基于Android平臺(tái)的滾動(dòng)軸承故障診斷技術(shù)的研究.pdf

1、冶金企業(yè)大型關(guān)鍵設(shè)備故障診斷的研究具有重要的理論意義和工程應(yīng)用價(jià)值。本文針對(duì)當(dāng)前冶金企業(yè)所使用的故障診斷儀存在著攜帶不便、測(cè)試方法單一、算法分析能力不強(qiáng)、不能及時(shí)進(jìn)行遠(yuǎn)程數(shù)據(jù)傳輸和故障診斷等問題，展開了對(duì)滾動(dòng)軸承故障特征的提取、智能診斷方法以及Android開發(fā)技術(shù)的研究，制作了一款現(xiàn)場(chǎng)數(shù)據(jù)采集分析儀，并開發(fā)了一套建立在Android手機(jī)上的故障診斷系統(tǒng)。
　　數(shù)據(jù)采集分析儀采用雙通道信號(hào)預(yù)處理電路，可較好地提取微弱沖擊信號(hào);采用

2、DSP(TMS320F28335)和WiFi(CC3200)模塊，可實(shí)現(xiàn)對(duì)大型裝備振動(dòng)信號(hào)的采集和分析，并通過WiFi傳輸?shù)紸ndroid手機(jī)端進(jìn)行現(xiàn)場(chǎng)診斷，或通過在線網(wǎng)絡(luò)使其它手機(jī)客戶端直接獲取故障信息，以實(shí)現(xiàn)遠(yuǎn)程故障診斷。
　　Android手機(jī)端可實(shí)現(xiàn)振動(dòng)數(shù)據(jù)的波形顯示、特征提取和綜合故障診斷。具體工作包括:
　　(1)軸承故障特征提取方法的研究。在傳統(tǒng)故障特征提取方法基礎(chǔ)上，研究了一種基于遺傳模擬退火算法的自適應(yīng)共振

3、解調(diào)特征提取方法，借助遺傳模擬退火算法的優(yōu)良全局尋優(yōu)特性，使得到提取復(fù)雜干擾噪聲中微弱故障沖擊信號(hào)的效果更加明顯。
　　(2)智能診斷方法的研究。故障診斷系統(tǒng)中建立了一種基于遺傳算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)故障診斷模型，充分利用了共振解調(diào)的降噪特性和遺傳算法的全局優(yōu)良尋優(yōu)特點(diǎn)，使得訓(xùn)練學(xué)習(xí)得到的模型參數(shù)較傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)更優(yōu)。然后將得到的模型運(yùn)用到Android手機(jī)智能故障診斷系統(tǒng)中，使得診斷結(jié)果更加智能、準(zhǔn)確。
　　該系統(tǒng)的各種