基于DSP-SVM的风电齿轮箱故障诊断系统

【摘要】：本文针对风电齿轮箱的故障诊断问题,分析了风电齿轮箱的常见故障及其形成机理、利用频域和时域特征量进行故障诊断的方法和支持向量机(SVM)理论,并以此作为理论基础,搭建了基于DSP-SVM的风电齿轮箱故障诊断系统。该系统充分发挥了支持向量机技术和嵌入式技术的优势,实现了信号的采集和处理,以及风电齿轮箱故障的自动识别。在研究的过程中,利用支持向量机软件包Libsvm在DSP芯片TMS320F28335中实现了支持向量机算法。文中分析了Libsvm代码的结构,详细论述了移植Libsvm的方法,并给出了在移植过程中需要注意的问题的解决方案。并且在移植代码成功后进行了两个验证实验,结果表明支持向量机能在芯片中正常运行,其预测分类的结果与在PC中的运行结果一致。在随后的工作中,加入了信号采集模块、信号调理模块、模数转换(AD)模块、信号处理模块和数据传输模块,使整个系统得到了完善;搭建了行星齿轮箱实验平台模拟风电齿轮箱的工作环境,对整个故障诊断系统进行了验证实验。实验结果表明,基于DSP-SVM的风电齿轮箱故障诊断系统能够对行星齿轮箱的故障识别表现出较高的正确率。本系统能应用于风电齿轮箱的故障诊断中,对丰富故障诊断技术具有实际的意义。 【关键词】：故障诊断 齿轮箱 嵌入式 支持向量机
【学位授予单位】：中北大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TM315;TH132.41
【目录】：

• 摘要4-5
• Abstract5-9
• 第一章 绪论9-14
• 1.1 研究背景和意义9-10
• 1.2 故障诊断技术的发展及现状10-11
• 1.3 嵌入式技术在故障诊断中的发展现状11-12
• 1.4 本论文的主要研究内容12-14
• 第二章 风电齿轮箱常见失效形式及故障特征14-24
• 2.1 概述14
• 2.2 风电齿轮箱结构及故障类型14-17
• 2.3 信号和特征量的选择17-23
• 2.3.1 时域的特征分析17-19
• 2.3.2 频域的特征分析19-20
• 2.3.3 统计量对故障特征的描述20-23
• 2.4 本章小结23-24
• 第三章 支持向量机原理及在DSP中的实现24-44
• 3.1 概述24
• 3.2 支持向量机原理24-27
• 3.2.1 支持向量机的基本思想24-25
• 3.2.2 最优超平面25-27
• 3.3 线性支持向量机27-28
• 3.4 非线性支持向量机28-29
• 3.5 支持向量机的算法实现29-31
• 3.6 支持向量机在DSP中的实现31-39
• 3.6.1 Libsvm代码分析31-33
• 3.6.2 代码移植问题及解决方案33-39
• 3.7 支持向量机在DSP中运行实验39-43
• 3.7.1 多分量测试数据的实验39-41
• 3.7.2 利用实测数据的实验41-43
• 3.8 本章小结43-44
• 第四章 基于DSP-SVM的故障诊断系统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 传感器46-47
• 4.2.3 信号调理模块和AD模块47
• 4.2.4 外扩存储器模块和SD卡模块47-49
• 4.2.5 通信模块49
• 4.3 软件部分49-57
• 4.3.1 硬件驱动51
• 4.3.2 采集程序51-53
• 4.3.3 滤波程序53-56
• 4.3.4 求统计量程序56
• 4.3.5 通信程序56
• 4.3.6 支持向量机程序56-57
• 4.4 PC程序57-58
• 4.5 本章小结58-59
• 第五章 行星齿轮箱故障诊断实验59-68
• 5.1 概述59-60
• 5.2 实验过程60-67
• 5.3 本章小结67-68
• 第六章 总结与展望68-70
• 6.1 论文工作总结68
• 6.2 经验教训和展望68-70
• 参考文献70-75
• 攻读硕士学位期间所取得的研究成果75-76
• 致谢76-77

您可以在本站搜索以下学术论文文献来了解更多相关内容

独立分量分析在齿轮箱故障诊断中的应用    黄晋英;毕世华;潘宏侠;杨喜旺;

高速齿轮箱故障诊断技术及其诊断系统通过鉴定    一民

齿轮箱故障诊断方法    戴丽杰;

齿轮箱故障诊断技术的新发展    高国华 ,张永忠

基于系统特性的齿轮箱故障诊断    高永生;唐力伟;王建华;金海薇;

齿轮箱故障诊断技术现状及展望    魏秀业;潘宏侠;

基于关联距离熵的齿轮箱故障诊断    邢士勇;金海薇;郑海起;唐力伟;

一种基于支持向量机的齿轮箱故障诊断方法    吴德会;

空分457齿轮箱故障诊断    王华;包磊;宋昊明;郭颖;叶伟;

基于倒频谱特征提取的齿轮箱故障诊断    朱有剑;李建;

基于人工神经网络技术的齿轮箱故障诊断应用研究    蔡安江;豆卫涛;柴彦昌;孙少军;

基于系统特性的齿轮箱故障诊断    高永生;唐力伟;甘霖;杨通强;

基于灰色聚类决策的齿轮箱故障诊断    李爱民;

循环自相关函数在齿轮箱故障诊断中的应用    金大玮;李建桥;贾民平;

LWPEE与SVM在风电齿轮箱故障诊断中的应用    董海江;赵春华;万诗庆;汪伟;

基于多传感器信息融合的行星齿轮箱故障诊断    雷亚国;林京;何正嘉;

基于滤波技术和粒子群优化的齿轮箱故障诊断研究    许昕

小波分析及其在齿轮箱故障诊断中应用研究    焦新涛

齿轮箱故障诊断的小波包-ICA分析方法    李猷凤

基于自适应振动信号处理的齿轮箱故障诊断研究    鄢小安

基于粒子滤波的齿轮箱故障诊断    李楠

基于数据挖掘技术在齿轮箱故障诊断的应用    张韶

基于神经网络的齿轮箱故障诊断研究    李国明

基于DSP-SVM的风电齿轮箱故障诊断系统    卢昆鹏

基于DSP和TQWT稀疏分解的风电齿轮箱故障诊断系统    马凌芝

基于虚拟仪器的大型高速齿轮箱故障诊断系统研究    陈晗霄

传动齿轮箱故障诊断系统研究    杨成

基于粒子群优化与支持向量机的齿轮箱故障诊断研究    范江东