基于星型无线传感器网络的机械故障诊断系统

《基于星型无线传感器网络的机械故障诊断系统》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、基于星型无线传感器网络的机械故障诊断系统重庆大学硕士学位论文（学术学位）学生姓名：金晓指导教师：汤宝平教授专业：机械电子工程学科门类：工学重庆大学机械工程学院二O一五年五月MechanicalFaultDiagnosisSystembasedonStarWirelessSensorNetworksAThesisSubmittedtoChongqingUniversityinPartialFulfillmentoftheRequirementfortheMaster’sDegreeofEngineeringByJin

2、XiaoSupervisedbyProf.TangBaopingSpeicalty:MechatronicsEngineeringCollegeofMechanicalEngineeringofChongqingUniversity,Chongqing,ChinaMay,2015中文摘要摘要无线传感器网络能有效地弥补传统有线状态监测系统针对机械密封环境或旋转环境中关键零部件故障诊断的局限。但由于机械振动信号采集需要较高的采样频率，产生大量的诊断数据，而无线传感器网络的带宽有限、节点处理存储能力有限，无法实现大量原始

3、数据的实时传输和在线监测。一种可行的思路是先在各采集节点上进行振动信号特征提取，通过传输数据量较小的特征信号代替原始信号，然后上位机终端利用各节点信号特征值进行初步故障诊断，最后综合各节点的初步诊断信息得到准确的诊断结果。针对机械设备故障诊断的特点，本文首先详细分析了系统需求，确定系统硬件设计和选择，包括双处理器模块、数据采集模块、数据存储模块、电源模块、无线通信模块的设计和选择；对软件协议栈进行设计和选择，包括唯一地址分配自组网、星型网络拓扑结构、多节点同步采集、可靠的数据传输机制的选择和设计，进而提出了适用于机

4、械故障诊断的无线传感器网络体系。由于节点计算存储资源有限，传统有线机械故障诊断方法，因算法复杂并不能直接用于无线传感器网络节点上。因此本文提出了基于星型无线传感器网络的机械故障诊断方法。即在终端节点提取时频域特征集，采用散布矩阵进行特征分类能力排序，取前5个特征值表征机械状态；将各节点的特征值传至上位机进行算法较为复杂的RBF神经网络的初步故障诊断和DS证据理论的多节点决策融合；将诊断结果显示在上位机故障诊断软件界面。利用此方法可以有效地降低传感器节点负载，节省网络带宽，降低节点能耗，提高机械故障诊断效率和诊断结果

5、的准确率。设计一套完整的星型无线传感器网络机械故障诊断系统，采用基于双核心架构的WSNs-G2.3节点硬件平台，采用较高采集性能的IEPE加速度传感器，提高信号采集精度；采用基于同步采集的协议栈，提高节点同步采集精度和网络传输的可靠性；设计基于散布矩阵特征提取算法的嵌入式软件，提高节点特征提取的有效性；设计功能齐全、界面友好的上位机监测系统，提高机械故障诊断效率和诊断结果的准确性。实验验证了本文提出的星型无线传感器网络的机械故障诊断系统可有效地应用于实际机械设备故障诊断中，诊断结果准确性高达99%。文章最后对本文的

6、研究工作进行总结，并对下一步研究方向进行展望。关键词：机械故障诊断，无线传感器网络，特征提取，嵌入式软件系统I英文摘要ABSTRACTWirelesssensornetworkscaneffectivelyovercomesomeproblemsforthetraditionalcableconditionmonitoringsysteminsomeapplicationofmechanicalfaultdiagnosis,suchasthesealedenvironmentortherotatingenviron

7、mentinthemechanicalfaultdiagnosis.Butasaresultofmechanicalvibrationsignalsinthefaultdiagnosisoftenneedhighersamplingfrequency,highsamplingrateofvibrationdata,butthewirelesssensornetworkbandwidthandstoragecapacityislimited,sowecanrealizethatoriginaldatareal-tim

8、etransmissionandonlinemonitoringisinfeasible.Analternativewayisconductedvibrationsignalfeatureextractionontheacquisitionnodefirstly,wecanchoosetransfersomefeaturesinsteadoftheorigi