论文总字数：21505字

摘 要

电机在生产和生活中发挥着重要作用，随着工业自动化的发展，电机自动化故障检测具有重要意义。本文以角磨机为研究对象，以开发角磨机故障诊断系统为总体目标，将神经网络技术应用于角磨机故障模式识别，实现角磨机故障智能识别，提高诊断准确率。

论文通过麦克风采集角磨机运行时产生的噪声信号。对采集到的噪声信号进行5阶小波分解并计算其各频带的能量特征值。将得到的各频带能量值输入到BP神经网络中，从而实现对角磨机的故障诊断。论文利用MATLAB软件开发了基于声音分析的角磨机实时故障诊断软件和角磨机录音软件。角磨机录音软件采集所需要的大量数据。角磨机实时故障诊断软件具有声音信号采集与保存、信号预处理、小波分析、BP神经网络训练与故障诊断等功能，操作简单，方便。测试结果表明，采用小波分析提取声音特征参数，利用神经网络对角磨机进行故障识别，效果良好，准确率高(90.91%)。

关键词：故障诊断，小波变换，BP神经网络，MATLAB

Abstract

The motor in the production and life plays an important role. With the development of industrial automation, motor automation fault diagnosis is of great significance. In this paper, the angle grinder is used as the object of study, and the noise signal of the angle grinder is used to diagnose the angle grinder.

In this paper, the neural network technology is applied to fault diagnosis of the angle grinder to improve the diagnostic accuracy.Firstly, the noise signal of the angle grinder is collecting by microphone. Based on the signal analysis method, the energy characteristics of the noise signal in the multi-scale space are extracted by wavelet decomposition.Next, the extracted energy characteristic parameters are taken as the input feature vector of the neural network, and the neural network model is constructed to realize the fault diagnosis of the angle grinder.Finally, the fault diagnosis system of angle grinder based on noise analysis is developed by using MATLAB. The software system contains various functions,such as noise signal acquisition and preservation, signal preprocessing, wavelet analysis, BP neural network training and fault diagnosis and so on.This system is easy and convenience to operate.

The function of this system is verified by collecting real fault signal of the angle grinder. The experimental result indicates that the extracting method by using the wavelet transform to extract the characteristic parameters of the noise and the fault diagnosis by using BP neural network has good effects and has high accuracy.

Keywords: fault diagnosis, wavelet transform, BP neural network, matlab

目 录

摘要 I

Abstract III

目 录 V

第一章 绪论 1

1.1 论文研究背景和意义 1

1.2 电机故障诊断技术的发展与现状 1

1.3 论文主要研究内容 2

1.4 论文组织结构 3

第二章 小波变换理论及其在角磨机故障诊断中的应用 5

2.1 小波变换基本理论 5

2.1.1 小波变换概念 5

2.1.2 连续小波变换 5

2.1.3 离散小波变换 6

2.1.4 多分辨率分析 6

2.1.5 Mallat算法 8

2.2 小波变换在论文中的应用 9

2.2.1 角磨机振动信号的小波降噪处理 9

2.2.2 基于小波能量谱的角磨机故障信号特征提取 10

2.2.3 实验结果 10

2.3 本章小结 12

第三章 神经网络及其在角磨机故障诊断中的应用 13

3.1 神经网络基础 13

3.1.1 神经元模型 13

3.1.2 神经网络学习方法 13

3.2 BP神经网络 14

3.2.1 BP神经网络算法 14

3.2.2 BP神经网络缺陷 15

3.3 神经网络在论文中的应用 15

3.3.1 BP神经网络模型设计 16

3.3.2 实验结果 17

3.4 本章小结 20

第四章 故障诊断系统设计 21

4.1 系统整体设计方案 21

4.2 硬件设计实现 22

4.3 软件设计实现 23

4.3.1 角磨机录音软件 23

4.3.2 角磨机实时故障诊断软件 24

4.4 本章小结 28

第五章 系统测试与结果分析 29

5.1 测试准备——数据获取 29

5.2 RTFDS软件训练效果实验 29

5.3 RTFDS软件诊断效果实验 32

5.4 测试数据分析 33

5.5 小结 34

第六章 总结与展望 35

致谢 37

参考文献 38

绪论

论文研究背景和意义

绪论

电机是自动装置里重要的组成部分之一。随着科学技术的不断发展，电机已经被广泛的应用到各种领域，我们已经离不开电机。电机就在我们身边，但是在一些特定的环境里，一旦电机发生故障，会造成严重的影响，造成经济损失，甚至造成生命伤害。因此，电机不可避免的要进行故障诊断。

本文以角磨机为研究对象，以其运行时发出的噪声信号为基础，研究电机故障自动化诊断。最终的成果将运用于工厂角磨机故障检测，因此，研究具有一定的理论意义和使用价值。论文采用的角磨机如图 1.1所示：

剩余内容已隐藏，请支付后下载全文，论文总字数：21505字