基于云与端融合的机电设备故障诊断技术研究

发布时间：2021-03-29 22:48

　　随着社会的发展,机电设备越来越广泛地应用到了生产生活的各个方面,但是电动机以及电机轴承等作为重要的机电部件,其故障发生率一直居高不下。因此在生产过程中对机电设备进行实时监测,及时发现问题,是保证生产工作正常进行必不可少的一个环节。电机、电机轴承等机电设备的故障种类多种多样,通过有效的方法提取不同故障的故障特征并对其进行准确的分类,是机电设备实时故障检测、诊断需要研究的问题。智能制造模式的出现,促进了制造业数据化的进程,也为云加端的数据处理模式在制造业的应用开辟了发展空间。传统的故障诊断系统多数为提前采集设备运行数据,再使用PC进行故障诊断,这样一来便无实时性可言,丧失了很多及时发现故障的机会。为了解决这一问题,本文设计了嵌入式智能终端,以实现现场采集数据并进行相应的数据处理。但是终端数据处理能力有限,因此本文采用了云加端的数据处理模式,将云计算和智能终端相结合进行了机电设备故障检测和诊断的研究。首先在故障检测方面,本文提出了一种云加端的动态嵌套滑动窗口故障信号在线检测方法。该方法采用云计算和智能终端在线检测相结合的架构,利用云计算强大的计算性能,解决了终端设备对故障信号处理能力不足的问... 

【文章来源】：贵州大学贵州省 211工程院校

【文章页数】：62 页

【学位级别】：硕士

【部分图文】：

蝶形运算()

第 2 章 机电设备故障诊断相关理论知识运算自左向右进行，系数（ 和-1）和经过该条直线的数值做乘法相交的地方做加法运算， ( )与 和 的乘法运算等效于 ( ( )做加减运算，以此减少一半的乘法运算。公式（2-3）和图 2.1 可以得到，对于N = ，可以用两个 点的 DFT 表 DFT，最终可以将一个N点的 DFT 分解 次，每次分解用 个蝶形运算 = = 为例，图 2.2 给出了 8 点 FFT 的信号流程图。 ( ) ( )

Step 2. 随机选取 k 个样本点作为簇质心 ( ) ( ) ( ) ；Step 3. 以欧氏距离为度量，计算样本 与每一个质心的相似度，并将其划归相似度最高的簇；Step 4. 对剩余的 个样本点重复 Step3 中的过程，得出当前簇划归 ；Step 5. 从簇 中各求出新的簇质心 ；Step 6. 不断重复 Step3-Step5 得到 和 ，直到 = 并且 = ，得到最终的簇划归。输出: 簇划归： ，簇质心： ( ) ( ) ( )。如图 2.4（a）显示的是样本数据的原始分布情况，图 2.4（b）给出了经过 k-means算法之后最终得到的聚类结果，k=2，图中 分别是聚类完成之后的两个簇，斜十字标出的代表簇质心。

【参考文献】：
期刊论文
[1]云加端的嵌套滑动窗口故障信号在线检测方法研究[J]. 耿晓强,唐向红,陆见光,刘国凯.  计算机应用研究. 2017(12)
[2]基于EEMD模糊熵的PCA-GG滚动轴承聚类故障诊断[J]. 许凡,方彦军,张荣.  计算机集成制造系统. 2016(11)
[3]基于PCA-SVM的滚动轴承故障诊断研究[J]. 张沛朋,郭飞燕.  组合机床与自动化加工技术. 2015(11)
[4]智能制造——“中国制造2025”的主攻方向[J]. 周济.  中国机械工程. 2015(17)
[5]移动云计算环境下多平台应用开发框架研究[J]. 张劳模,马颖,王国栋.  自动化与仪器仪表. 2015(08)
[6]基于距离的数据流在线检测算法研究[J]. 李少波,魏中贺,孟伟.  计算机应用研究. 2015(12)
[7]MUSIC和Prony在电动机断条故障检测中的应用[J]. 朱天敬,许伯强.  电力系统及其自动化学报. 2015(01)
[8]基于多维度排列熵与支持向量机的轴承早期故障诊断方法[J]. 贾峰,武兵,熊晓燕,熊诗波.  计算机集成制造系统. 2014(09)
[9]改进的希尔伯特-黄变换及其在滚动轴承故障诊断中的应用[J]. 郑近德,程军圣.  机械工程学报. 2015(01)
[10]基于多标签分类的传感器网络数据故障检测算法[J]. 张振海,李士宁,李志刚,左雪雯.  计算机应用研究. 2014(12)

硕士论文
[1]传感器网络中不完全数据填充方法研究[D]. 吕爱玲.大连理工大学 2014



本文编号：3108336