基于无线传感器的滚动轴承故障检测研究

发布时间：2024-03-31 08:29

　　无线通信技术正在高速的发展中,现代社会也是科技竞争激烈的社会,在科学技术及现代工业的影响下,机械设备逐渐趋向大型集成化、精密智能化,这对于产品的性价比、环境资源的保护和经济效益的提高都有重要意义,然而这种趋势使得不同的机械设备之间以及同一机械设备的不同组件之间的关系变得更加复杂化,彼此之间的耦合形成了不可分割的整体。这种趋势对机械设备故障监测的时效和精准度提出了比以往更高的要求。一旦大型设备中某个微小的部件在运行过程中发生故障,就会对整个生产线造成极大的影响,经济损失也是不可估量的,甚至形成灾难性的后果。二十世纪初,轴承就作为旋转机械的核心部件被广泛的应用,然而这也导致它成为机械故障的主要来源。本论文主要以轴承为检测部件对大型机器进行故障诊断,并准确有效的检测出轴承故障类型及设计实时监测软件系统。在滚动轴承故障的早期诊断中,故障特征比较明显,噪声会对结果进行干扰,不容易识别故障。本文引出了一种基于小波变换改进后的时域频域图和对滚动轴承早期相对较微弱的故障诊断方法—卷积神经网络(CNN)。首先,使用加速度振动传感器来识别并采集轴承运行过程中的数据,数据的形式是动态的非平稳周期振动信号,再...

【文章页数】：66 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第一章 绪论
    1.1 研究背景及意义
    1.2 国内外发展现状
        1.2.1 无线传感器网络的发展
        1.2.2 信号处理方法的发展
        1.2.3 故障监测方法的发展
    1.3 本文研究内容与结构安排
第二章 轴承振动信号原理
    2.1 轴承的结构及故障分析
        2.1.1 轴承结构及种类
        2.1.2 轴承故障频率分析
        2.1.3 轴承故障种类及原因
    2.2 轴承的振动及实验平台装置介绍
        2.2.1 轴承的振动
        2.2.2 实验平台装置
    2.3 本章小结
第三章 滚动轴承振动信号处理方法的研究及实验结果分析
    3.1 小波分析法
        3.1.1 傅里叶变换
        3.1.2 短时傅里叶变换
        3.1.3 小波分析
    3.2 基于改进的小波分析及时频图
        3.2.1 改进小波时频图
        3.2.2 自相关运算
        3.2.3 Hilbert包络谱分析
    3.3 本章小结
第四章 引入卷积神经网络的故障诊断设计
    4.1 卷积神经网络基本原理
        4.1.1 卷积神经网络基本结构
        4.1.2 局部连接
        4.1.3 权值共享
        4.1.4 池化
    4.2 CNN在轴承故障检测中的应用
        4.2.1 CNN结构
        4.2.2 样本集的构造
        4.2.3 模型训练的结果及分析
    4.3 本章小结
第五章 基于LABVIEW的故障监测系统设计
    5.1 基于LABVIEW的故障监测系统总体设计
        5.1.1 界面设计
        5.1.2 软件各个模块功能设计
    5.2 本章小结
第六章 总结与展望
    6.1 全文工作总结
    6.2 后续工作展望
致谢
参考文献



本文编号：3943730