基于云计算FFT的机械故障诊断系统设计与实现

发布时间：2020-07-03 19:34

【摘要】：FFT是机械故障诊断中对振动信号进行频域分析的重要方法,也是发现故障的重要手段。机械故障诊断中往往需要进行高达106点的FFT运算。为提升运算效率,对FFT进行并行化是当前一个研究热点和发展趋势。现有的基于MapReduce的FFT算法在减小系统I/O及降低算法运算量等方面存在一定的不足,计算效率低,难以满足机械故障诊断对海量振动数据进行实时处理的要求。针对上述问题,本文利用Spark内存计算的优势,结合稀疏傅里叶变换的思想,提出了一种基于Spark并行计算框架的FFT并行算法,并基于此算法设计并实现了一套机械故障诊断系统。本文的主要工作及获得的成果如下:(1)深入研究FFT算法原理,分析其并行化可行性。并对现有的基于MapReduce的FFT并行算法进行研究和剖析,发现其中存在的问题与不足。(2)提出一种基于Spark的FFT并行算法并进行实验验证。该算法只需计算部分时域信号的FFT,即可得到能够代表整个信号频域特性的频谱,同时通过RDD转换的方式充分利用内存,降低系统的I/O开销。实验结果表明,当数据达到4*108时,与基于MapReduce的FFT并行算法相比,在误差允许的范围内,基于Spark的FFT并行算法的运算速度提高近40倍。同时将其与传统方法的FFT实验结果进行对比,对于大幅值频点的计算误差较小。(3)设计并实现一个针对风电机组的机械故障诊断系统,包含用户管理、数据预处理、故障诊断和数据存储四个模块。对以上模块进行了概要设计和详细设计,并以Java语言和SpringMVC架构编程实现了该系统。该系统提供可视化界面,支持机械运行状态监测及故障诊断的功能。(4)通过对系统进行测试,包括功能测试和负载测试,证明了本系统可以有效、及时地完成机械故障诊断工作。
【学位授予单位】：北京邮电大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TH17
【图文】：

物理意义,傅里叶变换,基本原理,算法

种高效计算方法，两者在算法的本质上是相同的［２３］。逡逑傅里叶变换的物理意义可以知道，任何一个连续的时域信号，都可以用无限逡逑多个不同频率的正弦信号的叠加来表示［２４］，如图２－１所示。ＤＦＴ正是利用这一原逡逑理通过频域叠加对时域的采样信号进行表示的一种方法，通过ＤＦＴ可以得到组逡逑成时域采样信号的正弦波的频率及其幅值，从而将信号从时域变换到频域。ＦＦＴ逡逑是根据离散傅里叶变换的奇、偶、虚、实等特性，将算法本身的计算过程进行简逡逑化得到的。快速傅里叶变换只是提高了离散傅里叶变换的计算速度，从算法本质逡逑上讲，两者是完全相同的Ｐ５］。即若两者的输入一样，则输出也是完全相同的。两逡逑者的唯一区别只在于计算的时间复杂度上，ＦＦＴ相当于ＤＦＴ的简便算法。在计逡逑算机系统和数字信号处理领域，使用ＦＦＴ可以加快信号从时域到频域的变换。逡逑使用ＦＦＴ算法将振动数据以频域的形式进行展示

示意图,蝶形运算,自然顺序,存储单元

—ｘ（７）逡逑图２－３蝶形运算示意图（／／＝８）逡逑由图２－３可知，ＦＦＴ的输出Ｘ（Ａ）是按照自然顺序在存储单元中进行排列的，逡逑即按照Ｘ（０），Ｚ（ｌ），…，＾＾）的顺序排列，但是对应的输入ｘ⑷不是按照自然顺逡逑序排列的。所以在进行ＦＦＴ时，需要对输入序列的顺序进行改变，称为变址运逡逑算。逡逑由图２－３可知，当输入信号长度＃＝２”＇时，共有ｗ级蝶形运算，每级都有ｖＶ／２逡逑个蝶形运算组成，每个蝶形运算需要进行１次复数乘法和２次复数加法，因此每逡逑级蝶形运算都需要Ｗ邋／邋２次复数乘法和＃次复数加法，这样ｍ级蝶形运算一共需逡逑要／＾＝｜？７邋＝邋｜１（＾２＃次复数乘法、％＝撕《邋＝邋＃１0８２＃次复数加法［２７】。由此可逡逑知，ＦＦＴ算法的时间复杂度为Ｃ？（；ＶｌｏｇＡ／）。逡逑实际运算量与这个数字有些许不同，因为（这样的情况共有逡逑１＋２＋４＋？＋２ｍ－ｌ＝ＡＭ）

【相似文献】