故障诊断毕业论文_故障诊断技术研究与应用
故障诊断技术很重要。工厂的机器会坏。坏了就会停产。停产就会损失钱。快速找到问题很关键。传统方法靠老师傅。老师傅听声音摸温度。老师傅经验多。但老师傅会退休。年轻人经验少。我们需要新方法。新方法用传感器。传感器收集数据。数据传到电脑。电脑分析数据。电脑告诉哪里坏了。这样修得快。损失就少了。
这篇论文研究这个问题。我们想找到好办法。我们想让机器自己发现问题。机器自己发现问题就是智能诊断。智能诊断是方向。我们看旋转机器。旋转机器很多。比如发电机比如鼓风机。它们有轴承。轴承容易坏。轴承坏了机器就不转。我们监测轴承的状态。我们测量振动信号。振动信号包含信息。健康的机器振动小。有问题的机器振动大。振动信号看起来乱。其实里面有规律。我们找这个规律。
我们收集很多数据。好轴承的数据。坏轴承的数据。坏轴承有不同坏法。比如内圈坏了。比如外圈坏了。比如滚珠坏了。每种坏法振动不一样。我们记录这些振动。振动是波形。波形很长。我们看不明白。我们需要特征。特征就是关键信息。我们提取特征。比如计算振动的能量。比如计算振动的峰值。比如计算振动的频率。频率很重要。不同故障有不同频率。我们知道故障频率公式。我们算算振动里有没有这些频率。有就说明坏了。
光靠频率不够。有时候信号太乱。故障频率看不清。我们需要更厉害的方法。我们用机器学习。机器学习是电脑自己学习。我们给电脑很多例子。这个是好的振动数据。这个是内圈坏的数据。这个是外圈坏的数据。电脑看很多例子。电脑自己找规律。电脑学会分辨故障。我们测试电脑。给电脑新数据。电脑说这是什么故障。我们说对还是错。电脑越来越准。
我们用了深度学习。深度学习更聪明。它像人脑神经网络。它自己从原始数据学特征。我们不用手动提特征。我们把振动波形直接给它。它自己看波形。它自己学出好特征。它自己判断故障。我们试了卷积神经网络。卷积神经网络看图像很厉害。我们把振动信号变图像。变成频谱图。频谱图显示频率和能量。故障在频谱图上很清楚。电脑看频谱图。电脑认故障很快很准。
我们做实验验证。我们在实验室搞个小转子。我们装好轴承。我们让转子转。我们测量振动。我们先测好轴承的数据。我们再把轴承弄坏。我们弄坏内圈。测数据。我们弄坏外圈。测数据。我们弄坏滚珠。测数据。我们收集了全部数据。我们用这些数据训练电脑。我们拿一部分数据训练。留一部分数据测试。训练就是让电脑学。测试就是考电脑。
训练完了我们看结果。电脑很厉害。电脑认故障准确率高。比传统方法高。比手动提特征的方法高。我们很满意。这个方法有用。工厂可以用这个方法。工厂装传感器。传感器连电脑。电脑实时看数据。电脑实时判断。机器要坏了它就报警。工人提前修。不会突然停机。生产更顺利。
这个方法也有缺点。需要很多数据。需要好电脑。小工厂可能用不起。数据少了不准。我们要更多数据。我们要更简单的模型。我们还要研究。未来会更好。故障诊断会越来越智能。机器自己照顾自己。人就更轻松了。