探析列车滚动轴承故障诊断与监测系统研究

《探析列车滚动轴承故障诊断与监测系统研究》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、中南大学硕士学位论文列车滚动轴承故障诊断与监测系统研究姓名：吴德华申请学位级别：硕士专业：交通信息工程及控制指导教师：鲁五一20051001摘要在现代化生产中，机械设备的故障诊断技术越来越受到重视，滚动轴承是机械设备中最常用的部件之一，因此滚动轴承的故障诊断技术具有十分重要的意义。通过本课题的研究，能及时地、正确地对滚动轴承各种异常状态或故障状态作出诊断，达到预防或消除故障，提高设备运行的可靠度、安全性和有效性的目的。本课题的研究过程中，在硬件设计上结合单片机的控制能力及DsP的数字处理能力，设计了DSP+单片机的方案，使系统具有信号采集、数据处理、信号分析、故障诊断

2、等主要功能。本系统主要适用于对滚动轴承振动信号的采集分析和故障诊断。采用高速A／D进行数据的采集，保证了数据分析所需的数据量，能实现对采集数据的幅值域、时域和频域分析。软件采用模块化设计思想，使系统的维护、改进和功能扩展十分方便，还可进一步推广到其它振动信号的采集和分析。利用神经网络良好的自适应性、自组织性及很强的学习功能，以小波分析为基础，将小波分析与其结合，从而可以有效地根据训练样本集确定网络结构，采用自适应正交最小方差(sR0sL)算法，从根本上消除了样本间相关性的影响，从而使训练结果能够得以保证，也使RBF神经网络的在线训练算法更具操作性。仿真表明，本文所提出

3、的算法是有效的，并在非线性系统的控制中取得了非常好的结果。关键词滚动轴承；故障诊断；DsP；小波分析；神经网络Inmodernizedproduction,faultdiagnosistechnologyformechanicalequipmentisincfeasinglyvalued,andtherollingbearingisthemostfrequentlyusedassemblyofthemechanicalequipment．Therefore，thefaultdiagnosistechnologyforrollingbearingisofgreatsig

4、nificance．Byworking011thissubject，avarietyofabnormalstatesormalfunction∞nbetimelyandaccuratelydiagnosedinordertopreventorshootthefaultsandconsequentlyitsdependability,safetyandeffectivenessCanbeachieved．theresearchonthissubject,hardwaredesigniSdoneincombinationwiththecontrollingcapacity

5、ofSCMandthedigitalprocessingabilityofDSP．1kschemeofDSP+SCMmakesthesystemcapableofperformingsuchmajorfunctionsassignalacquisition,dataprocessing,signalanalysis，faultdiagnosis，etc．硼"systeminthethesisgenerallyadaptstothecollectionandanalysisofvibrationsignalfloratherollingbearingandfaultdi

6、agnosis．Dataoolleetionbyhigh-spcod们en甜麟boththemountofdatarequiredbydamanalysisandtheanalysisofthemagnitudedomain,time-domainandfrequencydomainofthedatacollected．Insoftwaredesign,theideaofmodulardesignmakessystemmaintenance,systemimprovement,anditsfunctionexpansioneasyandconvenienLItcana

7、lsobeextendedtoothervibrationsignalcollectionandanalysis．ByutilizingANN’Sfavorableadaptometer,self-organizationandpowerfullearningfunction,thenetworkstructure，basedonWaveletanalysis,withitandWaveletanalysiscombined,canbeeffectivelydeterminedbytrainingsampleset．耵圮self-adaptation