基于云计算的电机振动分析软件系统设计

发布时间：2025-02-01 19:53

　　电机是生产活动中非常重要的动力设备,建立可靠、实用的电机振动分析系统是保证电机装备健康平稳运行的关键。目前存在的电机振动分析系统有振动分析方法单一、受制于本地计算能力、信息同步性不好等问题。本文针对上述问题基于云计算平台设计了一套振动分析软件系统,主要包括频谱与加速度包络谱相结合的振动分析方法设计、基于卷积神经网络的智能振动分析方法研究、电机振动信号的去噪和传输过程中的压缩问题研究、以及软件系统的网络传输设计与并发设计。具体工作如下:本文首先解决系统振动信号的预处理和压缩传输问题。电机振动信号采样频率高、数据量大,若不加处理的直接进行网络传输,不仅对网络带宽要求高,而且对云端储存压力也较大。为此提出一种基于小波分解的有损压缩与bz2无损压缩相结合的振动信号数据压缩方法,信息损失少、压缩比高,在试验台电机振动信号上使用有很好的效果,对提高系统振动信号数据传输的实时性帮助巨大。针对电机振动信号的分析采用两种分析方法相结合的方式。基于信号分析的方法对电机振动信号进行频谱分析和加速度包络谱分析,结合故障特征频率可以进行早期故障诊断,为经验丰富的故障诊断人员提供大量电机状态信息。为了无相关经验的非...

【文章页数】：71 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 绪论
    1.1 课题背景及研究意义
    1.2 国内外研究现状
        1.2.1 国内研究现状
        1.2.2 国外研究现状
    1.3 本文研究内容与系统综述
    1.4 云计算简介
    1.5 电机故障类型简介
2 基于信号处理的振动分析方法设计
    2.1 传统振动分析方法简介
        2.1.1 振动信号的时域特征
        2.1.2 振动信号的频域分析
        2.1.3 振动信号的时频分析
    2.2 传统振动分析方法设计
        2.2.1 方法结构设计
        2.2.2 通过频谱图、加速度包络谱进行振动分析
    2.3 方法的全寿命数据集验证
        2.3.1 验证数据集简介
        2.3.2 数据集振动分析
        2.3.3 结果分析
    2.4 本章小结
3 使用卷积神经网络的振动分析方法设计
    3.1 卷积神经网络介绍
        3.1.1 卷积神经网络结构
        3.1.2 卷积神经网络模型训练方法
    3.2 智能振动分析方法设计
        3.2.1 卷积神经网络模型设计
        3.2.2 超参数设计
    3.3 CWRU数据集试验
        3.3.1 数据集介绍
        3.3.2 训练及训练结果
    3.4 本章小结
4 振动信号的去噪与数据压缩
    4.1 去噪与压缩的目的和实现思路
        4.1.1 原始振动信号存在的问题
        4.1.2 压缩和去噪方法实现思路
    4.2 振动信号的表征和性能评价指标
        4.2.1 振动信号的表征
        4.2.2 压缩和去噪方法性能评价指标
    4.3 压缩和去噪方法实现细节
        4.3.1 小波基函数的选取
        4.3.2 分层阈值
        4.3.3 无损压缩算法的比较与选取
    4.4 压缩和去噪方法试验
        4.4.1 仿真信号试验
        4.4.2 振动信号试验
    4.5 本章小结
5 基于云计算的电机振动分析系统软件实现
    5.1 网络编程
        5.1.1 数据库连接
        5.1.2 Socket编程
    5.2 振动分析方法编程实现
    5.3 系统高并发解决方案
        5.3.1 基本概念
        5.3.2 多线程编程
        5.3.3 I/O多路复用解决高并发问题
    5.4 云服务器部署
        5.4.1 环境搭建
        5.4.2 系统部署
    5.5 系统测试
    5.6 本章小结
结论
参考文献
攻读硕士学位期间发表学术论文情况
致谢



本文编号：4029554