基于虚拟仪器的齿轮箱故障诊断的试验平台开发

发布时间：2017-05-10 11:04

  本文关键词：基于虚拟仪器的齿轮箱故障诊断的试验平台开发，由笔耕文化传播整理发布。

【摘要】：随着设备的复杂化、自动化和连续化程度的提高，齿轮和齿轮箱的故障和失效给整个生产造成的损失也越来越大，更有可能危害到操作人员的生命安全，因此研究和探索新的更有效的齿轮箱故障诊断方法就显得十分的重要和迫切了。本文在研究基于能量耗损故障诊断实验方法的过程中，利用虚拟仪器技术开发了一个齿轮箱故障诊断实验平台，保障了基于能量耗损故障诊断这一新方法研究的顺利进行。 本研究以PC机为核心，在传感器、信号调理器、PCI数据采集卡等硬件的基础上，利用Labview软件所具有的强有力的信号分析、处理功能和良好的用户操作界面，开发一套用于信号采集、分析及分析结果评估的实验平台。为研究基于能量耗损的故障诊断方法，要求该测试平台不仅能够适应试验台的实际条件，可以实现多种实验条件下的测试要求，具有测试参数种类多、测试精度高、数据分析处理能力强等特点，而且具备较强的通用性和可移植性。具体研究内容包括以下几个方面： （1）分析研究了信号的时域分析、频域分析、小波变换、流形学习等信号分析和特征提取方法的原理，为测试平台开发工作提供了理论的基础。 （2）分析研究测试平台功能的需求和总体目标。通过测试平台需求分析来设计系统的各个组成部分。 （3）设计并实现齿轮故障诊断的硬件系统，主要工作包括试验台的设计与搭建、传感器、信号调理模块和数据采集卡的选择、调试和安装。 （4）开发基于虚拟仪器的软件平台，该平台不仅实现对试验台上各类信号的采集、显示以及数据存储等工作，而且实现了数据处理的功能，针对试验台上的各种信号，采用多种数据处理与特征提取的方法，，包括数据回放、数字滤波、时域分析、频域分析、直方图分析、自相关分析、小波分析、流形学习法等。与此同时，在Labview上实现基于支持向量机的故障分类，以此来评价特征提取的效果和实现故障诊断功能。 （5）最后通过试验验证了测试平台的各种功能，于此同时，提出了一个基于时域-流形学习的能量信号特征提取方法，验证了基于能量耗损故障诊断方法的有效性，评价了测试平台的可靠性和实用性。
【关键词】：故障诊断 齿轮箱 能量耗损 虚拟仪器 信号分析 特征提取 流形学习
【学位授予单位】：华南理工大学
【学位级别】：硕士
【学位授予年份】：2013
【分类号】：TP277;TH132.41
【目录】：

• 摘要5-6
• ABSTRACT6-8
• 目录8-11
• 第一章 绪论11-20
• 1.1 课题意义及研究背景11-12
• 1.2 国内外齿轮箱故障诊断技术发展现状及趋势12-13
• 1.3 虚拟仪器与 Labview 的发展及研究现状13-18
• 1.3.1 虚拟仪器概述13-15
• 1.3.2 Labview 语言简介15-16
• 1.3.3 Labview 的优势和意义16-17
• 1.3.4 Labview 的应用与发展17-18
• 1.4 课题来源与问题提出18-19
• 1.5 本论文的研究内容19-20
• 第二章 信号处理与特征提取技术20-29
• 2.1 时域分析20-22
• 2.2 频域分析22-24
• 2.2.1 傅里叶变换23
• 2.2.2 自功率谱分析23-24
• 2.3 小波分析24-25
• 2.3.1 小波及小波包分析原理24-25
• 2.4 基于非线性流形学习的特征提取技术25-28
• 2.4.1 流形学习原理和应用26
• 2.4.2 局部切空间排列算法原理26-27
• 2.4.3 扩散映射算法原理27-28
• 2.5 本章小结28-29
• 第三章 测试平台的总体方案设计29-40
• 3.1 测试平台总体功能目标29
• 3.2 测试平台的总体设计方案29-30
• 3.3 测试系统的硬件构建30-37
• 3.3.1 齿轮箱测试实验台31-32
• 3.3.2 传感器32-34
• 3.3.3 信号的调理34-35
• 3.3.4 数据采集卡35-37
• 3.3.5 操作平台37
• 3.4 实验平台的软件设计37-39
• 3.5 本章小结39-40
• 第四章 数据采集模块的设计40-49
• 4.1 数据采集理论40-42
• 4.1.1 Labview 数据采集40-41
• 4.1.2 Labview 数据采集的参数设置41-42
• 4.2 数据采集模块的实现42-48
• 4.2.1 程序流程图42-43
• 4.2.2 数据的采集及显示43-47
• 4.2.3 数据的保存47-48
• 4.3 本章小结48-49
• 第五章 数据处理与故障诊断模块的设计49-72
• 5.1 Labview 关键技术在各模块中的应用49-56
• 5.1.1 在线处理49-52
• 5.1.2 离线处理52-55
• 5.1.3 故障诊断55-56
• 5.2 数据处理模块的实现56-66
• 5.2.1 数字滤波56-58
• 5.2.2 时域分析58-59
• 5.2.4 直方图分析59-60
• 5.2.5 自相关分析60-61
• 5.2.6 频谱分析61-62
• 5.2.7 功率谱分析62-63
• 5.2.8 小波包分析63-64
• 5.2.9 流形学习64-66
• 5.3 故障诊断模块的实现66-71
• 5.3.1 支持向量机原理及应用66-68
• 5.3.2 基于支持向量机的故障诊断模块的实现68-71
• 5.4 本章小结71-72
• 第六章 实验验证72-82
• 6.1 测试试验对象72-73
• 6.2 诊断实例73-75
• 6.2.1 信号测点的布置73
• 6.2.2 故障模拟73-74
• 6.2.3 信号的采集与保存74-75
• 6.3 信号分析及诊断75-81
• 6.3.1 振动信号时频和频域域分析75-76
• 6.3.2 基于小波包分析的振动信号特征提取与故障诊断76-78
• 6.3.3 基于时域-流形学习的能量信号特征提取和故障诊断78-81
• 6.4 小结81-82
• 第七章 总结与展望82-84
• 7.1 总结82
• 7.2 展望82-84
• 参考文献84-88
• 攻读硕士学位期间取得的研究成果88-89
• 致谢89-90
• 附件90

【参考文献】

中国期刊全文数据库 前10条

1 秦志强;数据融合技术及其应用[J];兵工自动化;2003年05期

2 魏松;李琦;赵仁才;;基于短时傅立叶变换语言信号分析算法[J];电子测量技术;2006年01期

3 周帅;;基于研华PCI-1711采集卡的振动信号采集系统[J];湖北农机化;2011年03期

4 傅勤毅,王峰林,李明章,彭玉才;滚动轴承故障诊断中的多参数综合判别方法[J];哈尔滨工业大学学报;1997年03期

5 夏鲁瑞;胡茑庆;秦国军;;基于流形学习的涡轮泵海量数据异常识别算法[J];航空动力学报;2011年03期

6 奉国和;;SVM分类核函数及参数选择比较[J];计算机工程与应用;2011年03期

7 申永军,杨绍普,刘献栋;齿轮故障诊断中的信号处理技术研究与展望[J];机械传动;2004年03期

8 沈保山;姬长英;郭玉平;张集乐;;基于LabVIEW数据采集系统的设计[J];机械与电子;2009年04期

9 周建民;周佳;肖强;;基于LabVIEW的齿轮箱故障诊断测试系统[J];煤矿机械;2009年04期

10 梁霖;徐光华;栗茂林;张熠卓;梁小影;;冲击故障特征提取的非线性流形学习方法[J];西安交通大学学报;2009年11期

中国博士学位论文全文数据库 前2条

1 王广斌;基于流形学习的旋转机械故障诊断方法研究[D];中南大学;2010年

2 孙明明;流形学习理论与算法研究[D];南京理工大学;2007年

中国硕士学位论文全文数据库 前1条

1 陈新国;基于小波分析的齿轮故障诊断的研究[D];武汉科技大学;2004年

  本文关键词：基于虚拟仪器的齿轮箱故障诊断的试验平台开发，由笔耕文化传播整理发布。

本文编号：354591