支持向量机在嵌入式轴承故障诊断装置中的研究与实现

发布时间：2020-11-01 18:31

　　 滚动轴承作为桥式起重机的关键部件,它的好坏直接决定了起重机的工作效率和车间工人的生命安全。近十几年,国内外已经开发了各种基于PC机的滚动轴承故障诊断装置,但在实际应用中存在灵活性差等缺点；针对故障诊断的小样本学习问题,国内外提出了许多具有良好的理论基础和推广能力的支持向量机多类分类算法,但这些算法多数只是在计算机上进行仿真验证,很少在其它平台上进行验证。 本文分析了国内外对相关问题的研究方法,针对基于PC机的诊断装置灵活性差等缺点,采用基于ARM9内核与FPGA的嵌入式方案,首先完成了嵌入式系统(包括U-Boot、Linux内核、根文件系统、Qtopia)的移植。其次在算法设计上,将两类可分性最大原则的支持向量机多类分类算法应用在滚动轴承故障诊断中,完成了对滚动轴承四种状态的自动识别。最后,在嵌入式平台上完成两类可分性最大原则的支持向量机多类分类算法的仿真。 本文采用嵌入式系统进行设计,使轴承故障诊断装置更加小巧,系统的资源可以按照要完成的功能进行定制；采用FPGA的方案大大提高了对故障信号的采集能力,为下一步的数据处理和故障识别打下了坚实的基础；最后,在该平台上成功的对两类可分性最大原则的支持向量机多类分类算法进行了验证,实验证明,诊断的成功率达到了94.5%,验证了算法的正确性。
【学位单位】：东北大学
【学位级别】：硕士
【学位年份】：2010
【中图分类】：TH133.33;TP18
【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 论文选题的背景及意义
    1.2 嵌入式起重机轴承故障诊断装置的国内外研究现状
        1.2.1 国内技术发展现状
        1.2.2 国外技术发展现状
    1.3 论文的主要内容及研究方案
第2章 嵌入式轴承故障诊断装置的整体方案设计
    2.1 滚动轴承的故障分析
        2.1.1 滚动轴承的典型结构
        2.1.2 滚动轴承故障的主要形式与原因
        2.1.3 滚动轴承故障诊断的方法
    2.2 轴承故障诊断装置方案的选择
        2.2.1 本文提出的方案
        2.2.2 ARM简介
        2.2.3 FPGA简介
        2.2.4 嵌入式系统与PC机的比较
        2.2.5 FPGA与DSP在高速数据采集方面的比较
        2.2.6 选用Linux作为操作系统的原因
    2.3 振动信号的采集
        2.3.1 传感器的选择
        2.3.2 高速A/D采样电路
    2.4 S3C2440A外围电路的硬件设计
        2.4.1 电源电路
        2.4.2 系统复位电路
    2.5 小结
第3章 轴承故障诊断装置ARM端的软件设计
    3.1 嵌入式Linux交叉编译环境的建立
    3.2 U-Boot移植
        3.2.1 Bootloader简介
        3.2.2 U-Boot的分析与移植
    3.3 Linux内核移植
        3.3.1 Linux内核源代码
        3.3.2 Linux内核组成
        3.3.3 为什么选择Linux2.6
        3.3.4 Linux内核的剪裁和移植
    3.4 Linux文件系统的实现
        3.4.1 文件系统简介
        3.4.2 JFFS2文件系统的实现
    3.5 Qtopia开发环境的建立
    3.6 小结
第4章 支持向量机在嵌入式轴承故障诊断中的应用
    4.1 统计学习理论
        4.1.1 VC维
        4.1.2 推广性的界
        4.1.3 结构风险最小化
    4.2 支持向量机
        4.2.1 支持向量机介绍
        4.2.2 线性情况下的支持向量机
        4.2.3 核函数与非线性情况下的支持向量机
        4.2.4 DAGSVM多类分类算法
        4.2.5 基于二叉树的支持向量机多类分类算法
    4.3 类间可分性研究
        4.3.1 Jb/Jw判据对轴承实验四类样本的可分性判别
        4.3.2 基于核函数映射的Jb/Jw判据及对轴承样本的可分性判别
    4.4 两类可分性最大原则的支持向量机多类分类算法原理
    4.5 算法在嵌入式硬件平台上的仿真与检验
    4.6 小结
第5章 总结与展望
    5.1 总结
    5.2 展望
参考文献
致谢

【参考文献】

相关期刊论文 前10条

1 宋如英;对滚动轴承振动、噪声及异常声测量的商榷[J];轴承;1999年09期

2 肖述兵;;滚动轴承振动故障诊断实践[J];轴承;2006年03期

3 张乐锋,虞华,夏胜平,胡卫东,郁文贤;RSOM算法及其应用研究[J];复旦学报(自然科学版);2004年05期

4 黄磊;;嵌入式系统的平台化开发[J];国外电子测量技术;2006年07期

5 张国远,朱善安;基于数据采集与I/O控制的轴承自动检测系统[J];机电工程;2004年07期

6 张国宣,孔锐,施泽生,郭立,刘士建,薛明东;基于核聚类方法的多层次支持向量机分类树[J];计算机工程;2005年05期

7 黄勇;郑春颖;宋忠虎;;多类支持向量机算法综述[J];计算技术与自动化;2005年04期

8 赵晖;荣莉莉;李晓;;一种设计层次支持向量机多类分类器的新方法[J];计算机应用研究;2006年06期

9 侯惠芳,刘素华;基于决策二叉树的多类支持向量机在大气质量评定中的应用[J];计算机应用与软件;2005年05期

10 孙志林,石来德;机械故障诊断技术理论综述[J];建筑机械;2004年01期

相关博士学位论文 前2条

1 任芳;基于多传感器数据融合技术的煤岩界面识别的理论与方法研究[D];太原理工大学;2003年

2 杨宇;基于EMD和支持向量机的旋转机械故障诊断方法研究[D];湖南大学;2005年

相关硕士学位论文 前1条

1 张国远;基于PC机的滚动轴承自动检测与故障诊断系统[D];浙江大学;2005年

本文编号：2865922