基于虚拟仪器的电机振动测试分析系统答辩PPT.ppt

基于虚拟仪器的电机 振动测试分析系统,答辩人：蒋威 指导教师：吴建华 教授,主要内容,相关背景介绍 电机振动测试系统设计 电机振动信号的采集和分析 支持向量机与电机故障诊断 总结与展望,相关背景介绍,电机振动的研究 已有较为系统的总结 新的技术不断应用到电机振动的研究 电机振动测试分析系统的应用前景 目前存在的局限性 一般的传统分析仪器功能较差，专用的先进 分析仪器价格昂贵,电机振动测试系统设计,虚拟仪器技术 National Instruments 提出“软件即仪器” 虚拟仪器技术充分利用了PC技术 虚拟仪器技术与工程测试 虚拟仪器技术在工程测试领域得到了广泛应用 图形编程模式非常适合于工程应用,电机振动测试系统设计,LabVIEW软件平台 NI推出，是目前应用最广泛的虚拟软件开发平台，LabVIEW程序称为VI，由面板和程序两部分构成，是一种图形化编程语言,电机振动测试系统设计,电机振动测试虚拟仪器系统硬件构成 采用PC-DAQ虚拟仪器系统，最大程度上利用了现有的PC资源，是最为廉价的虚拟仪器系统。,电机振动测试系统设计,电机振动测试虚拟仪器系统软件构成,电机振动测试系统设计,MySQL数据管理 网络化测试需要实现数据的集中管理 MySQL的大对象数据格式适合数据采集,电机振动信号的采集和分析,电机振动信号的采集 电机振动信号的分析 傅里叶分析 时频分析 独立分量分析 退化盲源分离,电机振动信号的采集和分析,信号的采集是处理和分析的前提，其精确性决定了处理是否能成功 需要注意的问题：采集的方式，信号的匹配，抗混叠等,电机振动信号的采集和分析,傅里叶相关分析 特点和局限性,电机振动信号的采集和分析,时频分析之短时傅里叶和Gabor变换 特点：时频局域化,电机振动信号的采集和分析,时频分析之小波分析 振动分析的有力工具,电机振动信号的采集和分析,独立分量分析和退化盲源分离 重点在于源分离,支持向量机与电机故障诊断,电机故障诊断技术分类 电流分析法，MCSA 振动诊断 声频诊断 温度诊断 绝缘诊断 ,支持向量机与电机故障诊断,电机故障诊断理论 基于模型的方法 关键在于精确的数学模型的建立，通常难以得到 基于规则推论的方法 典型的如专家系统 模式识别 神经网络和支持向量机属于模式识别，目前研究的重点 特点和缺陷,支持向量机与电机故障诊断,电机故障诊断过程,支持向量机与电机故障诊断,特征提取方法 功率谱密度 统计量 MUSIC谱估计 基于小波包的能量统计特征 ,支持向量机与电机故障诊断,380V工况,200V正常状态,端盖松动,一相断路,基于小波包分析的统计能量特征提取,支持向量机与电机故障诊断,特征选择的概念 特征选择的重要性 如：故障频率通常表现在某一方面，提出无关频率的影响 与特征提取的区别,支持向量机与电机故障诊断,支持向量机应用于电机故障诊断 SVM的优点：小样本，SRM原则,支持向量机与电机故障诊断,电机故障诊断实验,支持向量机与电机故障诊断,目前故障诊断中存在的一个重要问题：样本不足 新的故障诊断方法：基于支持向量数据描述的多层分类器,总结与展望,面临的最大挑战：工程实际的应用 值得学习的例子：荷兰Del