一、虚拟仪器技术在远程故障诊断中的应用(论文文献综述)
刘应吉[1](2008)在《车辆状态监测与故障诊断新方法研究》文中研究表明作为国民经济的支柱产业,汽车工业的发展受到了世界各国的高度重视,激烈的市场竞争促进汽车生产和研发水平不断提高。车辆系统结构、功能日趋复杂,车辆故障种类也日益多样化,这些都对汽车故障诊断和监控技术提出了更高要求。本文以汽车最关键部件—发动机为研究对象,在分析汽车发动机故障诊断研究现状及存在问题的基础上,重点研究其状态监测和故障诊断的理论和方法,包括信号采集、信号处理、神经网络、模糊推理系统、信息融合理论、车上网络通信技术以及虚拟仪器等技术。在此研究基础上提出并设计了一种综合上述理论和技术方法的发动机综合故障诊断测试平台,解决了传统发动机故障诊断方法中存在的一些问题。研究的主要内容包括以下几部分:(1)在故障诊断特征提取方法方面,针对于发动机缸体采集的振动信号,研究时域分析、频域分析及小波变换等三种故障信号特征提取方法。对于利用振动信号进行发动机机械故障诊断存在的问题和现代汽车自诊断系统只适用于对车辆电控单元故障诊断的局限性,确定以发动机多种运行状态参数作为故障诊断模型输入特征向量。提出并设计了基于CAN总线和SAE J1939协议的发动机在线故障诊断系统,完成系统软硬件的设计,实现诊断信息提取和传输。(2)在故障诊断技术方法方面,着重研究了三种典型神经网络(BP网络、RBF网络和PNN网络)及自适应神经模糊推理系统(ANFIS)的基本原理、模型结构和算法设计。针对于BP网络进行了多种算法的改进研究,并对相应的改进结果进行了对比分析,提出了合理选择这些算法的指导思想。针对不同的特征向量提取方式(频域分析、小波分析、发动机运行状态参数),分别建立发动机神经网络及ANFIS故障诊断模型。针对发动机运行状态参数故障诊断特征向量存在较高相关性的问题,应用主成分分析法实现降维和去相关,确定能够表征故障的主要特征状态参数。通过诊断结果比较分析,选取和确定每种特征提取方式下的较优推理诊断模型。(3)建立了适用于发动机故障诊断的信息融合结构模型。对发动机故障诊断的多源信息,采用主成分分析进行特征级融合,采用D-S证据理论进行决策级融合。针对D-S证据理论在信息融合过程中存在的对高冲突证据失效问题,提出一种改进的D-S融合方案,将由BP、RBF、ANIFS模型获得的发动机故障诊断结果进行融合,能够有效解决失效问题,提高诊断结果准确率、确定度和实时性。(4)根据论文理论研究成果,研发了一套完整发动机状态监测与故障诊断综合系统,利用该系统在发动机试验台架上分别完成了发动机无负荷测功实验、基于发动机振动信号的故障诊断实验和基于发动机运行状态参数的故障诊断实验,实现了对论文提出的故障特征提取和诊断理论方法的全面验证。
殷国华[2](2008)在《旋转机械远程监测和智能故障诊断系统的应用研究》文中研究说明旋转机械包含一系列关键机械设备,在现代工业中占据着举足轻重的作用,因此保证旋转机械的安全可靠运行对企业和国民经济有着重要的意义。论文针对大型机械的复杂性以及其所处环境可能在野外恶劣的现实情况,设计了一套基于LABVIEW的远程监测和智能故障诊断系统,对旋转机械的运行环境、电流和振动信号进行实时监测,并对采集的信号利用小波,神经网络等各种现代信号处理的技术进行分析,进而判断电机工作的状态。小波和神经网络都是在故障诊断中广泛用到的方法,本文在总结国内外现有的诊断方法基础上,分别介绍了小波理论和神经网络的基础知识、研究进展以及它们在故障诊断中应用的现状,并针对旋转机械一般都是复杂的时变非线性系统难以提取有效故障特征的问题,首次提出一种优化的LD(BLocal Discriminant Basis,局部判别基)算法结合SOM-BP混合网络进行故障诊断与定位的新方法。首先利用改进的LDB算法提取初始的故障特征,为进一步提高类间可分离度,将这个初始的故障特征通过SOM(Self-Organizing Feature Map,自组织特征映射)网络映射到一个类别可分性更高的特征空间,最后利用BP网络根据映射后的特征完成故障诊断与定位。
肖高权[3](2008)在《基于虚拟仪器的远程监测与诊断系统研究及开发》文中进行了进一步梳理随着科学技术日新月异的发展,现代的工业中的生产设备趋向大型化,高速化、自动化和集成化,设备一旦发生故障,将给企业造成巨大的损失。由此可见,设备运行状态的好坏直接关系着生产效率,对其进行在线监测,可以实现对设备的趋势预报和故障的及时排除。然而,在很多的情况下,设备现场的技术人员有限,技术力量不够,一些疑难或突发故障就难以得到及时有效的解决,这样势必给企业造成巨大的损失,这对设备的状态监测与故障诊断提出了更高的要求。因此,本文针对传统的在线监测与故障诊断中对设备远距离监测、应急诊断、有效维护和高效管理方面存在的不足,以沈阳冶金机械有限公司生产的隔膜泵为对象,利用虚拟仪器技术,结合Web技术,对设备进行了远程状态监测与故障诊断方面的研究。本文讨论了进行远程监测与诊断的B/S和C/S两种设计模式,根据企业的要求和设备的特点及计算机体系结构,本文确定了以B/S和C/S两种模式混合的设计模式作为对设备进行远程监测与诊断的实现模式,在此模式下进行了网络架构和系统开发。论文引入了虚拟仪器技术,利用虚拟仪器设计软件Labview设计了数据采集发布系统和远程监测诊断系统。使用DataSocket技术和TCP技术实现了数据远程实时传输,具有很好的传输效果,真正实现了设备的远程实时在线监测与故障诊断。为了对动态原始信号、分析诊断后的结果数据以及设备的状态参数和采样参数进行科学管理,本文采用了文件、数据库和报表及报告三种数据管理方式,并开发了数据库系统。另外,本文还结合Web技术开发了隔膜泵远程监测与诊断交互式平台,在该平台下,能够实现远程浏览、专家协同会诊、资源共享以及报表报告服务等功能。本文的研究成果丰富了设备状态监测与故障诊断的理论和方法,解决了实现远程监测和诊断的若干关键问题,为隔膜泵状态监测和故障诊断提供了新的途径,为以后的探索积累了一定的研究经验。然而,远程监测和诊断是一个复杂的、涉及多个学科的系统工程,还有许多的工作需要更进一步的完善。
张天宏[4](2001)在《民航发动机远程故障诊断技术研究》文中进行了进一步梳理航空发动机因其结构复杂及高温高速的恶劣工作环境,时刻都可能发生故障。作为飞机的心脏,民航发动机的健康状况将直接影响飞行的安全和正点。本文提出的民航发动机远程故障诊断技术将Internet网络技术与民航发动机故障诊断技术有效地结合起来,旨在将民航发动机的维护和故障诊断手段提升到远程的网络环境,以极大提高故障诊断的水平和时效性。 基于Internet的远程故障诊断技术是一个多学科交叉渗透的新兴技术领域。本文从工程应用角度出发,以民航发动机为对象,开展了以下几个方面的研究工作: 1.分析了民航发动机故障诊断的技术现状,提出民航发动机实现远程故障诊断的技术路线,探讨了现有诊断设备和诊断手段实现网络化的技术思路,并且指出了需要解决的关键技术问题。 2.重点研究了铁谱分析系统网络化的实现问题。分析现有铁谱分析系统的功能和结构特点,提出网络化的改进设计思想,采用上下位微机结构和组件技术,实现在Internet上远程操纵、状态监控及图谱信息的远程传输。 3.研究了一种灵巧型远程数据采集终端,为远程故障诊断提供信息资源。分析了现有数据采集终端的特点,提出一种便携、多功能且可以直接与Internet连接的数据采集终端的设计思想,并基于Webchip技术和高性能单片机技术加以工程实现。 4.为了实现对远端诊断设备的操纵,研究了基于Internet的远程控制问题。分析了在Internet网络环境下控制系统中的时延特性,以一个两关节机械手为对象,采用神经网络进行对象特性的预测,通过广义预测控制和信息缓冲技术实现远程控制。 5.研究了在Internet上进行远程故障诊断的协同工作环境(CSCW)。分别采用NI的Labview/G Web Server技术和DataSocket技术实现诊断对象的远程状态监控;分别基于ASP技术和Data Socket技术开发了两个多功能的CSCW远程协同故障诊断平台。 6.在故障诊断的方法方面,以CFM56-5B发动机的FADEC系统为对象,开展了基于Internet的故障诊断专家系统(ES)的研究。该ES采用网络数据库存储知识,在网络环境下可以方便地实现知识库的维护,将知识推理过程采用组件技术集成到Web服务器上,可以支持多个用户同时进行故障诊断活动。
康静[5](2007)在《基于虚拟仪器的远程状态监测与故障诊断技术的研究》文中研究指明随着Internet技术的发展,设备状态监测与故障诊断正在从单机的现场监测与诊断方式向着分布式的远程状态监测与诊断方式发展,后者缩短了收集故障信息的时间,极大的提高了设备维护的时效性,并且有利于数据积累和资源共享。它将带来巨大的经济效益,越来越受到国内外的重视。目前,远程状态监测与故障诊断技术已成为故障诊断技术的发展趋势。本课题的目的是设计一套基于虚拟仪器的远程状态监测与故障诊断系统。论文首先研究了时频分析的基本理论,并通过分析仿真信号比较了几种时频分析方法的差别。利用STFT变换、Wigner-Ville分布、Choi-Williams分布、Cone-Shape Kernel分布四种方法对滚动轴承正常情况以及内圈、外圈、滚动体故障的振动信号分析处理,再用图象分类的方法对故障分类。结果表明,采用这一方法可以取得较好的诊断结果,其中采用短时傅立叶时频变换,并利用相似度进行分类的识别率可以达到100%。然后,论文介绍了远程监测与故障诊断系统的总体方案设计,包括硬件的组成,软件开发平台以及各模块的主要功能分析。并详细讨论了系统实现中的关键技术。利用DataSocket实时传输技术实现了远程在线监测功能,采用数据属性方法把采样点数、采样频率和实时数据绑定后一起进行传输,保证了数据传输的一致性;通过FTP技术将数据文件传送给服务器,同时把测点信息写入数据库,实现了文件系统与数据库系统相结合的数据管理方法;设置报警值,在出现异常时通过EMAIL将数据发送给分析客户端;建立了滚动轴承数据库,可以向轴承库中添加、查询、删除轴承,实现了轴承特征频率的计算。经过最后调试,系统可以正常运行。本系统满足一般的远程监测与故障诊断场合的需求,可广泛应用于企业中,实时的根据企业现场设备的运行情况,将各种状态信息反馈到办公室,以便及时采取措施,预防事故的发生。另外,也可应用于实验室研究使用和教学中使用。
李宝慧[6](2020)在《卧式冷室压铸机工作状态监测系统的研究》文中研究指明压铸技术是铝合金等有色金属成型工艺中使用最普遍的工艺之一。压铸件具有内部组织致密、结构精细、表面质量好和力学性好等优点。压力和速度是压铸生产中尤其重要的工艺参数,这些工艺参数与压铸机在工作中设备的振动情况一起对生产效率和模具寿命产生直接影响。以某系列压铸机为例研究出一套基于计算机的压铸机工作状态监测系统。通过该系统可以对压铸机工作中的压射压力、压射速度和设备振动情况进行采集、记录、保存及传输,从而实现对压铸过程的实时监测。完成了对各类传感器及数据采集卡的选择,分析了主要激振源及激振频率,进行了振动测试点的选取及布置。在LabVIEW环境下进行监测系统的软件开发,主要包括系统参数设置、系统标定和状态监测等模块,并进行了监测系统软件功能测试,验证了软件功能的正确性。研究标度变换及非线性误差补偿的软件实现方法,提出了一种用补偿函数同时实现标度变换和非线性误差补偿的方法,根据监测系统的实际特性,确定补偿函数的形式,并进行了仿真实验,验证了补偿方法的可行性。综上研究,实现对压射压力、压射速度及振动参数的采集、处理及分析,对提高压铸机本身的可靠性,保证产品质量,减少突发事故造成危害等有重要的研究意义。图43幅;表7个;参63篇。
雷亚飞[7](2020)在《工业互联网+油动机液压系统状态监测与故障诊断研究》文中认为当前,大数据、云计算、工业互联网等新一代信息技术飞速发展,为设备状态监测与故障诊断研究提供了新理论和新技术。随着新型信息技术和传统液压技术融合发展,基于工业互联网平台开发油动机状态监测与故障诊断系统具有重要的理论意义和实际价值。因此,本文以油动机液压系统为研究对象,以挖掘状态监测数据中隐藏的故障信息为目标,采用工业互联网平台技术打通了信号采集、边缘数据处理、端云之间数据传输、海量数据弹性存储、故障诊断建模分析等信息通道,为油动机液压系统的状态监测与故障诊断系统提供了新理论、新技术和新方法。首先,依据信息物理系统(Cyber-Physical Systems,CPS)理论,设计了油动机状态监测与故障诊断系统的CPS六层功能架构,涵盖了从数据采集到数据分析的各项功能需求。并选取WISE-PaaS工业互联网平台为载体,构建了基于工业互联网平台的油动机状态监测与故障诊断系统的功能实现架构。其次,将油动机液压系统划分为正常调节和快关缓冲两个工作状态,分别进行建模分析。并在AMESim仿真平台上对电液伺服阀喷嘴与阻尼孔堵塞、油动机液压缸内泄漏、电磁阀电磁性能退化等故障进行仿真模拟,以探究状态监测与故障诊断所需的故障敏感数据源,为工业互联网的数据接入提供理论指导。再次,针对油动机在正常调节状态下易发生的液压缸内泄漏故障,基于支持向量数据描述(Support Vector Data Description,SVDD)单值分类法,利用液压缸两腔压力状态监测时域信号的最小值和最大值两个特征值构建液压缸内泄漏故障诊断的新模型,为在工业互联网上实现油动机液压缸内泄漏故障诊断提供模型。然后,针对油动机快关缓冲系统中的核心控制元件——快关电磁阀电磁性能退化故障,利用电磁阀出口压力信号进行故障诊断,研究基于主成分分析(Principal Component Analysis,PCA)降维与极限梯度提升树(eXtreme Gradient Boosting,XGBoost)分类算法相融合的电磁阀电磁性能退化故障诊断的新算法,为在工业互联上实现快关电磁阀故障诊断提供算法。最后,在WISE-PaaS工业互联网平台上为油动机新型试验样机开发状态监测与故障诊断系统,研制从信号采集、边缘特征提取,云端数据分析等功能模块,为“工业互联网+油动机液压系统状态监测与故障诊断”研究提供具体解决方案。本文研究成果不仅完成了基于工业互联网平台开发油动机状态监测与故障诊断系统的具体研究任务。还探索了“工业互联网+液压”实现途径,为传统液压技术与工业互联网信息技术融合提供了应用范例。
刘森,张书维,侯玉洁[8](2020)在《3D打印技术专业“三教”改革探索》文中提出根据国家对职业教育深化改革的最新要求,解读当前"三教"改革对于职教教育紧迫性和必要性,本文以3D打印技术专业为切入点,深层次分析3D打印技术专业在教师、教材、教法("三教")改革时所面临的实际问题,并对"三教"改革的一些具体方案可行性和实际效果进行了探讨。
谢贺年[9](2018)在《基于EL冷光线的数控机床电气故障可视化高效排查方法研究》文中研究表明随着国内经济的快速发展,数控机床设备在制造业中的应用已经非常普遍。据统计,国内现有上千万台数控机床设备,而且正以每年几十万台甚至上百万台的数量激增。如此巨大的市场保有量,带来的也是巨大的数控机床设备保养、维修问题。目前,数控机床设备电气故障的主流检修方式是万用表电压电流测试法,其优点是操作简单,对检测工具要求不高,方法成熟,缺点是排查时间长,对排故人员经验要求高,效率极其低下。因此,有必要探索一种更高效的排故方法,降低高技能人才依赖程度,实现数控机床设备电气故障的快速、直观性检测,为企业的连续生产保驾护航。本文以数控机床设备典型电气系统为研究对象,建立了基于马尔可夫离散概率的数控机床设备电气故障排查时间模型;通过分析排查时间模型的各个参数,找到影响排故时间的关键性因素;基于关键因素,提出利用EL冷光线的发光特性,快速识别故障点,从而降低排故总时间。随后,文章介绍了 EL冷光线的发光工作原理,计算了 EL冷光线的热效应和使用寿命,并将EL冷光线的热效应和使用寿命两方面与普通工业导线进行对比,得到EL冷光线的物理特性可以满足使用要求的结论。因此,基于EL冷光线的数控机床电气故障可视化高效排查方法是可行的。在文章的后半部分,作者将这种理论用于实践,解决了电源匹配问题、驱动器接入、EL冷光线接线方式等工艺问题。随后,文章进行了故障试验,通过虚拟界面、实物接线两种方式,验证典型单回路、多回路中,应用EL冷光线时的故障表现形式;再进行效率试验,在典型单点故障、多点故障中,分别测量应用传统万用表和EL冷光线技术的故障排查时间,通过试验数据分析,得出EL冷光线技术在数控机床电气故障排查方面具有显着优势。
严磊[10](2018)在《烟气轮机转子结垢振动特性分析及诊断方法研究》文中研究指明烟气轮机是催化裂化车间能量回收机组的重要过程设备,它的安全长周期运行除了影响能量回收率外还关乎整个反再系统的平稳运行。针对烟气轮机转子严重结垢导致的高故障率,但相应监测系统和诊断方式不足的现状,本文基于LabVIEW开发出一套适用烟机转子结垢振动的远程监测系统。通过对现场烟机振动的测试检验了系统的实用性和可靠性;同时根据烟机振动特征并结合其内部结垢情况,建立起二者之间的因果关系。对由结垢导致的烟机转子不平衡和动静碰摩故障,首先对其发生机理和动力学模型进行了理论分析,其次进行了故障模拟试验,对故障发展过程中的振动征兆和事故发生后的症状进行了事前、事后分析,总结出了具有一定辨识度的振动规律和结论。与一般故障不同,由动叶结垢导致的转子不平衡故障由于垢块脱落位置和数量的随机性导致了振动相位不稳定;随着不平衡故障的出现和不断发展,烟机转子表现为工频振幅阶跃上升,对不平衡激励响应十分敏感,位移时域波形呈正弦曲线,轴心轨迹为规则的椭圆状,相位不稳定;不平衡故障发生以后,振动升速瀑布图中工频信号不断增大,并呈斜线分布,升速曲线为均匀的抛物线,幅值呈指数增长。由气封围带结垢导致的烟机转子碰摩故障在于垢块生长过程中静子主动向转子移动;碰摩发展过程中,频域瀑布图表现为大量高次谐波丛生,位移时域波形被削波和畸变,前端轴心轨迹表现为轨道发散、“花瓣”增多,最终严重扭曲,工频椭圆涡动进动比不断增大,直至发展为反进动,碰摩摩擦力会不断降低烟机转速且转速越高这种作用越明显;碰摩故障发生之后,转子升速瀑布图中高次谐波不断向高频方向移动且其幅值超过工频振动,位移时域波形表现为削波加剧、分布不均,轴心轨迹逐渐发散,交叉频繁,最终发展成密集网状分布。本文试验结果和结论对现场烟机的故障预判和诊断具有一定的指导意义;配套的监测系统对转子结垢振动具有较高的监测灵敏度,可对现有监测方式进行补足和完善,具有一定的实用性和可靠性。
二、虚拟仪器技术在远程故障诊断中的应用(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、虚拟仪器技术在远程故障诊断中的应用(论文提纲范文)
(1)车辆状态监测与故障诊断新方法研究(论文提纲范文)
摘要 |
Abstract |
第1章 引言 |
1.1 课题研究的意义 |
1.2 发动机状态监测与故障诊断研究概述 |
1.2.1 设备状态监测与故障诊断基本概念 |
1.2.2 故障特征提取分析方法 |
1.2.3 人工智能理论在发动机故障诊断中的应用 |
1.2.4 诊断系统开发平台 |
1.3 国内外研究现状、存在的问题及发展趋势 |
1.3.1 发动机诊断技术的研究现状 |
1.3.2 汽车发动机故障诊断存在的问题 |
1.3.3 发展趋势 |
1.4 论文研究内容和创新点 |
1.4.1 论文研究内容 |
1.4.2 论文创新点 |
第2章 故障诊断特征提取方法和在线诊断系统构建 |
2.1 引言 |
2.2 基于机体振动信号的故障特征提取方法 |
2.2.1 时域特征提取 |
2.2.2 频域特征选择 |
2.2.3 小波分析特征提取 |
2.3 基于发动机运行状态参数的故障提取方法研究 |
2.3.1 电控发动机工作原理 |
2.3.2 电控发动机常见故障及排除方法 |
2.3.3 自动变速器组成及工作原理 |
2.4 基于CAN总线的在线故障诊断系统设计 |
2.4.1 CAN总线概述 |
2.4.2 CAN总线的主要特点 |
2.4.3 系统结构及实现原理 |
2.4.4 CAN总线结构在汽车综合故障诊断中应用的意义 |
2.4.5 基于SAE J1939协议的发动机控制器CAN总线功能分析 |
2.4.6 通过CAN网络进行诊断数据共享 |
2.5 本章小结 |
第3章 神经网络技术在车辆故障诊断中的应用研究 |
3.1 引言 |
3.2 PCA(主成分分析)及其在发动机运行状态参数诊断向量建立过程中的应用 |
3.2.1 PCA原理 |
3.2.2 PCA的贡献率 |
3.2.3 发动机性能状态故障诊断模型描述 |
3.2.4 应用PCA方法减少故障诊断输入向量维数 |
3.3 基于神经网络的发动机故障诊断研究 |
3.3.1 基于神经网络诊断的发动机故障诊断模型的数学描述 |
3.3.2 神经网络模型的输入量和输出量的定义 |
3.4 BP网络学习算法及其故障诊断模型 |
3.4.1 BP神经网络故障诊断算法步骤 |
3.4.2 以特征频带能量值为输入值的BP模型 |
3.4.3 以区间小波包分解方法提取特征向量的BP模型 |
3.4.4 以发动机运行状态参数值为特征向量的PCA-BP模型 |
3.5 BP算法的改进对发动机故障诊断收敛特性的影响研究 |
3.6 隐层神经元数目对故障诊断收敛特性的影响研究 |
3.7 基于径向基(RBF)神经网络的发动机故障诊断研究 |
3.7.1 径向基函数(RBF)神经网络模型和算法实现 |
3.7.2 径向基(RBF)网络的发动机故障诊断模型及结果 |
3.8 基于概率神经网络(PNN)的发动机故障诊断研究 |
3.8.1 概率神经网络(PNN)模型和算法实现 |
3.8.2 概率神经网络(PNN)的发动机故障诊断模型及结果 |
3.9 不同类型神经网络对发动机故障诊断结果的比较 |
3.10 本章小结 |
第4章 基于自适应神经模糊推理系统的发动机故障诊断研究 |
4.1 引言 |
4.2 基于自适应神经模糊推理系统的发动机故障诊断模型 |
4.2.1 自适应神经模糊推理系统原理 |
4.2.2 参数优化 |
4.2.3 减法聚类 |
4.3 故障诊断结果 |
4.3.1 仿真试验 |
4.3.2 抗噪能力试验研究 |
4.4 推理诊断模型选取 |
4.5 本章小结 |
第5章 基于信息融合的发动机故障诊断研究 |
5.1 引言 |
5.2 信息融合的基本原理和层次结构 |
5.2.1 信息融合的基本原理 |
5.2.2 信息融合的层次结构 |
5.3 发动机监测与诊断的信息参数 |
5.3.1 发动机的监测信息 |
5.3.2 发动机信息融合的系统结构和功能模型 |
5.3.3 特征级融合简述 |
5.4 基于D-S证据理论的决策级融合故障诊断方法研究 |
5.4.1 D-S证据理论 |
5.4.2 基于D-S证据理论的发动机信息融合算例分析 |
5.5 基于D-S证据理论的发动机故障诊断结果分析 |
5.6 D-S组合规则存在的问题及改进措施 |
5.6.1 Dempster组合规则失效的情况 |
5.6.2 D-S理论失效的处理方法 |
5.6.3 基于改进融合方法的实例验证 |
5.6.4 基于改进融合方法的信息融合方案 |
5.7 本章小结 |
第6章 发动机状态监测与故障诊断系统开发及相关实验研究 |
6.1 引言 |
6.2 虚拟仪器及DasyLab |
6.2.1 虚拟仪器概念 |
6.2.2 虚拟仪器基本功能及工作原理 |
6.2.3 虚拟仪器系统的构成 |
6.2.4 DasyLab虚拟系统开发平台简介 |
6.3 发动机故障诊断测试平台总体设计 |
6.4 发动机无负荷测功子系统设计 |
6.4.1 信号测试需求分析 |
6.4.2 基于虚拟仪器技术的系统结构 |
6.4.3 测试系统硬件设计 |
6.4.4 测试系统软件设计 |
6.5 发动机无负荷测功实验方案设计 |
6.6 发动机振动信号功率测试结果分析 |
6.6.1 对比分析各通道信号 |
6.6.2 利用缸盖振动信号对发动机的测试分析 |
6.6.3 发动机振动周期转速的提取 |
6.6.4 分批估计数据融合方法 |
6.6.5 发动机的功率检测结果分析 |
6.7 发动机状态监测与故障诊断综合系统设计开发 |
6.7.1 综合系统硬件平台设计 |
6.7.2 综合系统软件结构设计与工作流程 |
6.7.3 软件功能模块介绍 |
6.8 基于发动机振动信号的故障诊断实验研究 |
6.8.1 实验测试 |
6.8.2 信号采集与特征提取 |
6.8.3 基于信息融合的故障诊断 |
6.9 基于CAN总线、发动机运行状态参数的故障诊断实验研究 |
6.9.1 实验测试 |
6.9.2 数据采集与特征提取 |
6.9.3 基于信息融合的故障诊断 |
6.9.4 故障原因分析及对策 |
6.10 本章小结 |
第7章 结论与展望 |
7.1 研究结论 |
7.2 进一步研究展望 |
参考文献 |
作者攻读博士学位期间所发表的学术论文 |
致谢 |
作者简介 |
(2)旋转机械远程监测和智能故障诊断系统的应用研究(论文提纲范文)
摘要 |
Abstract |
第1章 前言 |
1.1 故障诊断的背景及其意义 |
1.2 国内外故障诊断技术的发展 |
1.2.1 故障诊断的方法 |
1.2.2 旋转机械振动信号分析 |
1.3 论文的主要工作和章节安排 |
第2章 虚拟仪器 |
2.1 虚拟仪器的概念 |
2.2 虚拟仪器相对于传统仪器的优势 |
2.3 图形化的编程语言—LABVIEW |
2.4 LABVIEW与MATLAB的混合编程 |
2.4.1 调用MATLAB的脚本节点实现 |
2.4.2 COM组件技术 |
2.4.3 利用动态链接库(DLL)实现混合编程 |
2.4.4 几种混合编程方法的比较 |
2.5 基于LABVIEW的远程监测实现方式 |
2.5.1 基于C/S模式的DataSocket技术 |
2.5.2 基于B/S模式的远程前面板(remote panels)技术 |
2.6 本章小结 |
第3章 小波分析的基本理论及其在故障诊断中的应用 |
3.1 傅立叶分析及其优点和缺陷 |
3.1.1 傅立叶变换 |
3.1.2 傅立叶变换的优点与局限 |
3.2 小波变换理论 |
3.2.1 小波变换的基本概念 |
3.2.2 小波包分析 |
3.2.3 多小波变换 |
3.3 小波基的选取 |
3.4 小波在故障诊断中的应用 |
3.4.1 小波去噪方法的研究 |
3.4.2 小波在故障信号特征提取中的应用 |
3.5 本章小结 |
第4章 神经网络的基本理论及其在故障诊断中的应用 |
4.1 人工神经网络的基本概念 |
4.1.1 神经网络的拓扑结构 |
4.1.2 神经网络的学习规则 |
4.2 BP神经网络 |
4.2.1 BP神经网络的学习过程 |
4.2.2 BP神经网络的主要特点 |
4.2.3 BP神经网络在机械故障诊断中的应用 |
4.3 自组织特征映射网络 |
4.3.1 自组织特征映射网络简介 |
4.3.2 SOM算法原理 |
4.3.3 SOM网络在故障诊断中的应用 |
4.4 本章小结 |
第5章 基于小波神经网络的远程故障诊断系统 |
5.1 旋转机械故障仿真模型 |
5.2 基于LABVIEW的故障诊断平台的构建 |
5.2.1 总体构成及设计方案 |
5.2.2 数据采集及存取 |
5.2.3 故障诊断模块 |
5.3 小波神经网络简介 |
5.3.1 小波-神经网络两种结构形式 |
5.3.2 小波分析与神经网络的松散型结合 |
5.4 一种松散型小波神经网络故障诊断的新方法 |
5.4.1 LDB算法 |
5.4.2 故障诊断流程 |
5.4.3 用改进的LDB算法提取故障特征 |
5.4.4 基于SOM-BP混合网络的故障定位 |
5.4.5 实验结果 |
5.5 本章小结 |
总结 |
参考文献 |
致谢 |
附录:攻读硕士学位期间的科研成果 |
个人简历 |
(3)基于虚拟仪器的远程监测与诊断系统研究及开发(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 选题背景及意义 |
1.1.1 课题背景 |
1.1.2 远程监测与诊断的意义 |
1.2 设备状态监测与故障诊断发展历程 |
1.3 远程监测与诊断的研究现状 |
1.4 虚拟仪器技术 |
1.4.1 虚拟仪器概述 |
1.4.2 基于Web的网络化虚拟仪器技术 |
1.4.3 虚拟仪器技术在远程监测与诊断中的应用 |
1.5 本文的主要研究工作 |
第2章 系统总体设计 |
2.1 设备简介 |
2.2 远程监测与诊断的实现模式设计 |
2.2.1 C/S模式设计 |
2.2.2 B/S模式设计 |
2.2.3 C/S和B/S混合模式设计 |
2.3 系统的结构设计 |
2.3.1 系统网络架构 |
2.3.2 系统的功能结构 |
2.4 系统的硬件设计 |
2.4.1 硬件选型 |
2.4.2 仪器硬件驱动及结构组成 |
2.5 系统的软件设计 |
2.5.1 LabVIEW简介 |
2.5.2 系统软件结构 |
2.5.3 三大子系统设计 |
第3章 远程数据通信设计 |
3.1 网络技术基础 |
3.1.1 计算机网络协议及体系结构 |
3.1.2 网络结构模型 |
3.1.3 HTTP协议 |
3.2 基于虚拟仪器的数据远程传输设计 |
3.2.1 基于C/S模式的DataSocket技术 |
3.2.2 基于B/S模式的远程面板技术 |
3.2.3 LabVIEW中的TCP技术 |
3.3 网络通信安全设计 |
3.3.1 DataSocket技术通信安全设置 |
3.3.2 远程面板技术的通信安全设置 |
3.3.3 TCP技术的通信安全设置 |
第4章 信号分析与数据管理 |
4.1 工程信号分析及故障诊断 |
4.1.1 信号预处理 |
4.1.2 幅域分析 |
4.1.3 时域分析 |
4.1.4 频域分析 |
4.1.5 倒频谱分析 |
4.1.6 趋势分析 |
4.1.7 小波分析 |
4.2 基于虚拟仪器的工程数据管理 |
4.2.1 文件管理设计 |
4.2.2 数据库管理设计 |
4.2.3 监测报表和诊断报告设计 |
4.3 本章小结 |
第5章 远程监测与诊断中心交互式平台的开发 |
5.1 交互式平台开发技术 |
5.1.1 ActiveX技术 |
5.1.2 Web动态网页技术 |
5.2 交互式平台设计 |
5.2.1 服务器端开发方案 |
5.2.2 服务器端程序设计 |
5.2.3 ASP技术在Web数据库访问中的应用 |
5.3 平台的相关介绍与展示 |
第6章 结论与展望 |
6.1 结论 |
6.2 展望 |
参考文献 |
致谢 |
(4)民航发动机远程故障诊断技术研究(论文提纲范文)
图表索引 |
第一章 绪论 |
1.1 引言 |
1.2 设备故障诊断技术概述 |
1.3 Internet技术的发展 |
1.3.1 Internet的起源与发展 |
1.3.2 Internet的六大服务 |
1.3.3 Internet的意义 |
1.4 基于Internet的远程故障诊断技术 |
1.4.1 远程故障诊断技术的发展 |
1.4.2 国内外发展现状 |
1.4.3 远程故障诊断的各种工作情形 |
1.4.4 远程故障诊断的优越性 |
1.5 民航发动机远程故障诊断技术的探讨 |
1.5.1 民航发动机故障诊断技术现状 |
1.5.2 民航发动机对远程故障诊断技术的迫切需求 |
1.6 实现民航发动机远程故障诊断需要解决的关键技术问题 |
1.6.1 涉及的技术领域 |
1 6.2 需要解决的关键技术问题 |
1.7 研究方案 |
1.7.1 技术思路 |
1.7.2 民航发动机远程故障诊断服务中心 |
1.8 本文研究内容 |
第二章 铁谱分析系统的网络化 |
2.1 引言 |
2.2 铁谱分析技术概述 |
2.2.1 铁谱分析技术的发展 |
2.2.2 铁谱仪简介 |
2.3 DMAS系统的改进设计与网络化 |
2.3.1 DMASⅡ系统 |
2.3.2 DMASⅢ系统 |
2.4 全自动颗粒制谱仪控制器设计 |
2.4.1 总体结构 |
2.4.2 硬件原理 |
2.4.3 软件与通信 |
2.5 铁谱显微镜自动控制器设计 |
2.5.1 总体结构 |
2.5.2 硬件原理 |
2.6 铁谱分析系统软件设计及通信与网络接口 |
2.7 铁谱分析系统在远程故障诊断中的应用 |
2.7.1 铁谱分析系统的远程监控 |
2.7.2 图谱信息的网络传输 |
2.8 小结 |
第三章 远程数据采集终端研究 |
3.1 引言 |
3.2 远程数据采集技术概述 |
3.2.1 远程数据采集在故障诊断中的重要性 |
3.2.2 现有远程数据采集技术的特点 |
3.2.3 轻量级电器设备的Internet接入方案 |
3.2.4 基于WebChip技术的优越性 |
3.3 WebChip技术概述 |
3.3.1 WebChip技术原理 |
3.3.2 WebChip芯片PS2000 |
3.3.3 WebChip技术的应用 |
3.3.4 MCUNet协议简介 |
3.4 基于WebChip和高级单片机设计灵巧型远程数据采集终端 |
3.4.1 总体设计 |
3.4.2 硬件原理 |
3.4.3 软件与通信 |
3.5 远程数据采集终端的应用 |
3.6 小结 |
第四章 基于Internet的远程控制研究 |
4.1 引言 |
4.2 以机械手为对象的远程控制系统 |
4.2.1 远程控制系统的总体结构 |
4.2.2 机械手的特性 |
4.2.3 网络传输延迟分析与处理 |
4.3 控制算法 |
4.3.1 广义预测控制 |
4.3.2 基于神经网络的广义预测控制 |
4.3.3 控制算法改进 |
4.4 系统仿真 |
4.5 小结 |
第五章 虚拟仪器技术在远程故障诊断中的应用 |
5.1 引言 |
5.2 虚拟仪器技术概述 |
5.3 虚拟仪器的网络化 |
5.4 基于G Web Server的远程状态监视 |
5.4.1 G Web Server的工作原理 |
5.4.2 发动机试车台远程状态监视 |
5.5 基于DataSocket的远程虚拟仪器技术 |
5.5.1 DataSocket的技术原理 |
5.5.2 将DataSocket集成到WEB应用中 |
5.6 小结 |
第六章 远程故障诊断的CSCW环境研究 |
6.1 引言 |
6.2 远程故障诊断的CSCW环境概述 |
6.2.1 CSCW技术概述 |
6.2.2 CSCW环境与远程故障诊断 |
6.3 基于ASP技术实现的CSCW环境 |
6.3.1 总体设计 |
6.3.2 远程故障诊断的应用 |
6.4 利用Datasocket技术实现CSCW |
6.5 小结 |
第七章 远程故障诊断专家系统 |
7.1 引言 |
7.2 网络化故障诊断专家系统技术概述 |
7.2.1 网络化故障诊断专家系统的优越性 |
7.2.2 Internet与专家系统的结合 |
7.2.3 基于动态Web技术的专家系统结构 |
7.3 基于网络环境的专家系统 |
7.3.1 基于网络数据库的知识库 |
7.3.2 推理系统的实现 |
7.4 CFM56-5B发动机FADEC系统的故障诊断专家系统 |
7.4.1 FADEC系统维护概述 |
7.4.2 建立FADEC系统故障诊断知识库 |
7.4.3 FADEC系统故障诊断专家系统的应用 |
7.5 小结 |
第八章 结束语 |
8.1 本论文的要点和贡献 |
8.2 今后的研究方向和设想 |
致谢 |
作者在攻读博士学位期间的研究成果 |
参考文献 |
(5)基于虚拟仪器的远程状态监测与故障诊断技术的研究(论文提纲范文)
中文摘要 |
Abstract |
第一章 绪论 |
1.1 国内外相关技术的研究现状 |
1.1.1 机械设备状态监测与故障诊断技术的现状和发展 |
1.1.2 时频分析理论及应用的现状和发展 |
1.1.3 虚拟仪器的现状和发展 |
1.2 课题的提出及意义 |
1.3 论文的主要研究内容及全章节安排 |
第二章 时频分析理论基础 |
2.1 时频分析的基本概念 |
2.1.1 从傅立叶变换到时频分析 |
2.1.2 信号分辨率 |
2.2 短时傅立叶变换(STFT) |
2.2.1 连续短时傅立叶变换 |
2.2.2 短时傅立叶变换的离散计算 |
2.3 魏格纳-维尔分布(WVD) |
2.4 时频分布的一般表示形式 |
2.4.1 模糊函数 |
2.4.2 时频分布的一般表示形式 |
2.4.3 乔伊-威廉斯分布(CWD) |
2.4.4 锥形核分布(CKD) |
2.5 仿真信号的时频分布 |
2.6 本章小结 |
第三章 时频分析在滚动轴承故障诊断中的应用 |
3.1 滚动轴承故障诊断的时频分析方法 |
3.2 基于短时傅立叶变换的滚动轴承故障诊断 |
3.3 基于Wigner-Ville 分布的滚动轴承故障诊断 |
3.4 基于Choi-Williams 分布的滚动轴承故障诊断 |
3.5 基于Cone-Shape Kernel 分布的滚动轴承故障诊断 |
3.6 本章小结 |
第四章 基于虚拟仪器的远程监测与诊断系统总体方案设计 |
4.1 系统所采取的网络模式 |
4.2 设备数据信息管理方案设计 |
4.2.1 文件管理系统 |
4.2.2 数据库管理系统 |
4.2.3 利用文件和数据库相结合的方式来管理数据 |
4.3 远程监测与诊断系统的硬件平台 |
4.3.1 系统硬件总体布局 |
4.3.2 数据采集客户端的硬件组成 |
4.3.3 服务器、远程在线监测客户端、信号分析客户端的硬件组成 |
4.4 远程监测与诊断系统软件系统整体框架 |
4.4.1 系统软件开发平台 |
4.4.2 采集客户端模块 |
4.4.3 远程监测客户端模块 |
4.4.4 分析客户端模块 |
4.4.5 数据库服务器模块 |
4.5 本章小结 |
第五章 基于虚拟仪器的远程监测与诊断系统实现中的关键技术 |
5.1 基于LabVIEW 的数据库访问 |
5.1.1 基于LabVIEW 访问数据库的几种方法 |
5.1.2 基于LabVIEW 的数据库连接方式 |
5.1.3 SQL 语言简介 |
5.1.4 系统数据库的建立 |
5.2 采集客户端的开发 |
5.2.1 数据采集模块 |
5.2.2 基于EMAIL 的报警模块 |
5.2.3 数据库访问及FTP 上传模块 |
5.3 远程在线监测客户端的实现 |
5.3.1 DataSocket 技术概述 |
5.3.2 基于DataSocket 协议传输数据 |
5.3.3 远程传输的实现 |
5.4 服务器端功能的实现 |
5.4.1 数据库的实现 |
5.4.2 文件传输服务配置 |
5.4.3 邮件发送服务配置 |
5.5 数据分析客户端的开发 |
5.5.1 数据库查询及FTP 下载 |
5.5.2 数据分析功能 |
5.5.3 EMAIL 接收 |
5.6 本章小结 |
第六章 结论与展望 |
参考文献 |
发表论文和参加科研情况说明 |
致谢 |
(6)卧式冷室压铸机工作状态监测系统的研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 压铸技术及其发展 |
1.1.1 压铸技术 |
1.1.2 压铸机 |
1.1.3 压铸技术与压铸机的发展历史及现状 |
1.2 状态监测技术及故障诊断技术 |
1.2.1 测试技术 |
1.2.2 状态监测与故障诊断技术 |
1.2.3 振动监测与虚拟仪器技术 |
1.2.4 压铸机的状态监测与故障诊断技术 |
1.3 课题研究目的及主要研究内容 |
1.3.1 研究目的 |
1.3.2 研究内容 |
第2章 压铸及压铸机工作状态监测需求分析 |
2.1 压铸机及压铸工艺 |
2.1.1 压铸机的结构 |
2.1.2 压铸机的工作原理 |
2.1.3 压铸机的液压系统 |
2.1.4 压铸工艺 |
2.2 压铸机状态参数监测需求分析 |
2.3 压铸工艺参数监测需求分析 |
2.3.1 压射压力 |
2.3.2 压射速度 |
2.4 软件需求 |
2.5 本章小结 |
第3章 压铸机工作状态监测装置的研究 |
3.1 系统总体方案设计 |
3.2 传感器及其调理电路的选择与设计 |
3.2.1 压射速度传感器的选择 |
3.2.2 压射压力传感器的选择 |
3.2.3 振动测试系统及测试点的选择 |
3.3 数据采集卡的选择 |
3.4 本章小结 |
第4章 压铸机工作状态监测系统软件的开发 |
4.1 系统功能介绍 |
4.2 系统权限 |
4.3 系统参数设置 |
4.4 系统标定 |
4.5 状态监测 |
4.5.1 LabVIEW对数据采集卡的控制 |
4.5.2 数据采集 |
4.5.3 数字信号处理 |
4.5.4 系统标度变换和非线性误差补偿 |
4.5.5 数字信号分析 |
4.5.6 数据存储 |
4.5.7 状态报警 |
4.6 其他功能 |
4.6.1 远程通讯 |
4.6.2 数据回调 |
4.7 监测系统软件功能测试 |
4.8 本章小结 |
第5章 标度变换及非线性误差补偿的实现 |
5.1 标度变换及非线性误差补偿方法 |
5.2 系统标定 |
5.3 静态标定仿真实验及实验结果 |
5.3.1 静态标定仿真实验 |
5.3.2 实验补偿结果 |
5.4 本章小结 |
结论 |
参考文献 |
致谢 |
在学期间研究成果 |
(7)工业互联网+油动机液压系统状态监测与故障诊断研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 课题研究背景及研究目的和意义 |
1.2 油动机及电液伺服系统国内外研究现状及分析 |
1.2.1 油动机及汽轮机系统故障诊断研究现状及分析 |
1.2.2 电液伺服系统故障诊断研究现状及分析 |
1.2.3 液压阀的故障诊断研究现状及分析 |
1.2.4 液压缸的故障诊断研究现状及分析 |
1.3 CPS系统与工业互联网的研究现状及应用分析 |
1.3.1 CPS系统的研究现状及其应用分析 |
1.3.2 工业互联网研究现状及其应用分析 |
1.3.3 工业大数据挖掘算法的研究现状及分析 |
1.4 本文主要研究内容 |
第2章 油动机状态监测与故障诊断系统CPS功能架构 |
2.1 引言 |
2.2 油动机状态监测与故障诊断系统CPS功能架构设计 |
2.2.1 CPS功能架构概述 |
2.2.2 CPS五层功能架构 |
2.2.3 CPS三个层级特征 |
2.2.4 油动机CPS六层功能架构设计 |
2.3 基于工业互联网平台的油动机CPS功能实现架构设计 |
2.3.1 工业互联网平台标准功能架构 |
2.3.2 工业互联网平台的关键支撑技术 |
2.3.3 基于WISE-Paa S平台的油动机CPS功能实现架构 |
2.4 小结 |
第3章 油动机电液伺服系统建模仿真分析 |
3.1 引言 |
3.2 油动机电液伺服系统概述 |
3.2.1 油动机在汽轮机系统中的功能作用 |
3.2.2 油动机电液伺服系统工作原理 |
3.3 油动机正常调节状态建模分析 |
3.3.1 永磁力矩马达工作原理 |
3.3.2 衔铁喷嘴挡板组件运动分析 |
3.3.3 电液伺服阀阀芯受力分析 |
3.3.4 油动机活塞运动分析 |
3.4 油动机快关缓冲系统建模分析 |
3.4.1 油动机快关缓冲过程分析 |
3.4.2 初期短孔节流阶段分析 |
3.4.3 中期薄壁孔节流阶段分析 |
3.4.4 末期环形缝隙节流阶段分析 |
3.5 油动机电液伺服系统仿真及常见故障类型仿真分析 |
3.5.1 基于AMESim的油动机电液伺服系统仿真 |
3.5.2 油动机正常调节状态的故障类型仿真分析 |
3.5.3 油动机快关缓冲状态的故障类型仿真分析 |
3.6 本章小结 |
第4章 基于SVDD的油动机液压缸内泄漏故障诊断模型研究 |
4.1 引言 |
4.2 支持向量数据描述理论 |
4.2.1 支持向量机理论 |
4.2.2 单值分类概述 |
4.2.3 SVDD原理 |
4.3 油动机液压缸内泄漏故障模拟试验与信号采集 |
4.3.1 电液伺服系统故障模拟试验台概述 |
4.3.2 油动机液压缸内泄故障模拟试验方案 |
4.3.3 油动机液压缸内泄故障模拟与信号采集 |
4.4 基于SVDD构建油动机液压缸内泄漏故障诊断模型 |
4.4.1 信号滤波预处理 |
4.4.2 时域信号特征提取 |
4.4.3 基于SVDD的液压缸内泄漏故障诊断流程 |
4.4.4 利用多个特征值构建SVDD内泄漏故障诊断模型 |
4.4.5 利用单个特征值构建SVDD内泄漏故障诊断模型 |
4.4.6 利用两个特征值构建SVDD内泄漏故障诊断模型 |
4.5 本章小结 |
第5章 基于XGBoost的油动机快关电磁阀故障诊断算法研究 |
5.1 引言 |
5.2 XGBoost算法基本原理 |
5.2.1 CART回归决策树 |
5.2.2 Boosting算法与GBDT算法原理 |
5.2.3 XGBoost算法原理 |
5.3 快关电磁阀故障模拟试验与信号采集 |
5.3.1 油动机快关电磁阀组工作原理 |
5.3.2 油动机快关电磁阀故障模拟试验方案 |
5.3.3 电磁阀电磁性能退化故障模拟与信号采集 |
5.3.4 构建电磁阀电磁性能退化故障诊断数据样本 |
5.4 基于PCA降维与XGBoot算法相结合的故障诊断算法 |
5.4.1 PCA降维原理 |
5.4.2 数据样本降维 |
5.4.3 基于PCA降维与XGBoost算法故障诊断建模与评估 |
5.4.4 与CART和 GBDT算法建模对比分析 |
5.5 本章小结 |
第6章 基于WISE-Paa S油动机状态监测与故障诊断系统开发 |
6.1 引言 |
6.2 油动机数据测点布置层设计 |
6.2.1 油动机缸体结构 |
6.2.2 油动机数据采集测量点布置 |
6.2.3 油动机关键元件与传感器选型 |
6.3 油动机数据采集连接层搭建 |
6.3.1 油动机信号采集硬件系统设计 |
6.3.2 信号采集板卡选型 |
6.3.3 数据传输总线技术 |
6.4 油动机边缘侧数据处理层开发 |
6.4.1 边缘侧油动机状态监测系统开发 |
6.4.2 边缘侧与云端和设备端之间数据通讯 |
6.5 油动机云平台数据挖掘层云服务功能开发 |
6.5.1 人工智能服务架构AFS云服务 |
6.5.2 数据可视化Visualization云服务 |
6.5.3 设备性能管理APM云服务 |
6.5.4 基于AFS云服务的油动机故障诊断模型迁移部署 |
6.6 本章小结 |
结论 |
参考文献 |
攻读博士学位期间承担的科研任务与主要成果 |
致谢 |
(8)3D打印技术专业“三教”改革探索(论文提纲范文)
引言 |
1 3D打印技术专业“三教”面临的突出问题 |
1.1 师资团队的教学素养相对偏差 |
1.2 3D打印技术专业教材不成体系,资源匮乏 |
1.3 教法难以提升学生参与的主动性 |
2 3D打印技术应用专业“三教”改革措施 |
2.1 通过“名师引领、双元结构、分工协作”的准则塑造团队 |
2.1.1 依托有较强影响力的带头人,有效开发名师所具备的引领示范效果 |
2.1.2 邀请大师授教,提升人才的技术与技能水准 |
2.2 推进“学生主体、育训结合、因材施教”的教材变革 |
2.2.1 设计活页式3D打印教材 |
2.2.2 灵活使用信息化技术,形成立体化的教学 |
2.3 创新推行“三个课堂”教学模式,推进教法改革 |
2.3.1 采取线上、线下的混合式教法 |
2.3.2 构建与推进更具创新性的“三个课堂”模式 |
(9)基于EL冷光线的数控机床电气故障可视化高效排查方法研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 研究背景 |
1.2 国内外研究现状及发展动态分析 |
1.3 常用数控机床电气设备故障诊断技术 |
1.3.1 电气故障的分类 |
1.3.2 排除电气故障的一般步骤 |
1.3.3 电气故障诊断的方法 |
1.4 论文主要研究内容 |
第2章 基于马尔可夫离散概率的数控机床设备电气故障排查时间模型 |
2.1 马尔可夫离散概率原理 |
2.2 基于马尔可夫离散概率理论建立数控机床设备电气故障排查时间模型 |
2.2.1 数控机床设备典型电气系统 |
2.2.2 针对典型电气系统建立故障排查时间模型 |
2.3 影响数控机床设备电气故障排查时间的关键因素分析 |
2.4 基于故障排查关键因素提出解决方案 |
2.5 本章小结 |
第3章 EL冷光线技术在数控机床诊断中的可行性分析 |
3.1 EL冷光线技术原理 |
3.2 基于EL冷光线技术的故障诊断机理 |
3.3 EL冷光线的热效应分析 |
3.3.1 热效应计算 |
3.3.2 温升百分比 |
3.4 EL冷光线寿命计算 |
3.4.1 活化能E的确定 |
3.4.2 热老化寿命计算 |
3.5 EL冷光线在数控机床诊断中的可行性分析 |
3.5.1 普通机床导线与EL冷光线寿命及热效应对比分析 |
3.5.2 EL冷光线寿命及热效应 |
3.5.3 普通机床导线与EL冷光线额定电流的对比分析 |
3.6 本章小结 |
第4章 基于EL冷光线技术的数控机床电气故障排查效能分析 |
4.1 EL冷光线在数控机床中的硬件设计 |
4.1.1 电压匹配性方案 |
4.1.2 驱动器设计 |
4.1.3 EL冷光线接线方法 |
4.1.4 EL冷光线在数控机床实际接线中的应用 |
4.2 应用EL冷光线技术的数控机床设备故障试验 |
4.2.1 试验方案 |
4.2.2 试验装置 |
4.2.3 试验材料 |
4.2.4 试验结果 |
4.3 应用EL冷光线技术的数控机床设备效率试验 |
4.3.1 试验方案 |
4.3.2 单点位故障排查过程及效率分析 |
4.3.3 多点位故障排查过程及效率分析 |
4.4 本章小结 |
第5章 总结及展望 |
5.1 总结 |
5.2 展望 |
致谢 |
参考文献 |
攻读学位期间成果 |
A.作者在攻读硕士学位期间发表的论文 |
B.作者在攻读硕士学位期间申请的专利 |
(10)烟气轮机转子结垢振动特性分析及诊断方法研究(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 研究背景与意义 |
1.2 烟气轮机简介及其故障研究现状 |
1.2.1 烟气轮机及其工况简介 |
1.2.2 烟机结垢机理研究 |
1.2.3 烟机结垢引起的振动故障研究 |
1.3 旋转机械振动信号分析研究现状 |
1.3.1 小波降噪 |
1.3.2 加速度积分 |
1.3.3 二维全息谱分析 |
1.4 烟气轮机监测系统研究现状 |
1.4.1 旋转机械监测系统的发展 |
1.4.2 虚拟仪器简介 |
1.4.3 基于LabVIEW的远程监测系统应用研究 |
1.5 论文主要研究内容和技术路线 |
1.5.1 论文主要研究内容 |
1.5.2 总体思路和技术路线图 |
第二章 基于LabVIEW的烟机转子振动分析方法及监测系统设计 |
2.1 系统需求分析 |
2.2 系统总体设计思路 |
2.3 测试硬件选择和测点布置 |
2.3.1 振动相关理论概述 |
2.3.2 加速度传感器及其信号调理设备的选型 |
2.3.3 转速测量和键相传感器选型 |
2.3.4 数据采集卡选型 |
2.3.5 测点布置及硬件连接 |
2.4 系统通信设计 |
2.4.1 网络通信协议 |
2.4.2 网络结构体系 |
2.4.3 网络发布流程 |
2.5 系统程序编写和GUI设计 |
2.5.1 软件前面板GUI设计 |
2.5.2 功能实现和程序框图编写 |
2.5.3 LabVIEW与 MATLAB的联合编程 |
2.5.4 其他相关设计 |
2.6 本章小结 |
第三章 烟气轮机现场振动测试及模拟试验设计 |
3.1 监测系统验证测试和现场振动数据采集 |
3.1.1 烟气轮机振动实测 |
3.1.2 系统功能测试 |
3.2 现场烟机振动数据分析 |
3.2.1 振动幅值分析 |
3.2.2 振动频谱分析 |
3.2.3 AB炼化烟机振动定期追踪 |
3.3 振动试验台搭建 |
3.3.1 转子设计 |
3.3.2 试验台搭建 |
3.3.3 试验内容 |
3.4 转子不平衡振动模型建立及其试验方法 |
3.4.1 垢块脱落物理过程 |
3.4.2 不平衡振动微分方程 |
3.4.3 模拟不平衡试验方法 |
3.5 转子动静碰摩振动模型建立及其试验方法 |
3.5.1 围带结垢导致转子动静碰摩的物理过程 |
3.5.2 烟机转子碰摩振动微分方程 |
3.5.3 模拟碰摩试验方法 |
3.6 本章小结 |
第四章 烟机转子不平衡和碰摩振动特性模拟试验结果分析 |
4.1 动叶结垢引起的转子不平衡振动特性分析 |
4.1.1 事前分析 |
4.1.2 事后分析 |
4.2 围带结垢引起的转子动静碰摩振动特性分析 |
4.2.1 事前分析 |
4.2.3 事后分析 |
4.3 本章小结 |
第五章 结论与展望 |
5.1 全文总结 |
5.2 不足与展望 |
参考文献 |
附录 |
攻读硕士学位期间获得的学术成果 |
致谢 |
四、虚拟仪器技术在远程故障诊断中的应用(论文参考文献)
- [1]车辆状态监测与故障诊断新方法研究[D]. 刘应吉. 东北大学, 2008(06)
- [2]旋转机械远程监测和智能故障诊断系统的应用研究[D]. 殷国华. 汕头大学, 2008(03)
- [3]基于虚拟仪器的远程监测与诊断系统研究及开发[D]. 肖高权. 东北大学, 2008(03)
- [4]民航发动机远程故障诊断技术研究[D]. 张天宏. 南京航空航天大学, 2001(01)
- [5]基于虚拟仪器的远程状态监测与故障诊断技术的研究[D]. 康静. 天津大学, 2007(05)
- [6]卧式冷室压铸机工作状态监测系统的研究[D]. 李宝慧. 华北理工大学, 2020(01)
- [7]工业互联网+油动机液压系统状态监测与故障诊断研究[D]. 雷亚飞. 燕山大学, 2020
- [8]3D打印技术专业“三教”改革探索[J]. 刘森,张书维,侯玉洁. 数码世界, 2020(04)
- [9]基于EL冷光线的数控机床电气故障可视化高效排查方法研究[D]. 谢贺年. 西安工程大学, 2018(12)
- [10]烟气轮机转子结垢振动特性分析及诊断方法研究[D]. 严磊. 中国石油大学(华东), 2018(07)