基于DSP的风机轴承与叶片复合故障诊断研究
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 1 绪论 | 第10-16页 |
| 1.1 课题研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 故障机理与征兆研究 | 第11页 |
| 1.2.2 故障信息的获取与传感器技术 | 第11-12页 |
| 1.2.3 故障信号处理和特征提取 | 第12-13页 |
| 1.2.4 故障模式识别方法 | 第13页 |
| 1.2.5 诊断设备和系统 | 第13-14页 |
| 1.3 盲源分离 | 第14页 |
| 1.4 研究内容及结构 | 第14-16页 |
| 2 风机典型故障分析 | 第16-25页 |
| 2.1 风机概况 | 第16-17页 |
| 2.2 滚动轴承故障 | 第17-20页 |
| 2.2.1 轴承振动分析 | 第18-19页 |
| 2.2.2 轴承特征频率 | 第19-20页 |
| 2.3 风机叶轮故障分析 | 第20-22页 |
| 2.3.1 叶轮结构 | 第20-21页 |
| 2.3.2 叶轮不平衡 | 第21-22页 |
| 2.4 风机其它常见故障 | 第22-24页 |
| 2.4.1 转子不平衡 | 第22页 |
| 2.4.2 转子不对中 | 第22-23页 |
| 2.4.3 转子弯曲 | 第23-24页 |
| 2.4.4 转子支撑部件故障 | 第24页 |
| 2.5 本章小结 | 第24-25页 |
| 3 单通道振动信号盲源分离 | 第25-46页 |
| 3.1 单通道盲源分离 | 第25-27页 |
| 3.2 极点对称模态分解 | 第27-31页 |
| 3.2.1 极点对称模态分解方法 | 第27-29页 |
| 3.2.2 极点对称模态分解方法仿真 | 第29-31页 |
| 3.3 主成分分析 | 第31-32页 |
| 3.4 基于时频分布的盲源分离方法 | 第32-33页 |
| 3.5 仿真信号分析 | 第33-37页 |
| 3.6 实验数据分析 | 第37-45页 |
| 3.6.1 轴承内圈和外圈复合故障实验 | 第37-41页 |
| 3.6.2 叶片和轴承复合故障实验 | 第41-45页 |
| 3.7 本章小结 | 第45-46页 |
| 4 基于层次熵和SVM的故障诊断 | 第46-66页 |
| 4.1 振动信号故障特征提取 | 第47-56页 |
| 4.1.1 样本熵 | 第47-48页 |
| 4.1.2 多尺度熵 | 第48页 |
| 4.1.3 层次熵 | 第48-49页 |
| 4.1.4 故障信号特征提取实验一 | 第49-53页 |
| 4.1.5 故障信号特征提取实验二 | 第53-56页 |
| 4.2 基于SVM的故障识别 | 第56-64页 |
| 4.2.1 支持向量机 | 第56-59页 |
| 4.2.2 基于层次熵和SVM的故障诊断的步骤 | 第59-60页 |
| 4.2.3 故障类型分类实验一 | 第60-62页 |
| 4.2.4 故障类型分类实验二 | 第62-64页 |
| 4.2.5 故障类型分类实验三 | 第64页 |
| 4.3 本章小结 | 第64-66页 |
| 5 基于DSP的故障诊断系统开发 | 第66-88页 |
| 5.1 故障模拟实验平台 | 第66-67页 |
| 5.2 信号采集装置 | 第67-69页 |
| 5.3 电机转速控制及电机转速测量 | 第69-70页 |
| 5.4 信号的采样控制与数据的预处理 | 第70-71页 |
| 5.4.1 采样频率 | 第70-71页 |
| 5.4.2 数据预处理 | 第71页 |
| 5.5 基于DSP的软件开发工具及方法 | 第71-73页 |
| 5.6 软件系统程序模块设计 | 第73-87页 |
| 5.6.1 系统初始化 | 第74-77页 |
| 5.6.2 振动信号采集 | 第77-79页 |
| 5.6.3 数据处理与故障特征提取 | 第79-80页 |
| 5.6.4 故障识别 | 第80-87页 |
| 5.7 本章小结 | 第87-88页 |
| 结论 | 第88-90页 |
| 致谢 | 第90-91页 |
| 参考文献 | 第91-94页 |
| 攻读硕士期间的成果及科研项目 | 第94页 |
