故障诊断技术农业机械论文提纲

论文题目：基于振动信号小波变换的电机故障诊断方法研究

摘要：作为机械动力设备,电机是现代生产中最常见的设备之一,在农业机械、石油化工、船舶动力等领域应用广泛,其运行状况关系到设备安全。一旦电机出现故障,将会降低生产效率,甚至造成经济损失,引发危及生命财产安全的严重事故。然而电机内部结构复杂,工作状况不定,突发故障的可能性较大。因此,实时进行电机运行状态监测,明确电机有无故障,并在故障发生时及时诊断故障类型,对电机设备稳定和安全运行具有十分重要的意义。在电机故障诊断与监测领域中,利用其运行时产生的振动信号进行分析,是获取电机运行状态的有效途径。为此,论文提出一种基于振动信号小波变换的电机故障诊断方法。在掌握小波变换及其消噪技术的基础上,通过分析对比小波分解与重构法、小波阈值消噪、模极大值重构滤波消噪三种方法的优缺点,选择了小波阈值消噪法来进行滤波消噪。基于小波变换模极大值（WTMM）与Lipschitz指数的关系,对消噪后的信号进行奇异性分析,提取了合适的特征值,准确地反映了故障局部特征和奇异性成分。论文以某三相四极永磁同步电机为研究对象,搭建实验平台,在平台上模拟电机定子不同程度的匝间短路及基座松动故障,并设计了一套振动信号采集系统,实现了不同故障下对振动信号的实时采集。在理论分析基础上,对电机正常运行、基座轻微松动、基座严重松动以及电机发生10%、20%、30%匝间短路故障这六种运行状态的电机振动信号进行信号采集、小波消噪、奇异性分析和特征提取。用提取的特征值构建特征向量,将特征向量输入概率神经网络中创建网络模型,并进行故障诊断测试。结果表明:基于振动信号小波变换结合概率神经网络的诊断方法,可有效地对电机故障类型和故障的严重程度做出判断,在电机故障诊断研究中取得了良好的效果,同样地,该方法也适用于其他旋转机械设备的故障诊断。

关键词：振动信号;故障诊断;小波变换;Lipschitz指数;概率神经网络

学科专业：控制工程（专业学位）

摘要

ABSTRACT

第一章 绪论

1.1 课题研究背景及意义

1.2 国内外研究现状与关键技术

1.2.1 信号处理技术研究现状

1.2.2 电机常见故障及诊断方法

1.2.3 电机故障诊断关键性技术

1.3 课题主要工作与创新点

1.4 论文组织结构

第二章 振动信号处理与特征值提取

2.1 小波消噪技术

2.1.1 小波消噪原理及方法

2.1.2 小波消噪效果分析

2.2 振动信号预处理

2.2.1 振动信号小波消噪处理

2.2.2 标定变换与去直流分量

2.2.3 消除趋势项

2.3 基于Lipschitz指数的信号奇异性分析

2.3.1 小波变换与WTMM

2.3.2 小波变换模极大值与Lipschitz指数

2.3.3 典型信号奇异性效果分析

2.4 基于Lipschitz指数的信号特征值提取

2.4.1 基于电机振动信号获取李氏指数

2.4.2 信号特征值提取

2.5 本章小结

第三章 基于概率神经网络的故障分类

3.1 神经网络模式识别理论基础

3.1.1 径向基函数

3.1.2 广义径向基函数网络

3.1.3 RBF神经网络算法与参数优化

3.2 电机故障识别的概率神经网络

3.2.1 Bayes决策理论

3.2.2 Parzen窗估计

3.2.3 概率神经网络的结构

3.3 概率神经网络的故障分类

3.4 本章小结

第四章 电机振动信号采集系统软硬件设计

4.1 振动信号采集系统整体设计

4.2 振动信号采集硬件电路设计

4.2.1 振动传感器及监测点的选择

4.2.2 DSP核心处理模块

4.2.3 模数转换模块

4.2.4 上位机通信接口模块

4.3 振动信号采集系统的软件设计

4.3.1 系统主程序设计

4.3.2 中断服务程序设计

4.3.3 串行通信程序设计

4.4 本章小结

第五章 电机故障诊断实验与分析

5.1 实验方法与实验平台

5.1.1 电机常见故障及原因分析

5.1.2 实验样机定子故障模拟方法

5.1.3 电机振动信号采集实验平台搭建

5.2 电机故障诊断实验与分析

5.2.1 振动信号处理与奇异性分析

5.2.2 基于李氏指数的信号特征值提取

5.3 故障分类与诊断结果

5.3.1 概率神经网络故障分类

5.3.2 诊断结果

5.4 本章小结

第六章 总结与展望

6.1 研究工作总结

6.2 研究工作展望

参考文献

致谢