發(fā)布時間：2020-08-04 21:40

【摘要】：由于許多行業(yè)對減速電機的需求正在日益提高,國內減速電機生產企業(yè)需要提高減速電機的生產效率。目前國內企業(yè)普遍使用人工檢測方式對減速電機,特別是微型齒輪減速直流電機進行故障診斷,這種方式不僅限制企業(yè)的生產效率,而且容易導致誤檢漏檢。以JL-12FN20-37型號齒輪減速直流電機為例,本文結合了電機故障診斷理論和深度學習理論,研究并實現了一套微型齒輪減速直流電機的故障檢測系統(tǒng),該系統(tǒng)是基于卷積神經網絡框架實現,通過分析JL-12FN20-37型號齒輪減速直流電機的振動信號來實現高效的故障檢測,具有一定應用價值。本文的工作主要包括以下三個部分:(1)振動信號的特征提取與選擇:就本文所設計的故障檢測系統(tǒng)而言,合適的JL-12FN20-37型號齒輪減速直流電機的振動信號特征是研究的關鍵。所以本文運用基于短時傅里葉變換,基于希爾伯特黃變換和基于1/3倍頻程譜-主成分分析這三種特征提取方法對電機的非平穩(wěn)時變振動信號進行特征提取。經過實驗分析,通過這三種特征提取的方法所獲得的振動信號特征都具備信息不冗長、區(qū)分度較高等特點,適合作為故障檢測分類模型的輸入特征。(2)故障檢測分類模型的研究:首先本文搭建了基于支持向量數據描述的故障檢測分類模型作為實驗的比較基準;其次設計了兩款基于深度學習的故障檢測分類模型,其中一款是基于卷積神經網絡的分類模型,通過改進經典卷積神經網絡模型參數和加入包括誤檢懲罰項和多段檢測在內的五種優(yōu)化結構,分類模型的準確率和精確率有所提高。另外一款是基于長短期記憶神經網絡的故障檢測分類模型,在加入包括循環(huán)連接方向的隨機失活在內的四種優(yōu)化結構后,分類模型的識別性能也得到較高提升。最后通過分析對比實驗結果,本文選擇結果更優(yōu)的卷積神經網絡分類模型作為故障檢測系統(tǒng)的分類模型。(3)JL-12FN20-37型號齒輪減速直流電機的故障檢測系統(tǒng)的實現:首先,在系統(tǒng)硬件方面,本文根據硬件性能和實現要求完成了對直流電源、振動傳感器等硬件設備的選型,并設計了基于彈簧減震框架的電機測量平臺,有助于減少外部振動源對電機信號測量的干擾;其次,在系統(tǒng)軟件方面,本文為故障檢測系統(tǒng)設計了操作簡便的圖形用戶界面;最后通過實際測試對本系統(tǒng)的優(yōu)劣進行評價。
【學位授予單位】：華南理工大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：TM33;TP18
【圖文】：

圖 1-2 各類減速電機。而這些都是因為國內減速機行業(yè)存在獨有的問題所引起。比如國內絕大部分企規(guī)模較小，限制了國內企業(yè)開發(fā)能力，導致產品更新周期長，影響著企業(yè)產品的爭力和發(fā)展腳步。另外，國內的減速機行業(yè)的產品生產質量參差不齊，可靠性和直在國內外市場不高，導致不少企業(yè)失去部分市場。但究其根本，是我國減速機基礎技術研究不足，相關聯的行業(yè)技術水平不足等導致，如國內傳動基礎期間應夠好，高端齒輪材料、熱處理技術、傳動系統(tǒng)動力研究等與國外技術差距仍有較。以小見大，在國內絕大部分中小小型齒輪減速電機生產行業(yè)中，除了對自家產幾個硬性指標轉速、轉矩、溫升等進行專業(yè)設備的測量外，還要對噪聲和振動進。由于國內齒輪減速機種類繁多復雜以及行業(yè)硬性硬性指標未明，國內普遍做法人工方式進行產品質檢，即在噪聲和振動方面通過雙手感知電機和減速機空載的及用耳朵聆聽整體空載噪聲來進行綜合判斷產品是否合格。這種落后低效的方法

圖 1-3 四種微型齒輪減速直流電機品質檢控的效率和質量，這將成為齒輪減速電機企業(yè)能否創(chuàng)造可觀持續(xù)的要問題之一。般齒輪減速電機品質檢控的內容包括幾種硬性參數指標，如產品的空載電、空載轉速、負載轉速、啟動電壓及峰值、負載扭力曲線等。這些檢測項些電機檢測設備進行測量,特別的，負載扭力曲線的測量可以根據實際產品產品的檢測設備，如圖 1-4 是某企業(yè)為特定型號微型齒輪減速直流電機自檢測設備，可以通過產品驅動磁粉制動器來檢測產品的扭力是否符合要求產品品可快速手動更換產品的電機或減速器部件。除了上述的電機參數質檢控還包括了噪聲和振動檢測這兩方面。但是，關于這方面的檢測國內尚未擁有成熟自動化的檢測設備，其主要面臨的困難在于國內齒輪減速電多，不同產品間出現故障時的噪聲和振動是復雜多樣的，沒有通用設備進

圖 1-4 負載扭矩檢測裝置研究意義，減速電機產業(yè)在國內日益增長的需求下不停地擴張市場自研自產面對不同需求的齒輪減速電機產品。由前面章節(jié)內部分中小企業(yè)擁有一定程度自主研發(fā)能力，但是在面臨大規(guī)地進行齒輪減速電機的噪聲和振動方面的品質檢測，而這兩具體部件是否存在故障的重要檢測項目之一。所以研發(fā)一套面的檢測設備是極為重要的，一方面這種設備或者方案能取品的生產成本，提高減速電機的檢測效率，另一方面也提高確率，保證企業(yè)生產中齒輪減速電機的產品合格率。究了數字信號處理、模式識別、電機故障診斷、深度學習程方法和分類模型方案的優(yōu)劣，最終將基于短時傅里葉變換

【參考文獻】

相關期刊論文 前10條

1 羅炳聰;樊可清;陳英武;;小型電機生產過程在線品質檢測方法研究[J];測控技術;2015年12期

2 耶曉東;;HHT方法在軸承故障診斷中的應用[J];陜西理工學院學報(自然科學版);2012年04期

3 覃慧;南江紅;;旋轉機械故障診斷的時頻分析方法比較[J];科學技術與工程;2011年09期

4 吳定海;張培林;任國全;陳非;;基于支持向量的單類分類方法綜述[J];計算機工程;2011年05期

5 李晗;蕭德云;;基于數據驅動的故障診斷方法綜述[J];控制與決策;2011年01期

6 董玉才;楊萬利;張玲;易良海;曹蘇娜;;基于偏最小二乘法的兩棲突擊車液壓馬達故障診斷[J];機床與液壓;2010年21期

7 趙文浩;閻威武;;基于數據驅動的故障診斷研究[J];微計算機信息;2010年28期

8 丘東元;彭錦鳳;張波;;電力電子變換器結構性故障的有向圖論診斷方法[J];電機與控制學報;2010年08期

9 薛寒;謝利理;葉留義;;基于模糊推理的電機故障診斷專家系統(tǒng)研究[J];計算機測量與控制;2010年01期

10 孫麗;趙希;;基于人工神經網絡的電機故障診斷研究[J];科技資訊;2008年12期

本文編號：2781116