基于DSP和ZigBee的齿轮箱故障诊断系统

以齿轮箱为研究对象,采用以DSP-TMS320F28335为主控芯片的嵌入式故障诊断中心模块和以ZigBeeCC2530为主控芯片的无线通信模块,开发了一种实时在线嵌入式远程故障诊断系统。该远程故障诊断系统中神经网络模型采用基于Matlab模型的设计,对采集的样本信号进行预处理(滤波和和FFT变换),并对经过预处理的信号提取特征值。利用Matlab神经网络工具箱进行网络训练,提取阈值和权值,在Simulink中搭建神经网络模型,并将该模型嵌入到DSP的嵌入式系统,对故障进行诊断识别分类。DSP嵌入式故障诊断中心模块和ZigBee无线通信模块两部分是相互独立的,通过串口接口SCI进行数据发送。该远程故障诊断系统具有信号采集、数据存储、故障识别分类以及无线通信等功能。

基于组态软件的机械手控制系统设计

介绍了安装搬运机械手控制系统中机械手的工作原理和动作实现过程。研究了MCGS组态技术在机械手控制系统中的应用。利用组态软件MCGS设计了机械手模型控制系统监控界面,提供了较为直观、清晰、准确的机械手运行状态,进而为维修和故障诊断提供了多方面的可能性,充分提高了系统的工作效率。

基于冗余第二代小波变换的齿轮箱故障诊断

为了避免传统小波变换在进行信号特征提取时,过分依赖于小波基的选择,引入了冗余第二代小波变换。对不同层的原始预测器和更新器进行插值补零运算,得出对应层的冗余预测器和更新器。然后利用新的冗余预测器和更新器对原始信号进行分解,使得分解的高频信号和低频信号的长度与原始信号长度相等。对齿轮箱故障特征提取表明,冗余第二代小波变换优于其他小波变换方法,能够比较理想地提取出齿轮箱的故障特征。

基于PLC的搬运机械手硬件系统设计

本文针对完成工件在两条生产线之间搬运任务的搬运机械手控制系统进行设计。采用了电气一体化的设计方案,使用气缸实现了机械手对工件的抓放,通过变频器控制异步电动机来实现机械手在水平、竖直方向快速精确的移动。采用三菱公司的FX2N系列PLC作为核心控制器,从硬件方面进行设计,完成了PLC在搬运机械手中硬件连接、I/O点分配以及界面的简单设计,实现了机械手的零点复位、故障报警、手动运行和在无人看守时的自动运行。最终达到设计要求,完成搬运目的。

基于小波和神经网络的齿轮箱故障诊断

本文对齿轮箱故障诊断特点和方法进行分析,并举例介绍了小波变换在齿轮箱故障诊断中的应用。利用小波变换对齿轮箱工况信号进行分解,重构以及提取细节信号包络谱,快速准确判断出齿轮箱设备运行状态是否异常,并利用BP神经网络进行故障诊断定位,比传统方法更有效。

基于MF-DFA和SVM的齿轮箱故障诊断

针对齿轮箱的故障信号是具有非平稳性、非线性等复杂特征的信号,利用多重分形去趋势波动分析(MF-DFA)和支持向量机(SVM)相结合的方法对齿轮箱进行故障诊断。利用多重分形去趋势波动分析,提取齿轮箱故障的多重分形最大奇异指数,最小奇异指数,奇异谱的宽度,极值点所对应的奇异指数等4个分形参数,将其作为特征参数。然后建立齿轮箱的不同故障状态的样本,通过利用支持向量机的方法实现齿轮箱故障的诊断与识别。研究表明,这两种方法的结合为机械故障诊断提供了一种新的方法,对齿轮箱的故障诊断识别具有重要意义。