旋转机械远程监测和智能故障诊断系统的应用研究

论文摘要

旋转机械包含一系列关键机械设备,在现代工业中占据着举足轻重的作用,因此保证旋转机械的安全可靠运行对企业和国民经济有着重要的意义。论文针对大型机械的复杂性以及其所处环境可能在野外恶劣的现实情况,设计了一套基于LABVIEW的远程监测和智能故障诊断系统,对旋转机械的运行环境、电流和振动信号进行实时监测,并对采集的信号利用小波,神经网络等各种现代信号处理的技术进行分析,进而判断电机工作的状态。小波和神经网络都是在故障诊断中广泛用到的方法,本文在总结国内外现有的诊断方法基础上,分别介绍了小波理论和神经网络的基础知识、研究进展以及它们在故障诊断中应用的现状,并针对旋转机械一般都是复杂的时变非线性系统难以提取有效故障特征的问题,首次提出一种优化的LD（BLocal Discriminant Basis,局部判别基）算法结合SOM-BP混合网络进行故障诊断与定位的新方法。首先利用改进的LDB算法提取初始的故障特征,为进一步提高类间可分离度,将这个初始的故障特征通过SOM（Self-Organizing Feature Map,自组织特征映射）网络映射到一个类别可分性更高的特征空间,最后利用BP网络根据映射后的特征完成故障诊断与定位。

论文目录

• 摘要
• Abstract
• 第1章 前言
• 1.1 故障诊断的背景及其意义
• 1.2 国内外故障诊断技术的发展
• 1.2.1 故障诊断的方法
• 1.2.2 旋转机械振动信号分析
• 1.3 论文的主要工作和章节安排
• 第2章 虚拟仪器
• 2.1 虚拟仪器的概念
• 2.2 虚拟仪器相对于传统仪器的优势
• 2.3 图形化的编程语言—LABVIEW
• 2.4 LABVIEW与MATLAB的混合编程
• 2.4.1 调用MATLAB的脚本节点实现
• 2.4.2 COM组件技术
• 2.4.3 利用动态链接库（DLL）实现混合编程
• 2.4.4 几种混合编程方法的比较
• 2.5 基于LABVIEW的远程监测实现方式
• 2.5.1 基于C/S模式的DataSocket技术
• 2.5.2 基于B/S模式的远程前面板（remote panels）技术
• 2.6 本章小结
• 第3章 小波分析的基本理论及其在故障诊断中的应用
• 3.1 傅立叶分析及其优点和缺陷
• 3.1.1 傅立叶变换
• 3.1.2 傅立叶变换的优点与局限
• 3.2 小波变换理论
• 3.2.1 小波变换的基本概念
• 3.2.2 小波包分析
• 3.2.3 多小波变换
• 3.3 小波基的选取
• 3.4 小波在故障诊断中的应用
• 3.4.1 小波去噪方法的研究
• 3.4.2 小波在故障信号特征提取中的应用
• 3.5 本章小结
• 第4章 神经网络的基本理论及其在故障诊断中的应用
• 4.1 人工神经网络的基本概念
• 4.1.1 神经网络的拓扑结构
• 4.1.2 神经网络的学习规则
• 4.2 BP神经网络
• 4.2.1 BP神经网络的学习过程
• 4.2.2 BP神经网络的主要特点
• 4.2.3 BP神经网络在机械故障诊断中的应用
• 4.3 自组织特征映射网络
• 4.3.1 自组织特征映射网络简介
• 4.3.2 SOM算法原理
• 4.3.3 SOM网络在故障诊断中的应用
• 4.4 本章小结
• 第5章 基于小波神经网络的远程故障诊断系统
• 5.1 旋转机械故障仿真模型
• 5.2 基于LABVIEW的故障诊断平台的构建
• 5.2.1 总体构成及设计方案
• 5.2.2 数据采集及存取
• 5.2.3 故障诊断模块
• 5.3 小波神经网络简介
• 5.3.1 小波-神经网络两种结构形式
• 5.3.2 小波分析与神经网络的松散型结合
• 5.4 一种松散型小波神经网络故障诊断的新方法
• 5.4.1 LDB算法
• 5.4.2 故障诊断流程
• 5.4.3 用改进的LDB算法提取故障特征
• 5.4.4 基于SOM-BP混合网络的故障定位
• 5.4.5 实验结果
• 5.5 本章小结
• 总结
• 参考文献
• 致谢
• 附录：攻读硕士学位期间的科研成果
• 个人简历