基于dsp的滚动轴承故障诊断系统的研究与开发

《基于dsp的滚动轴承故障诊断系统的研究与开发》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、摘要滚动轴承故障诊断就是通过对能反映轴承工作状态的信号的观测，分析与处理来识别轴承的状态，以保证轴承在承受一定的载荷，以一定转速运转的工作环境下和一定的工作期间内可靠有效的运行。完整的滚动轴承故障诊断过程包含信号测取、特征抽取、故障诊断三部分。信号测取：这部分是整个研究过程的关键，也是难点部分，直接关系到滚动轴承故障诊断的精确度。经过理论分析和对比，采用声级计采集滚动轴承的工况信号，在保证奈奎斯特采样定理的条件下，通过WT6701PA板上的A／D进行信号的采样，基于DSP内部存储器空间有限，利用CCS的实时数据跟踪性，通过C语言编程触发DSP外部中断，启动直接存储器访问DMA，实时传输

2、采样数据到主机中，以数据文件存储。特征抽取：就是对采样信号进行分析处理的过程。随着小波分析技术和谱分析技术的发展，开创了用时频域分析方法来检测和诊断轴承故障的新领域。小波变换是一种时间．尺度分析法，尺度与频率相对应，因此是一种时频分析法；小波变换具有以下特点：在高频范围内时间分辨率高，在低频范围内频率分辨率高；有快速算法．Mallat算法；利用离散小波变换可以将信号分解到各个尺度上。这种分析方法的关键是必须知道采样频率在Mallat算法中的变化规律。基于DSP内部独特的结构和可编程性，使得以DSP为核心的高速实时处理系统，既能快速处理大批量数据，又能对信号进行实时处理，所以本课题选用可

3、编程的TMS320C6701DSP芯片来实现滚动轴承信号的小波变换。再通过Mmlab对采样信号进行谱分析。通过对比，完成信号的特征抽取。故障诊断：通过对多个滚动轴承信号的分析对比，以及滚动轴承故障特征频率的计算，诊断滚动轴承的故障。关键字：车辆滚动轴承；故障诊断；DSP；小波分析的MaHat算法；功率谱分析AbstractRollingbeatingfaultdiagnosisistoidentifybearingstatethroughobserve，analyzeandprocessthesignalwhichCanreflectthestateofthebearing，toens

4、urethebearingsCaneffectiveandreliableoperationunderacertainload，toacertainoperationspeedandduringacertainperiodofwork．integrityoftherollingbearingfaultdiagnoseprocessincludesthreeparts：observesignal、featureextraction、faultdiagnosis．Observesignal：isthekeyanddifficultpartofthewholeresearchprocess，

5、directlyrelatedtotheaccuracyofrollingbearingfaultdiagnosis．Throughtheoreticalanalysisandcomparison，Adoptconditionsignalofrollingbearing、)~，itllthesoundlevelmeter，undertheNyquistsamplingtheoremconditions，throughAiDontheWT6701PAboardtosamplethesignal，asintemalstoragespaceofDSPislimited，SOusereal—t

6、imedatatrackofCCS，throughClanguageprogramDSPexternalinterrupt，thenactiveDMA，real—timetransmitsamplingdatatothePC，storeasadatafile．Featureextraction：istheprocesstoanalyzethesamplingsignal．Withdevelopofwaveletanalysisandspectrumanalysistechnology，creatingthenewfieldofusingtime-frequencyanalysismet

7、hodtodetectanddiagnosethebearingfault．Wavelettransformationisatime·scaleanalysis，thescaleiscorresponded埘thfrequency，SOitisakindoftime—frequencyanalysis；wavelettransformationhasthefollowingcharacteristics：hashightimeresolutio