基于多传感器数据的电机故障诊断技术研究与软件设计

发布时间：2023-06-01 05:56

　　电机是现代工业生产和生活中必不可少的设备,一旦发生故障,不仅会影响机械系统的运行,造成严重的经济损失,甚至威胁人员安全。随着电机制造工艺的不断提高、应用范围的不断增加,电机的故障诊断及其健康状态监测的需求也不断提高。但是由于电机的结构复杂,使得能够反映设备状态的数据多样且选择困难,从而难以实现高精度的诊断故障。本文利用多传感器振动数据,从传统故障诊断方法入手,深入分析研究电机故障诊断算法及其工程应用的特点,再通过研究卷积神经网络方法在电机状态检测领域的适用性问题及学习性能的评价问题,利用卷积神经网络较强的模式识别能力,建立软件,用集成模型来描述故障类别,从而实现电机状态监测与故障诊断。本文以多传感器数据为基础,分别以多重分形去趋势波动分析方法和卷积神经网络方法实现电机的故障诊断,并根据算法设计出电机状态监测的软件,具体内容如下:1.分析电机故障发生的原因。文章诊断故障类型分为三类:电机轴承故障、电机匝间短路故障和电机转子断条故障,通过分析上述三类故障发生机理,为电机故障诊断所需数据的类型提供建议,最终确定依靠振动信号作为诊断数据。为了获取更高精度和高效率的故障诊断结果,本文采用多传感器...

【文章页数】：88 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第一章 绪论
    1.1 研究工作的背景与意义
    1.2 电机故障诊断的研究现状
    1.3 研究内容及结构安排
        1.3.1 论文主要研究内容
        1.3.2 本论文的结构安排
第二章 电机故障分析
    2.1 电机故障类型
    2.2 轴承故障
    2.3 匝间短路故障
    2.4 转子断条故障
    2.5 本章小结
第三章 多传感器数据下基于多重分形去趋势波动分析的电机故障诊断
    3.1 概述
    3.2 多传感器数据的多重分形去趋势波动分析
        3.2.1 多重分形
        3.2.2 算法
        3.2.3 特征数据
        3.2.4 多传感器特征数据
        3.2.5 MFDFA-MD算例
    3.3 分类器的选择
        3.3.1 马氏距离判别法
        3.3.2 支持向量机(Support Vector Machine,SVM)
    3.4 实验及结果分析
        3.4.1 实验数据
        3.4.2 实验结果分析
    3.5 本章小结
第四章 多传感器数据下基于卷积神经网络的电机故障诊断
    4.1 概述
    4.2 多传感器数据下基于二维卷积神经网络的电机故障诊断方法
        4.2.1 预处理
        4.2.2 多传感器数据导致的CNN模型的改进
        4.2.3 改进的CNN模型的训练流程与诊断流程
    4.3 CNN实验结果及分析
        4.3.1 实验数据描述及预处理
        4.3.2 实验结果
        4.3.3 实验结果分析
    4.4 本章小结
第五章 电机状态监测与故障诊断软件设计
    5.1 设计方案
        5.1.1 硬件平台介绍
        5.1.2 软件设计方案
    5.2 数据采集模块
        5.2.1 数据采集框架
        5.2.2 数据采集
    5.3 文件模块
        5.3.1 内存中的数据
        5.3.2 数据库
        5.3.3 磁盘中的数据
    5.4 数据交换模块和故障监测模块
        5.4.1 数据交换模块
        5.4.2 故障监测模块
    5.5 显示模块
        5.5.1 .采集界面
        5.5.2 电机状态监测界面
    5.6 本章小结
第六章 全文总结与展望
    6.1 全文总结
    6.2 后续工作展望
致谢
参考文献
读硕士学位期间取得的成果



本文编号：3826749