基于LabVIEW的旋转机械振动监测与故障诊断的研究

发布时间：2017-04-24 21:17

  本文关键词：基于LabVIEW的旋转机械振动监测与故障诊断的研究，，由笔耕文化传播整理发布。

【摘要】：随着现代科学技术的飞速发展,我国工业化的水平不断提高。为满足工业生产的需求,机械设备朝着自动化、大型化、高速化的趋势发展。旋转机械作为机械设备中最常见的形式之一,广泛应用于航空、电力、矿山、冶金、石油化工等重要领域。旋转机械中任何部件发生故障,都可能导致整个设备甚至整条生产线瘫痪,造成严重的安全事故。因此,为保证旋转机械稳定、可靠的运行,开展针对旋转机械的振动监测与故障诊断技术的研究,对保证企业设备运行的安全性,提高经济效益有重要意义。首先,本文对旋转机械故障诊断的方法进行了深入的研究。支持向量机在处理非线性、过学习、小样本问题时具有良好的效果,但由于人为提取特征时经常带有盲目性,导致诊断结果不精确。为此,本文提出了一种基于支持向量机与邻域粗糙集相结合的故障诊断方法。该方法可以从原始数据中摒弃冗余信息,筛选出有价值的特征属性,通过该特征信息建立支持向量机分类机模型,快速准确地得到诊断结果。其次,本文以LabVIEW软件为开发平台,针对旋转机械转子的常见故障,利用传感器、信号调理器、PCI数据采集卡、工控机等硬件设备并结合Matlab编程工具设计开发了旋转机械振动监测与故障诊断系统。该系统能够实现旋转机械转子振动的在线监测、信号分析和处理、数据存储及回放、振动值超标报警等。此外,利用支持向量机(SVM)多分类算法,通过混合编程实现了对旋转机械转子常见故障自动诊断的功能。最后,本文总结了旋转机械转子常见的故障类型,并在时域、频域中分析了汽轮机转子振动的故障特点。利用Bently-RK4转子振动试验台验证了设计系统的有效性。
【关键词】：旋转机械 支持向量机 邻域粗糙集 振动监测 故障诊断 LabVIEW
【学位授予单位】：华北电力大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TH17
【目录】：

• 摘要5-6
• Abstract6-9
• 第1章 绪论9-13
• 1.1 选题背景及研究意义9-10
• 1.2 国内外研究现状10-12
• 1.3 本论文研究的主要内容以及结构安排12-13
• 第2章 旋转机械转子故障诊断方法的研究13-24
• 2.1 支持向量机理论13-18
• 2.1.1 统计学习的基本理论13-16
• 2.1.2 支持向量分类机16-18
• 2.2 邻域粗糙集理论18-20
• 2.2.1 基于邻域的粒化18-19
• 2.2.2 邻域粗糙集逼近19
• 2.2.3 邻域决策系统19-20
• 2.2.4 基于邻域粗糙集的约简算法20
• 2.3 建立支持向量机和邻域粗糙集模型20-21
• 2.4 支持向量机和邻域粗糙集模型的实验验证21-23
• 2.5 本章小结23-24
• 第3章 旋转机械振动监测与故障诊断系统的硬件设计24-32
• 3.1 传感器24-27
• 3.1.1 压电式加速度传感器24-25
• 3.1.2 电涡流位移传感器25-27
• 3.2 信号调理模块27-28
• 3.3 前置器28-29
• 3.4 数据采集卡29-30
• 3.5 工控机30-31
• 3.6 本章小结31-32
• 第4章 旋转机械振动监测与故障诊断系统的软件设计32-43
• 4.1 Labview简介32-33
• 4.2 系统软件的总体设计33-34
• 4.3 系统登录模块34-35
• 4.4 数据采集模块35-37
• 4.5 数据分析与处理模块37-39
• 4.5.1 时域分析37-38
• 4.5.2 频谱分析38-39
• 4.5.3 数据存储和回放39
• 4.6 故障诊断模块39-42
• 4.7 本章小结42-43
• 第5章 旋转机械振动监测与故障诊断系统的验证43-50
• 5.1 转子常见典型故障43-47
• 5.1.1 质量不平衡43-44
• 5.1.2 转子不对中44-45
• 5.1.3 转子碰摩45-46
• 5.1.4 油膜涡动与油膜振荡46-47
• 5.2 系统应用47-49
• 5.3 本章小结49-50
• 第6章 结论与展望50-51
• 6.1 论文总结50
• 6.2 工作展望50-51
• 参考文献51-54
• 攻读硕士学位期间发表的学术论文54-55
• 攻读硕士学位期间参加的科研工作55-56
• 致谢56-57
• 作者简介57

【相似文献】

中国期刊全文数据库 前10条

1 张立众;孙志勇;;“逐项排除法”在故障诊断中的应用[J];矿山机械;1990年09期

2 贾民平;机械故障诊断学的理论及其应用 第一讲 故障诊断的意义及研究发展概况[J];江苏机械制造与自动化;1999年01期

3 杨晓磊;;浅谈我国铁路机车故障诊断[J];科技风;2014年06期

4 田少民;工程机械的状态监测与故障诊断技术[J];工程机械;2001年01期

5 王敏,王万俊,熊春山,黄心汉;基于多传感器数据融合的故障诊断技术[J];华中科技大学学报;2001年02期

6 潘松海;介绍一种故障诊断方法[J];组合机床与自动化加工技术;2001年06期

7 李德跃;发动机突然熄火的故障诊断[J];城市车辆;2001年02期

8 王小虎;机械式风速表检定中的故障诊断及维修方法[J];中国计量;2002年03期

9 王清照,肖卫杰,王加璇;运用热经济学结构理论进行故障诊断的探讨[J];中国电机工程学报;2003年09期

10 陈东林;烟草设备的故障诊断技术应用与展望[J];中国设备工程;2003年06期

中国重要会议论文全文数据库 前10条

1 杨其校;刘昭度;齐志权;马岳峰;;汽车ABS电机故障诊断[A];第三届全国信息获取与处理学术会议论文集[C];2005年

2 黎清海;高庆;;基于系统分层的故障诊断方法[A];第三届全国信息获取与处理学术会议论文集[C];2005年

3 闻竞竞;黄道;;故障诊断方法综述[A];计算机技术与应用进展·2007——全国第18届计算机技术与应用（CACIS）学术会议论文集[C];2007年

4 李t

本文编号：325005