论文部分内容阅读
工业缝纫机是现代服装工业中不可或缺的重要设备,缝纫机转速的提高增大了它的振动与噪声,这样对缝纫机进行动态测试就有了实际意义。在常规缝纫机测试中,实际测试仪器众多复杂,需要耗费大量的人力物力,而此时虚拟仪器正在逐渐成为测试领域的发展方向,为此本文采用LabVIEW软件为开发平台,结合MATLAB软件配以必要的传感器、信号调理器和数据采集卡等硬件组成的振动测试分析系统,实现了对缝纫机信号的采集、处理与分析的目的。本文主要完成了以下几方面的工作:1、总结了我国缝纫机产业的发展状况,介绍了缝纫机的振动特点,振动噪声发生的部位,振动测试分析技术的相关知识,为系统的开发提供了理论基础。2、软件基本处理功能的实现,主要由时域、频域、幅域、时频联合分析组成,包括数字滤波、加窗、自相关,互相关处理、统计量的实时显示:基于FFT的自功率谱、互功率谱、倒频谱分析;基于STFT分析的联合时频分析等。3、测试信号的小波与小波包分析,对缝纫机进行状态测试从本质上是一个对它的运行状态模式的识别问题,关键就在于故障信号的特征提取,针对缝纫机振动的多激励性与故障诊断的复杂性的特点,通过对缝纫机振动信号进行小波包分解,研究了故障信号在小波包分解下的故障特征,提取各频段能量的归一化后的参数送入RBF神经网络进行训练,对样本数据进行诊断,试验结果表明此种方法可以有效地识别缝纫机的工作状态。4、测试信号的EMD分析,详细介绍了EMD变换的基本原理,说明了瞬时频率和IMF函数的概念,给出了经验模式分解的具体步骤,并用仿真信号验证了它的有效性。EMD不同于小波分析方法,它的分解频段是不等带宽的,即IMF的能量值不同于等带宽小波包能量值;定义了基于EMD的奇异值熵,验证了它不受采样频率的影响具有稳定性的优点;计算了基于混沌分形方法的关联维数;在基于RBF神经网络的状态测试中,综合运用了上述的特征向量对缝纫机的状态进行诊断,为缝纫机的动态测试诊断开辟了新的思路。