论文部分内容阅读
在机械设备或系统的使用过程中,故障诊断是必不可少的环节。传统的故障检测技术往往只停留在“故障检测和诊断”阶段,并且故障检测办法只能针对单一的设备,缺乏系统性。其中应用的互联网技术仅局限于进行数据传输,并没有进行现场的实时数据采集。设备的检测系统大都是成型的软件,升级时将面临大量的重复代码工作。论文根据现有的故障诊断系统存在的局限性,从四个方面对设备健康管理系统进行研究。论文以物联网模型为基础建立系统方案,从理论方面对传感器网络的组网进行了分析研究。在数据传输方面,设计了网络协议为基础的传输方案和基于数据库访问的传输方案,并分别实现两种方案进行测试对比,确定了通过远程访问数据库进行数据传输的方案,并将其程序代码融入到系统软件中。系统软件方面,采用以“插件/平台”模式为基础的软件结构,并且通过编程实现了插件框架。故障检测和预测方面,论文通过研究相关故障检测和预测算法,对比专家系统和人工神经网络两种方法的原理、实现条件及可行性分析,确定了采用人工神经网络的算法方案。结合系统所要检测的系统和设备,编程实现了基于SOM神经网络的故障检测算法以及基于Elman神经网络的故障预测算法。并通过在实验室建模拟测试环境,对系统进行功能检验与测试。论文设计完成了基于物联网的设备健康管理系统的原型。通过传感器网络对数据进行实时采集,并通过物联网将检测数据实时传送至管理端的主控计算机进行分析处理。能实时监控设备的运行状态,还能根据设备近期的运行状况和检测数据,对设备的故障进行有效预测,便于在设备出现故障之前进行维护。采用的“插件/平台”模式的软件结构,将设备管理方案以插件的形式加载到系统中,既实现了系统对多个设备管理的支持,又能方便的对其进行更新和升级工作。