多通道在线检测系统开发
发布时间：2022-01-13 08:24
随着虚拟仪器和各类传感器的进步和完善,推动了在线检测技术的不断发展,检测系统是保证产品质量也是企业的生产、维护中的一个不可缺少的环节,可以很好的解决降低人工成本,提高产品质量等一系列问题。课题从工程实际出发,对硬件系统进行设计和实物搭建,编写了三大功能模块,开发完成了一套多通道在线检测系统。课题完成的主要工作如下:（1）首先根据系统需求和功能模块化的思想规划了系统的总体设计方案。其次选择了数据采集卡、声音传感器、压力传感器、接近开关等硬件设备,并在此基础上解决传感器与采集卡的接口问题。最后进行硬件系统设计及搭建。（2）对多通道在线检测系统总体界面和各功能模块使用LabVIEW软件编程。解决了采集卡驱动与计算机识别问题,系统基本功能模块包括信号实时采集子模块,可进行多通道在线采集任务;时频域分析子模块,将采集到的信号存储成.txt形式的文件,并离线浏览信号,对离线浏览的.txt文件进行希尔伯特变换、FFT、功率谱、数学统计分析等基本分析;信号发生子模块中编写了基本函数发生器,利用采集卡的输出口对信号进行输出。（3）信号去噪及特征参数提取模块编写了小波去噪和声音信号特征参数提取算法。提出了...
【文章来源】：河北科技大学河北省
【文章页数】：71 页
【学位级别】：硕士
【部分图文】：
数据采集卡USB-DAQV5.1实物图
11图2-5NI-USB-6351数据采集卡实物图下面将两种数据采集卡主要参数进行对比如表2-1所界。表2-1数据采集卡主要参数对比表主要参数USB-DAQV5.1NI-USB-6351模拟输入通道8路单端8路差分或16路单端模拟输出通道2路2路数字输入通道8路24路数字输出通道2路2路模拟触发无有模拟输出12bit16bit分辨率16bit16bit外壳包装无有输入阻抗>1MΩ>10GΩ计数器个数14从表中可以看出两种数据采集卡参数有较大不同，NI-USB-6351模拟输入通道可以进行差分连接比单端连接信号质量更好。而本在线检测系统通道需求数较多，为了日后方便软件系统升级，通过观察表中参数可以看出NI-USB-6351数据采集卡具有明显优势。NI-USB-6351采集卡的接口分为两个部分分别连接模拟信号和数字
12信号。表2-2为接口说明。表2-2数据采集卡接口说明接口接口说明AIGND模拟输入地单端连接下AI口测量参参AI<0...15>模拟输入通道AISENSE非单端连接下AI口测量参参AO<0,1>模拟输出通道AOGND模拟输出地DGND数字地PO<0...7>数字I/O通道PFI<0...7>/P1<0...7>/PFI<8...15>/P2<0...7>可编程函数接口或数字/O通道2.3.3传感器的选择传感器的选择与数据采集卡有很大的关系，传感器的输出信号不能超过采集卡信号量程，且对分辨率等参数要有一定要求，一般是数据采集卡的分辨率大于传感器的分辨率。为了判断哪种传感器适合本系统使用，经过试验对材质检测模块使用的声音传感器进行对比。经过市场调研选择了不同价位的两种声音信号传感器进行对比，型号为A1-Audio型号声音传感器和KZ-501型号声音传感器。如图2-6为声音信号传感器实物图。a）A1-Audio型号声音传感器b）KZ-501型号声音传感器图2-6声音信号传感器实物图A1-Audio型号声音传感器红色线：电源正极。黑色线：电源负极、信号负极。白色线：信号正极。KZ-501型号声音传感器红色线：电源正极。黑色线：电源负极、信号负极。绿色线：信号正极。将两种传感器的主要参数进行对比，如表2-3所界。
【参考文献】：
期刊论文
[1]基于LabVIEW的非线性电磁力混沌实验仪的虚拟仪器设计[J]. 张贵兵,吴本科,方莲,潘刚,朱志峰. 合肥工业大学学报(自然科学版). 2019(07)
[2]基于LabVIEW的矿井主通风机滚动轴承监测系统设计[J]. 赵见龙,张永超. 煤矿机械. 2019(07)
[3]基于神经网络的列车轮对尺寸在线检测系统跟踪校正方法[J]. 方恩权,覃杰,耿立立. 机车电传动. 2019(04)
[4]基于MCKD与CEEMDAN的声信号故障特征提取方法[J]. 申博文,王华庆,唐刚,宋浏阳. 复旦学报(自然科学版). 2019(03)
[5]基于改进小波阈值去噪算法的心电信号处理及仿真[J]. 朱荣亮,陶晋宜. 数学的实践与认识. 2019(05)
[6]基于EEMD小波阈值去噪和CS-BP神经网络的风电齿轮箱故障诊断[J]. 王红君,赵元路,赵辉,岳有军. 机械传动. 2019(01)
[7]基于EEMD的异常声音多类识别算法[J]. 韦娟,岳凤丽,仇鹏,宁方立. 华中科技大学学报(自然科学版). 2018(07)
[8]基于传动误差检测法的齿轮故障测试系统设计[J]. 王博磊,崔彦平,鲁朝静. 机械传动. 2017(02)
[9]基于声音信号的钢材材质检测及试验研究[J]. 秦志英,齐康花,董桂西,赵月静,刘尧. 河北科技大学学报. 2016(03)
[10]利用声音信号能量比在线识别钢材材质[J]. 秦志英,刘尧,董桂西,赵月静. 机械科学与技术. 2016(05)
博士论文
[1]设施羊舍声信号的特征提取和分类识别研究[D]. 宣传忠.内蒙古农业大学 2016
硕士论文
[1]基于机器视觉的印刷品表面缺陷检测研究[D]. 吕明珠.西安理工大学 2019
[2]基于LabVIEW的滚动轴承振动信号采集与分析系统的开发[D]. 龙磊.安徽大学 2019
[3]基于机器视觉的3D打印表面缺陷多角度在线检测技术研究[D]. 孙伟俊.浙江大学 2019
[4]飞机发动机异常声音识别方法研究[D]. 杨毫鸽.南昌航空大学 2018
[5]基于FPGA的多通道数据采集系统的设计[D]. 王永云.北华航天工业学院 2018
[6]基于声音识别的四旋翼无人机探测技术研究与实现[D]. 杨东海.湘潭大学 2017
[7]基于LabVIEW RT的滚动轴承故障诊断系统设计[D]. 李延忠.石家庄铁道大学 2017
[8]基于声音识别汽车座椅记忆盒检测系统研究与实现[D]. 赵渊.燕山大学 2017
[9]基于LabVIEW的轴承和齿轮故障诊断系统设计[D]. 崔春.东北石油大学 2017
[10]一种噪声环境下的复杂声音识别方法[D]. 樊鹏.合肥工业大学 2017
本文编号：3586068
【文章来源】：河北科技大学河北省
【文章页数】：71 页
【学位级别】：硕士
【部分图文】：
数据采集卡USB-DAQV5.1实物图
11图2-5NI-USB-6351数据采集卡实物图下面将两种数据采集卡主要参数进行对比如表2-1所界。表2-1数据采集卡主要参数对比表主要参数USB-DAQV5.1NI-USB-6351模拟输入通道8路单端8路差分或16路单端模拟输出通道2路2路数字输入通道8路24路数字输出通道2路2路模拟触发无有模拟输出12bit16bit分辨率16bit16bit外壳包装无有输入阻抗>1MΩ>10GΩ计数器个数14从表中可以看出两种数据采集卡参数有较大不同，NI-USB-6351模拟输入通道可以进行差分连接比单端连接信号质量更好。而本在线检测系统通道需求数较多，为了日后方便软件系统升级，通过观察表中参数可以看出NI-USB-6351数据采集卡具有明显优势。NI-USB-6351采集卡的接口分为两个部分分别连接模拟信号和数字
12信号。表2-2为接口说明。表2-2数据采集卡接口说明接口接口说明AIGND模拟输入地单端连接下AI口测量参参AI<0...15>模拟输入通道AISENSE非单端连接下AI口测量参参AO<0,1>模拟输出通道AOGND模拟输出地DGND数字地PO<0...7>数字I/O通道PFI<0...7>/P1<0...7>/PFI<8...15>/P2<0...7>可编程函数接口或数字/O通道2.3.3传感器的选择传感器的选择与数据采集卡有很大的关系，传感器的输出信号不能超过采集卡信号量程，且对分辨率等参数要有一定要求，一般是数据采集卡的分辨率大于传感器的分辨率。为了判断哪种传感器适合本系统使用，经过试验对材质检测模块使用的声音传感器进行对比。经过市场调研选择了不同价位的两种声音信号传感器进行对比，型号为A1-Audio型号声音传感器和KZ-501型号声音传感器。如图2-6为声音信号传感器实物图。a）A1-Audio型号声音传感器b）KZ-501型号声音传感器图2-6声音信号传感器实物图A1-Audio型号声音传感器红色线：电源正极。黑色线：电源负极、信号负极。白色线：信号正极。KZ-501型号声音传感器红色线：电源正极。黑色线：电源负极、信号负极。绿色线：信号正极。将两种传感器的主要参数进行对比，如表2-3所界。
【参考文献】：
期刊论文
[1]基于LabVIEW的非线性电磁力混沌实验仪的虚拟仪器设计[J]. 张贵兵,吴本科,方莲,潘刚,朱志峰. 合肥工业大学学报(自然科学版). 2019(07)
[2]基于LabVIEW的矿井主通风机滚动轴承监测系统设计[J]. 赵见龙,张永超. 煤矿机械. 2019(07)
[3]基于神经网络的列车轮对尺寸在线检测系统跟踪校正方法[J]. 方恩权,覃杰,耿立立. 机车电传动. 2019(04)
[4]基于MCKD与CEEMDAN的声信号故障特征提取方法[J]. 申博文,王华庆,唐刚,宋浏阳. 复旦学报(自然科学版). 2019(03)
[5]基于改进小波阈值去噪算法的心电信号处理及仿真[J]. 朱荣亮,陶晋宜. 数学的实践与认识. 2019(05)
[6]基于EEMD小波阈值去噪和CS-BP神经网络的风电齿轮箱故障诊断[J]. 王红君,赵元路,赵辉,岳有军. 机械传动. 2019(01)
[7]基于EEMD的异常声音多类识别算法[J]. 韦娟,岳凤丽,仇鹏,宁方立. 华中科技大学学报(自然科学版). 2018(07)
[8]基于传动误差检测法的齿轮故障测试系统设计[J]. 王博磊,崔彦平,鲁朝静. 机械传动. 2017(02)
[9]基于声音信号的钢材材质检测及试验研究[J]. 秦志英,齐康花,董桂西,赵月静,刘尧. 河北科技大学学报. 2016(03)
[10]利用声音信号能量比在线识别钢材材质[J]. 秦志英,刘尧,董桂西,赵月静. 机械科学与技术. 2016(05)
博士论文
[1]设施羊舍声信号的特征提取和分类识别研究[D]. 宣传忠.内蒙古农业大学 2016
硕士论文
[1]基于机器视觉的印刷品表面缺陷检测研究[D]. 吕明珠.西安理工大学 2019
[2]基于LabVIEW的滚动轴承振动信号采集与分析系统的开发[D]. 龙磊.安徽大学 2019
[3]基于机器视觉的3D打印表面缺陷多角度在线检测技术研究[D]. 孙伟俊.浙江大学 2019
[4]飞机发动机异常声音识别方法研究[D]. 杨毫鸽.南昌航空大学 2018
[5]基于FPGA的多通道数据采集系统的设计[D]. 王永云.北华航天工业学院 2018
[6]基于声音识别的四旋翼无人机探测技术研究与实现[D]. 杨东海.湘潭大学 2017
[7]基于LabVIEW RT的滚动轴承故障诊断系统设计[D]. 李延忠.石家庄铁道大学 2017
[8]基于声音识别汽车座椅记忆盒检测系统研究与实现[D]. 赵渊.燕山大学 2017
[9]基于LabVIEW的轴承和齿轮故障诊断系统设计[D]. 崔春.东北石油大学 2017
[10]一种噪声环境下的复杂声音识别方法[D]. 樊鹏.合肥工业大学 2017
本文编号：3586068
本文链接：https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/3586068.html
