【基于RNN的轴承故障诊断系统设计分析案例1700字】

VII基于RNN的轴承故障诊断系统设计分析案例目录TOC\o"1-3"\h\u5629基于RNN的轴承故障诊断系统设计分析案例 174221.1故障诊断系统的设计 153601.2传感器选型 2187901.3故障诊断系统框架搭建 41.1故障诊断系统的设计本文使用Labview图形化编程语言进行故障诊断系统的搭建，Labview是由美国国家仪器公司开发的一种类似C和BASIC的开发环境。Labview与其他编程语言有三个显著区别。首先Labview是基于程序框图面板画图进行编程，不同与其他语言使用文本编程。其次，Labview的程序运行是并行运行，而其他语言如C语言则是顺序运行。最后，Labview是基于数据流运行的，这与其他语言基于文本运行有很大不同。在Labview编程过程中，会将程序分为两部分，一部分使用前面板程序设计，一部分使用后面板程序框图设计。前面板添加我们所需要使用的控件，后面板负责进行控件的连接和计算以及函数配置。前面板和后面板分别如图4-1和图4-2所示：图4-1前面板展示图4-2后面板展示本次设计系统框图如图4-3所示：图4-3轴承诊断系统框图1.2传感器选型本文是基于凯斯西储大学的轴承故障数据集训练出的RNN算法模型，因此以数据集为基础选择合适的传感器。参考数据采用负载为0马力，1马力，2马力和3马力；损伤部位为内圈，外圈，滚动体和正常的10种不同损伤等级数据，如表4-1所示：表4-1参考数据展示标签故障等级故障直径/mm负载a/hp负载b/hp负载c/hp负载d/hp1正常001232内圈轻微0.1801233内圈中等0.3601234内圈严重0.5401235外圈轻微0.1801236外圈中等0.3601237外圈严重0.5401238滚动体轻微0.1801239滚动体中等0.36012310滚动体严重0.540123出于经济和泛用性考虑，我选择使用YD系列压电式加速度传感器。压电式加速度传感器具有动态范围大、监测频率范围宽、材料结构不易损坏、受外界干扰小等优点。最重要的是该传感器所使用的压电材料无需使用任何外在电源，自受力即可输出电荷信号，既避免了产生对轴承的电腐蚀，又减少了使用成本。其具体参数如表4-2所示：表4-2压电式加速度传感器参数型号YD-302灵敏度/V/ms-20.5频率范围/HZ0.2-2000安装谐振点/HZ7.5K量程/ms-210分辨率/ms-20.00004重量/g120几何尺寸/mm六方30X30X27输出方式侧端L5输出1.3故障诊断系统框架搭建本系统基于Labview进行故障诊断系统框架搭建，其主要程序分为前面板和程序框架。其中前面板主要用于振动信号的采集显示和控制，程序框架连接实现程序的各个功能和模块的连接。前面板左侧为参数设置区域，包括加窗模式、采样模式、采样速率、每通道采样数等具体参数，便于采集过程中及时调整。右侧为结果显示区域，包括振动信号的波形，时域分析和频谱分析。系统前面板如图4-4所示。图4-4系统前面板系统框图包括四个部分，分别是振动信号采集及保存、振动信号转换波形图、信号时域分析及频域分析、故障诊断。下文将一一介绍。第一部分振动信号采集及保存的系统框图如图4-5所示。图4-5振动信号采集及数据保存轴承振动数据经传感器和数据采集卡采集后，输入DAQ创建通道，由于传感器输出电压信号，因此多态vi选择器选用AI电压。信号从创建通道输出至采样时钟，每通道采样、采样模式、采样速率等参数可借由前面板进行调节。信号经过开始任务模块后输入DAQmx读取并对信号进行加窗处理，加窗类型为无符号双字节16位整型。到达规定时间后，按下布尔元件停止采集并保存采集数据。第二部分振动信号转换波形图的系统框图如图4-6所示。图4-6振动信号转换波形图采集数据文件为文本格式，读取采集数据文件将其转换为字符串并对其正则化。在匹配模式下添加偏移量，用于限制while循环的次数以控制采集信号的数量。随后利用数值转换模块将字符串转换为双精度64位数值，再将其输出至波形图模块绘出其实时波形图。第三部分信号时域分析及频域分析的系统框图如图4-7所示图4-7信号时域分析及频域分析实时波形输出为1D数组，经由转换模块将其转换为动态数据输入至幅值和电平测量模块，并输出周期平均，周期均方根，峰值等数据。数据还可经由自相关，相位等模块得到对应的波形可供参考。第四部分故障诊断部分的系统框图如图4-8所示。图4-8故障诊断自Labview2018版本后便支持直接调用python库，右键系统框图，在互连接口选项中点击python图标，放入打开python会话模块并标注本文使用的python版本3.6。接着放入python节点模块，python节点模块如图4-9所示。图4-9python节点模块在模块路径中放入训练完成的RNN算法代码