学位论文 > 优秀研究生学位论文题录展示

电机轴承故障诊断

作 者: 朱美臣
导 师: 张景异; 杨青
学 校: 沈阳理工大学
专 业: 控制理论与控制工程
关键词: 小波包熵 减法聚类 K-means 故障诊断 滚动轴承
分类号: TP277
类 型: 硕士论文
年 份: 2013年
下 载: 97次
引 用: 0次
阅 读: 论文下载
 

内容摘要


电机是矿山最重要的设备之一,它的可靠运行直接关系到矿厂的安全生产和经济效益,对其进行监控与故障诊断能给电机提供可靠保证,所以设计一种可靠性能优良的状态监控与故障诊断系统具有重要的理论和现实意义。滚动轴承是电机的最重要部件之一,有关统计表明,30%的故障都是由滚动轴承的故障引起的。本文主要通过对滚动轴承振动状态的监控,进而达到故障诊断的目的。论文中对滚动轴承的故障形式、故障原因、常用诊断方法等诊断基础和滚动轴承故障的振动机理作了研究。利用研华公司生产的PCI-1710HG作为数据采集卡,结合加速度计LC0159和信号调理电路等进行了硬件设计。利用虚拟仪器仿真软件LabVIEW设计了相应的数据采集软件和故障检测软件。通过对滚动轴承振动信号的研究,提出了一种基于小波包熵和聚类分析的故障诊断方法,为了证明方法的有效性,将小波包熵和聚类分析的方法应用于美国西储大学轴承实验进行故障诊断。研究结果表明该方法在进行滚动轴承故障识别时,其识别率比采用K-means进行识别的识别率要大的多。结合故障诊断的特点,利用虚拟仪器软件LabVIEW和MATLAB工具箱设计实现了一个远程电机轴承故障诊断系统。

全文目录


摘要  6-7
Abstract  7-11
第1章 绪论  11-19
  1.1 课题背景和研究意义  11-12
  1.2 电机轴承故障诊断技术国内外现状  12-16
  1.3 本文所涉及的工作和章节安排  16-19
第2章 电机轴承故障机理研究和振动特性分析  19-28
  2.1 引言  19
  2.2 电机轴承分类和结构  19-20
  2.3 轴承失效形式及主要原因  20-22
    2.3.1 滚动轴承失效的基本形式  20-21
    2.3.2 滚动轴承失效的原因  21-22
  2.4 电机轴承振动信号产生机理  22-24
  2.5 电机振动特性分析  24-27
    2.5.1 主轴的振动特性  24-25
    2.5.2 减速箱的振动特性  25
    2.5.3 滚动轴承振动特性  25-27
  2.6 小结  27-28
第3章 基于小波包熵的电机轴承振动信号特征提取与实验研究  28-42
  3.1 引言  28
  3.2 常用预处理方法  28-33
    3.2.1 电机轴承振动信号的时域分析  28-31
    3.2.2 电机轴承振动信号的频域分析  31-33
  3.3 基于小波包熵的特征提取方法  33-41
    3.3.1 小波包理论基础  33-36
      3.3.1.1 小波包树和小波包的定义  33-35
      3.3.1.2 小波包能量谱  35-36
    3.3.2 信息熵  36
    3.3.3 小波包熵特征提取原理  36-38
    3.3.4 小波包熵特征提取实现和实验研究  38-41
  3.4 小结  41-42
第4章 基于聚类的故障诊断方法  42-50
  4.1 引言  42
  4.2 减法聚类分析  42-43
  4.3 K-MEANS 聚类  43-44
  4.4 减法聚类与 K-MEANS 相结合的聚类算法  44-45
  4.5 实验研究  45-49
  4.6 小结  49-50
第5章 电机轴承故障诊断研究平台设计与实现  50-60
  5.1 引言  50
  5.2 电机轴承故障诊断系统整体方案  50-52
  5.3 电机轴承故障平台硬件实现  52-58
    5.3.1 电机运动控制平台搭建  52-54
    5.3.2 电机轴承振动信号检测系统设计  54-58
  5.4 电机轴承故障诊断平台测测试点的选择  58-59
  5.5 小结  59-60
第6章 基于 LABVIEW 的电机轴承故障诊断系统实现  60-79
  6.1 系统软件架构  60-61
  6.2 用户认证系统设计  61-63
  6.3 振动信号数据采集  63-66
    6.3.1 振动信号数据采集  64-65
    6.3.2 振动信号数据存储  65-66
  6.4 数据处理与分析实现  66-74
    6.4.1 振动信号数据预处理  66-68
    6.4.2 振动信号时域分析  68-71
    6.4.3 振动信号频域分析  71-72
    6.4.4 基于聚类的故障诊断方法  72-74
  6.5 B/S 结构实现  74-78
  6.6 小结  78-79
结论  79-80
参考文献  80-85
攻读硕士学位期间发表的论文和取得的科研成果  85-86
致谢  86-87

相似论文

  1. 基于WinCE平台的故障分析仪应用程序设计与开发,TP311.52
  2. 八作动器隔振平台的六自由度容错控制研究,TB535.1
  3. 基于PCA-SVM的液体火箭发动机试验台故障诊断算法研究,V433.9
  4. 基于支持向量机的故障诊断方法研究,TP18
  5. 三容水箱系统故障诊断算法研究,TP277
  6. 水上交通安全保障系统的关键技术研究,U698
  7. K-means聚类优化算法的研究,TP311.13
  8. 基于遗传算法和粗糙集的聚类算法研究,TP18
  9. 基于机器视觉的车辆检测和车距测量方法研究,TP274
  10. 乳化液泵站机械故障诊断研究,TH165.3
  11. 模糊神经网络在扫雷犁系统中的应用研究,TJ518
  12. RTAD-CMDMDES的总体设计和系统开发,U279.3
  13. 基于模糊神经网络的设备故障诊断专家系统,TP183
  14. 基于支持向量机的故障诊断研究,TH165.3
  15. Web使用挖掘与网页个性化服务推荐研究,TP311.13
  16. 基于粒子群优化的Fuzzy c-mean聚类算法的基因芯片图像处理,TP391.41
  17. 混凝土泵液压系统故障诊断方法研究,TU646
  18. 基于数据融合技术舞台故障诊断方法的研究,TP18
  19. 雷达电路板故障诊断系统硬件集成的研究与设计,E933.6
  20. 基于改进的支持向量机的模拟电路故障诊断方法研究,TN710
  21. 基于纹理特征的图像分类研究,TP391.41

中图分类: > 工业技术 > 自动化技术、计算机技术 > 自动化技术及设备 > 自动化系统 > 监视、报警、故障诊断系统
© 2012 www.xueweilunwen.com