基于DSP-SVM的風(fēng)電齒輪箱故障診斷系統(tǒng)

【摘要】：本文針對風(fēng)電齒輪箱的故障診斷問題,分析了風(fēng)電齒輪箱的常見故障及其形成機理、利用頻域和時域特征量進(jìn)行故障診斷的方法和支持向量機(SVM)理論,并以此作為理論基礎(chǔ),搭建了基于DSP-SVM的風(fēng)電齒輪箱故障診斷系統(tǒng)。該系統(tǒng)充分發(fā)揮了支持向量機技術(shù)和嵌入式技術(shù)的優(yōu)勢,實現(xiàn)了信號的采集和處理,以及風(fēng)電齒輪箱故障的自動識別。在研究的過程中,利用支持向量機軟件包Libsvm在DSP芯片TMS320F28335中實現(xiàn)了支持向量機算法。文中分析了Libsvm代碼的結(jié)構(gòu),詳細(xì)論述了移植Libsvm的方法,并給出了在移植過程中需要注意的問題的解決方案。并且在移植代碼成功后進(jìn)行了兩個驗證實驗,結(jié)果表明支持向量機能在芯片中正常運行,其預(yù)測分類的結(jié)果與在PC中的運行結(jié)果一致。在隨后的工作中,加入了信號采集模塊、信號調(diào)理模塊、模數(shù)轉(zhuǎn)換(AD)模塊、信號處理模塊和數(shù)據(jù)傳輸模塊,使整個系統(tǒng)得到了完善;搭建了行星齒輪箱實驗平臺模擬風(fēng)電齒輪箱的工作環(huán)境,對整個故障診斷系統(tǒng)進(jìn)行了驗證實驗。實驗結(jié)果表明,基于DSP-SVM的風(fēng)電齒輪箱故障診斷系統(tǒng)能夠?qū)π行驱X輪箱的故障識別表現(xiàn)出較高的正確率。本系統(tǒng)能應(yīng)用于風(fēng)電齒輪箱的故障診斷中,對豐富故障診斷技術(shù)具有實際的意義。 【關(guān)鍵詞】：故障診斷 齒輪箱 嵌入式 支持向量機
【學(xué)位授予單位】：中北大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TM315;TH132.41
【目錄】：

• 摘要4-5
• Abstract5-9
• 第一章 緒論9-14
• 1.1 研究背景和意義9-10
• 1.2 故障診斷技術(shù)的發(fā)展及現(xiàn)狀10-11
• 1.3 嵌入式技術(shù)在故障診斷中的發(fā)展現(xiàn)狀11-12
• 1.4 本論文的主要研究內(nèi)容12-14
• 第二章 風(fēng)電齒輪箱常見失效形式及故障特征14-24
• 2.1 概述14
• 2.2 風(fēng)電齒輪箱結(jié)構(gòu)及故障類型14-17
• 2.3 信號和特征量的選擇17-23
• 2.3.1 時域的特征分析17-19
• 2.3.2 頻域的特征分析19-20
• 2.3.3 統(tǒng)計量對故障特征的描述20-23
• 2.4 本章小結(jié)23-24
• 第三章 支持向量機原理及在DSP中的實現(xiàn)24-44
• 3.1 概述24
• 3.2 支持向量機原理24-27
• 3.2.1 支持向量機的基本思想24-25
• 3.2.2 最優(yōu)超平面25-27
• 3.3 線性支持向量機27-28
• 3.4 非線性支持向量機28-29
• 3.5 支持向量機的算法實現(xiàn)29-31
• 3.6 支持向量機在DSP中的實現(xiàn)31-39
• 3.6.1 Libsvm代碼分析31-33
• 3.6.2 代碼移植問題及解決方案33-39
• 3.7 支持向量機在DSP中運行實驗39-43
• 3.7.1 多分量測試數(shù)據(jù)的實驗39-41
• 3.7.2 利用實測數(shù)據(jù)的實驗41-43
• 3.8 本章小結(jié)43-44
• 第四章 基于DSP-SVM的故障診斷系統(tǒng)44-59
• 4.1 概述44
• 4.2 硬件部分44-49
• 4.2.1 芯片45-46
• 4.2.2 傳感器46-47
• 4.2.3 信號調(diào)理模塊和AD模塊47
• 4.2.4 外擴存儲器模塊和SD卡模塊47-49
• 4.2.5 通信模塊49
• 4.3 軟件部分49-57
• 4.3.1 硬件驅(qū)動51
• 4.3.2 采集程序51-53
• 4.3.3 濾波程序53-56
• 4.3.4 求統(tǒng)計量程序56
• 4.3.5 通信程序56
• 4.3.6 支持向量機程序56-57
• 4.4 PC程序57-58
• 4.5 本章小結(jié)58-59
• 第五章 行星齒輪箱故障診斷實驗59-68
• 5.1 概述59-60
• 5.2 實驗過程60-67
• 5.3 本章小結(jié)67-68
• 第六章 總結(jié)與展望68-70
• 6.1 論文工作總結(jié)68
• 6.2 經(jīng)驗教訓(xùn)和展望68-70
• 參考文獻(xiàn)70-75
• 攻讀碩士學(xué)位期間所取得的研究成果75-76
• 致謝76-77

您可以在本站搜索以下學(xué)術(shù)論文文獻(xiàn)來了解更多相關(guān)內(nèi)容

獨立分量分析在齒輪箱故障診斷中的應(yīng)用    黃晉英;畢世華;潘宏俠;楊喜旺;

高速齒輪箱故障診斷技術(shù)及其診斷系統(tǒng)通過鑒定    一民

齒輪箱故障診斷方法    戴麗杰;

齒輪箱故障診斷技術(shù)的新發(fā)展    高國華 ,張永忠

基于系統(tǒng)特性的齒輪箱故障診斷    高永生;唐力偉;王建華;金海薇;

齒輪箱故障診斷技術(shù)現(xiàn)狀及展望    魏秀業(yè);潘宏俠;

基于關(guān)聯(lián)距離熵的齒輪箱故障診斷    邢士勇;金海薇;鄭海起;唐力偉;

一種基于支持向量機的齒輪箱故障診斷方法    吳德會;

空分457齒輪箱故障診斷    王華;包磊;宋昊明;郭穎;葉偉;

基于倒頻譜特征提取的齒輪箱故障診斷    朱有劍;李建;

基于人工神經(jīng)網(wǎng)絡(luò)技術(shù)的齒輪箱故障診斷應(yīng)用研究    蔡安江;豆衛(wèi)濤;柴彥昌;孫少軍;

基于系統(tǒng)特性的齒輪箱故障診斷    高永生;唐力偉;甘霖;楊通強;

基于灰色聚類決策的齒輪箱故障診斷    李愛民;

循環(huán)自相關(guān)函數(shù)在齒輪箱故障診斷中的應(yīng)用    金大瑋;李建橋;賈民平;

LWPEE與SVM在風(fēng)電齒輪箱故障診斷中的應(yīng)用    董海江;趙春華;萬詩慶;汪偉;

基于多傳感器信息融合的行星齒輪箱故障診斷    雷亞國;林京;何正嘉;

基于濾波技術(shù)和粒子群優(yōu)化的齒輪箱故障診斷研究    許昕

小波分析及其在齒輪箱故障診斷中應(yīng)用研究    焦新濤

齒輪箱故障診斷的小波包-ICA分析方法    李猷鳳

基于自適應(yīng)振動信號處理的齒輪箱故障診斷研究    鄢小安

基于粒子濾波的齒輪箱故障診斷    李楠

基于數(shù)據(jù)挖掘技術(shù)在齒輪箱故障診斷的應(yīng)用    張韶

基于神經(jīng)網(wǎng)絡(luò)的齒輪箱故障診斷研究    李國明

基于DSP-SVM的風(fēng)電齒輪箱故障診斷系統(tǒng)    盧昆鵬

基于DSP和TQWT稀疏分解的風(fēng)電齒輪箱故障診斷系統(tǒng)    馬凌芝

基于虛擬儀器的大型高速齒輪箱故障診斷系統(tǒng)研究    陳晗霄

傳動齒輪箱故障診斷系統(tǒng)研究    楊成

基于粒子群優(yōu)化與支持向量機的齒輪箱故障診斷研究    范江東