学位论文 > 优秀研究生学位论文题录展示

嵌入式自行火炮底盘系统状态检测和故障诊断技术研究

作　者: 李伟
导　师: 张孝祖
学　校: 江苏大学
专　业: 车辆工程
关键词: 状态检测 故障诊断 自行火炮底盘 嵌入式系统 无线分布式网络 支持向量机
分类号: TJ818
类　型: 硕士论文
年　份: 2009年
下　载: 46次
引　用: 0次
阅　读: 论文下载
 

内容摘要


自行火炮底盘系统包括动力装置、传动装置和行动装置,其性能直接影响火炮的动力性能和机动能力。底盘系统高密度、多功能、集成化的技术特点,使得维修保障的难度很大。针对自行火炮底盘系统的传统检测方法主要是在线不解体检测,其存在的弊端是只能在无负荷状态下检测底盘系统各部件的工况。由于没有相应的动态载荷,测试得到的底盘系统各部件动态响应信号中,有用的故障信息常常被噪声信号所淹没,有时甚至无法准确捕捉到故障信息,造成故障定位精度较低。并且在故障诊断方法上,小样本的数据特点,也使得神经网络等一些基于传统统计理论的故障诊断方法在对故障类别进行学习和识别时容易出现过学习、泛化能力差、陷入局部最小等问题。本文设计了基于无线分布式网络的嵌入式检测系统,回避了在线不解体检测时的连线问题,使得底盘系统在带载条件下的检测成为可能。在火炮使用过程中,底盘系统的状态信息由传感器获取,由嵌入式检测系统采集、转换和存储,并通过无线分布式网络实时传给信息处理中心。对发动机气缸盖振动信号进行了特征提取,一方面利用检测子系统中单片机的硬件资源,提取了振动信号的无量纲幅域指标,作为无线传输时表征振动信号的特征量,另一方面对原始振动信号进行小波包分解,用小波系数表征信号能量,采取基于子频带能量的自适应去噪方法消除噪声干扰,以各子频带的能量统计量作为特征向量。将基于小样本统计学习理论的支持向量机引入故障诊断领域,利用模糊理论改善支持向量机多故障分类器的性能,提高了故障诊断模型的故障分类精度和泛化性能。同时利用ART2神经网络弥补支持向量机故障分类器存在无法对未知故障模式进行识别和学习的缺陷,并对ART2网络的学习算法进行了改进。

全文目录


摘要  5-6
ABSTRACT  6-10
第一章 绪论  10-17
  1.1 研究的背景和意义  10-11
  1.2 状态检测和故障诊断技术的发展现状  11-15
    1.2.1 状态检测技术的发展现状  12-13
    1.2.2 智能诊断技术的发展现状  13-15
  1.3 需要解决的问题  15-16
  1.4 本论文的主要工作  16-17
第二章 嵌入式检测子系统的设计  17-33
  2.1 嵌入式检测子系统的组成  17
  2.2 自行火炮底盘系统检测参数的选择  17-18
  2.3 影响传感器选择的主要因素  18-19
  2.4 信号采集系统的设计  19-26
    2.4.1 主要元器件的选择  20-21
    2.4.2 慢变信号的采集  21-23
    2.4.3 振动信号的采集  23-26
  2.5 数据存储系统的设计  26-31
    2.5.1 存储系统的硬件接口设计  28-29
    2.5.2 存储系统的软件设计  29-31
  2.6 本章小节  31-33
第三章 无线分布式检测网络的设计  33-44
  3.1 基于SRWF-108数传模块的网络连接  34-36
  3.2 无线分布式网络的数据通讯  36-42
    3.2.1 网络的通讯协议  36-37
    3.2.2 数据传输过程中的校验  37-39
    3.2.3 子系统中通信程序的设计  39-40
    3.2.4 PC机中基于多线程设计的串口数据传输与实现  40-42
  3.3 本章小节  42-44
第四章 嵌入式检测数据特征参数的提取方法研究  44-57
  4.1 检测子系统内振动信号的特征提取  44-46
  4.2 基于小波包分析的振动信号的特征提取  46-55
    4.2.1 小波包的基本原理  46-48
    4.2.2 小波包分析的特点  48
    4.2.3 基于信号子频带能量的特征提取  48-51
    4.2.4 针对发动机气缸盖振动信号的特征提取  51-55
  4.3 基于Karhunen-Loeve变换的特征压缩  55-56
  4.4 本章小节  56-57
第五章 基于嵌入式检测系统的智能故障诊断方法研究  57-75
  5.1 基于SVM的多故障分类器  57-65
    5.1.1 支持向量机的分类算法  58-61
    5.1.2 多故障分类器的建立  61-63
    5.1.3 SVM多故障分类器的应用  63-65
  5.2 基于ART-2神经网络的故障诊断方法  65-73
    5.2.1 ART-2神经网络模型  65-68
    5.2.2 ART-2神经网络的运行原理  68-69
    5.2.3 ART-2神经网络改进算法  69-70
    5.2.4 ART-2神经网络在故障诊断中的应用  70-73
  5.3 本章小结  73-75
第六章 全文总结和展望  75-76
  6.1 全文总结  75
  6.2 展望  75-76
参考文献  76-80
致谢  80-81
攻读硕士期间所发表的学术论文  81

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. 基于SVM的常压塔石脑油干点软测量建模研究,TE622.1
  3. 八作动器隔振平台的六自由度容错控制研究,TB535.1
  4. 基于SVM的高速公路路面浅层病害的自动检测算法研究,U418.6
  5. 汽车的电动助力转向系统,U463.4
  6. 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
  7. 空间目标ISAR成像仿真及基于ISAR像的目标识别,TN957.52
  8. 基于ARM9的Windows CE系统移植,TP316.7
  9. 基于嵌入式图像处理单元的运动目标跟踪系统研究,TP391.41
  10. 面向嵌入式超声检测系统的图形接口设计与应用,TP274.53
  11. 多线阵CCD视觉测量系统的数据采集与处理,TP274.2
  12. LXI-VXI适配器研制,TP274
  13. 基于支持向量机的故障诊断方法研究,TP18
  14. 三容水箱系统故障诊断算法研究,TP277
  15. 过程支持向量机及其在卫星热平衡温度预测中的应用研究,TP183
  16. 高性能恒温晶体振荡器温度控制系统的研究,TN752
  17. 水上交通安全保障系统的关键技术研究,U698
  18. 基于windows xp嵌入式系统的心电检测分析仪,R197.39
  19. 支持向量机回归在短期电力负荷预测中的应用研究,TM715;F224
  20. 注塑成型过程监测与故障诊断平台的设计与实现,TQ320.5
  21. 基于μC/OS-Ⅱ的红外辐射测温系统研究,TN215

中图分类: > 工业技术 > 武器工业 > 战车、战舰、战机、航天武器 > 战车 > 自行火炮
© 2012 www.xueweilunwen.com