论文部分内容阅读
旋转机械故障会带来巨大的经济损失,如果能在旋转机械故障刚发生时及时诊断出故障类型及故障位置可以避免出现机械事故,同时为旋转机械的维护,零件更换提供指导意见。对于分布广,监测点多的旋转机械,例如风电,水电等,单机版的故障诊断局限性大,便利性差,需要开发网络化的故障诊断系统,实现对这类机械进行远程故障诊断。相对于B/S架构而言,C/S架构具有更好的数据传输能力,服务器负载更小,信息安全性更高。因此,本文开展了基于C/S架构的旋转机械故障诊断系统的设计,具体工作如下:进行了基于C/S架构的旋转机械故障诊断系统的总体方案设计。针对系统的总体需求进行了分析,特别是进行了系统的数据库模块需求和故障诊断模块需求分析。在此基础上利用模块化思想,对系统各模块分别进行了方案设计,包括网络化的数据采集,通过局域网连接其他模块实现数据传输;远程状态监测,在局域网下实时监测旋转机械,确保正常运转;网络化故障诊断,客户端通过访问数据库服务器故障样本对异常数据实现故障诊断;数据库服务器,存储数据以及相关信息,在局域网下被其他模块访问。本文的工作主要是数据库模块和故障诊断模块的设计。对基于C/S架构的旋转机械故障诊断系统数据库模块进行设计。包括数据库的数据来源,采集模块通过局域网实现远程数据采集到数据库服务器;故障样本库的构建,远程监测模块通过网络对采集的控制,数据库服务器的管理,以异常数据构建故障样本库。对数据库模块进行了数据库模块结构设计,逻辑结构设计,实现远程数据库模块的网络化访问。对数据库的数据表进行设计,数据库操作的各个模块的设计,如远程客户端对数据库的管理,数据浏览,用户管理等。对基于C/S架构的旋转机械故障诊断系统的故障诊断模块功能设计。分不同的功能模块,将各种不同的信号处理方法,故障识别方法集成到客户端对应的功能模块中实现网络化故障诊断。设计预处理功能集成了小波降噪,EMD降噪,相空间重构降噪方法。特征提取功能集成了时域频域特征,小波包能量谱特征,混合域特征等。维数约简功能集成了PCA,KPCA,流形学习系列算法。模式识别中集成了神经网络,支持向量机及K-最近邻。便于通过对不同方法的选择实现远程故障诊断,以此实现利用各种方法对信号处理,以便选择更好的方法。开发了一套具有自主知识产权的基于C/S架构的旋转机械故障诊断系统,实现了从网络化监测到故障数据库建立以及利用数据库进行故障诊断。最后结合动力传动故障诊断综合实验台对基于C/S架构的旋转机械故障诊断系统操作及验证。