旋转机械在线监测与故障诊断系统的研究

发布时间：2017-10-28 01:12

  本文关键词：旋转机械在线监测与故障诊断系统的研究

  更多相关文章： 故障诊断系统 平稳信号处理 非平稳信号处理 核函数 智能诊断

【摘要】：随着工业化的迅猛发展以及对生产过程安全性的要求越来越高，机械故障诊断技术在工业生产中的作用也变得越来越重要了。本论文旨在对目前国内外旋转机械在线监测与故障诊断领域的相关技术进行研究的基础上，通过不同技术方案的比较与论证选择合适的方案进行实现，并且应用于不同形式的旋转机械在线监测与故障诊断系统。 本课题的主要研究内容为旋转机械在线监测与故障诊断系统的故障识别方法，主要内容包括如下几个方面： (1)在研究旋转机械在线监测与故障诊断领域中平稳信号分析技术的基础上，制定其与基于嵌入式系统的故障诊断系统的接口方案，使用C#语言实现平稳信号分析的算法类库，应用于基于Wince的嵌入式故障诊断系统。 (2)在研究旋转机械在线监测与故障诊断系统中平稳信号分析与非平稳信号分析的基础上，制定其与基于PC的旋转机械故障诊断系统的借口方案，使用C语言编写信号分析算法的动态连接库，并且应用于基于PC的故障诊断系统。 (3)在研究旋转机械在线监测与故障诊断系统中平稳信号分析与非平稳信号分析的基础上，制定其与基于B/S模式的旋转机械故障诊断系统的借口方案，使用matlab编写信号分析算法函数，利用matlab混合编程技术把算法集成到基于B/S架构的故障诊断试验系统。 (4)在研究旋转机械在线监测与故障诊断系统中智能诊断方法的基础上，深入研究基于支持向量机的故障诊断方法，，并且开发一款能够用于离线SVM模型训练的“故障诊断辅助设计平台”软件。 通过对本文所研究的各种旋转机械在线监测与故障诊断领域中的技术研究及其实现方法进行测试，结果表明本文所研究、实现且应用的各种方法完全满足工程应用的需求，可以应用在不同平台的故障诊断系统中。通过对本文所研究并且开发的用于SVM离线模型训练的辅助设计软件进行测试，结果表明其具有较好的性能，可以较好地完成预期的SVM模型离线训练任务。
【关键词】：故障诊断系统 平稳信号处理 非平稳信号处理 核函数 智能诊断
【学位授予单位】：电子科技大学
【学位级别】：硕士
【学位授予年份】：2013
【分类号】：TH165.3;TP274
【目录】：

• 摘要5-6
• ABSTRACT6-11
• 第一章 绪论11-16
• 1.1 课题研究的背景及意义11-12
• 1.2 机械故障诊断技术的研究现状12-14
• 1.3 本文主要研究内容与结构安排14-15
• 1.4 本文解决的关键问题及研究成果15-16
• 第二章 旋转机械在线监测与故障诊断系统的常见故障类别概述16-22
• 2.1 转子振动分类16-17
• 2.1.1 按振动规律划分16
• 2.1.2 按动力学特征划分16-17
• 2.1.3 按振动频率划分17
• 2.2 转子不平衡故障17-18
• 2.3 转子不对中故障18
• 2.4 轴承弯曲故障18-19
• 2.5 轴承裂纹故障19
• 2.6 链接松动故障19-20
• 2.7 摩擦故障20
• 2.8 喘振故障20-21
• 2.9 本章小结21-22
• 第三章 旋转机械故障诊断领域中平稳信号分析方法研究与实现22-39
• 3.1 引言22
• 3.2 相干函数在机械故障诊断领域中的应用22-25
• 3.2.1 相关的概念22-23
• 3.2.2 功率谱密度函数23
• 3.2.3 相干函数23-24
• 3.2.4 相干函数算法的程序实现24-25
• 3.2.5 实验结果25
• 3.3 故障诊断领域中的频谱细化方法研究25-28
• 3.3.1 频谱细化算法的原理26-27
• 3.3.2 谱细化算法的程序实现27
• 3.3.3 实验结果27-28
• 3.4 应用在故障诊断领域中的倒频谱算法研究28-30
• 3.4.1 倒谱算法原理28-29
• 3.4.2 倒谱算法的程序实现29
• 3.4.3 实验结果29-30
• 3.5 全息谱理论30-34
• 3.5.1 全息谱的原理30-32
• 3.5.2 全息谱算法的程序实现32-33
• 3.5.3 实验结果33-34
• 3.6 振动信号的轴心轨迹分析34-36
• 3.6.1 振动信号轴心轨迹的原理34-35
• 3.6.2 轴心轨迹算法的程序实现35
• 3.6.3 实验结果35-36
• 3.7 包络分析在机械故障诊断领域中的应用研究36-39
• 3.7.1 包络分析的原理36-37
• 3.7.2 信号包络算法的程序实现37
• 3.7.3 实验结果37-39
• 第四章 机械故障诊断领域中非平稳信号分析方法研究与实现39-50
• 4.1 引言39
• 4.2 小波变换及其在故障诊断中的应用39-43
• 4.2.1 小波变换的原理39-40
• 4.2.2 小波变换算法的程序实现40-41
• 4.2.3 实验结果41-43
• 4.3 WIGNER 分布在旋转机械故障诊断中的应用43-45
• 4.3.1 Wigner 分布的原理43-44
• 4.3.2 平滑 Wigner 分布算法的程序实现44-45
• 4.3.3 实验结果45
• 4.4 基于 EMD 的时频分析方法及其在故障诊断中的应用45-50
• 4.4.1 EMD 的基本原理46-47
• 4.4.2 EMD 算法的程序接口介绍47-48
• 4.4.3 实验结果48-50
• 第五章 基于核函数的旋转机械故障诊断方法研究50-63
• 5.1 引言50-51
• 5.2 统计学习理论与支持向量机51-54
• 5.2.1 统计学习理论的起源51-52
• 5.2.2 二分类支持向量机原理52-54
• 5.3 核函数理论与算法54-56
• 5.3.1 非线性分类问题与核函数理论54-55
• 5.3.2 基于核函数理论的故障诊断方法的系统诊断流程55-56
• 5.4 机械故障诊断辅助实验平台的设计56-62
• 5.4.1 开发环境简介56-57
• 5.4.2 实验平台人机接口简介57-62
• 5.5 实验结果62-63
• 第六章 旋转机械在线监测与故障诊断系统的算法集成63-69
• 6.1 引言63
• 6.2 基于 PC 平台故障诊断系统的算法集成63-65
• 6.2.1 基于 PC 平台的故障诊断系统的开发环境介绍63-64
• 6.2.2 算法的封装与集成64-65
• 6.3 基于 WINCE嵌入式平台故障诊断系统的算法集成65-66
• 6.3.1 基于 Wince 的嵌入式平台诊断系统的开发环境介绍65
• 6.3.2 基于嵌入式平台诊断系统的算法封装与集成65-66
• 6.4 基于 B/S 模式的故障诊断系统的算法集成66-68
• 6.5 本章小结68-69
• 第七章 结论与展望69-71
• 致谢71-72
• 参考文献72-76

【参考文献】

中国期刊全文数据库 前10条

1 翟永杰,王东风,韩璞;基于多类支持向量机的汽轮发电机组故障诊断[J];动力工程;2003年05期

2 秦岭;杨君;;小波包分析在旋转机械故障诊断中的应用[J];电子工程师;2006年01期

3 陈光雄,周仲荣;基于小波变换的摩擦噪声激励源的研究[J];机械工程学报;2003年02期

4 李巍华,廖广兰,史铁林;核函数主元分析及其在齿轮故障诊断中的应用[J];机械工程学报;2003年08期

5 唐贵基,王维珍,胡爱军,田丽洁;Hilbert-Huang变换及其在旋转机械故障诊断中的应用[J];矿山机械;2005年05期

6 唐贵基,牟法海,胡爱军,冯学斌;改进BP算法在旋转机械故障诊断中的应用[J];煤矿机械;2004年07期

7 张学工;关于统计学习理论与支持向量机[J];自动化学报;2000年01期

8 田盛丰;黄厚宽;;支持向量机多专家决策算法[J];模式识别与人工智能;2000年02期

9 毛勇;周晓波;夏铮;尹征;孙优贤;;特征选择算法研究综述[J];模式识别与人工智能;2007年02期

10 卢增祥,李衍达;交互支持向量机学习算法及其应用[J];清华大学学报(自然科学版);1999年07期

本文编号：1105995