基于LabVIEW的机电设备虚拟检测方法研究

论文摘要

复杂的大中型机电设备的状态检测和故障诊断理论与方法是一个热门研究领域,状态检测和故障诊断虽有许多理论和方法,但与实际的需求相比,还有相当多的问题有待研究。针对目前机电设备状态检测方法的研究现状,及LabVIEW软件平台本身存在的不足,应用NI的LabVIEW设计了以常用机电设备的各种电气特征量和环境参数为检测量的机电设备虚拟检测系统,研究了基于LabVIEW的机电设备状态虚拟检测方法,具体分析和研究内容包括以下几个方面:LabVIEW平台上的数据预处理方法研究、基于小波分析的状态特征信息提取方法的LabVIEW实现研究,并通过建立实验模型,研究了虚拟检测系统的性能。在小波分析的基础上,实现了基于神经网络的故障识别方法。将BP神经网络应用于故障模式的识别,分析了神经网络学习样本的设计方法,进行了故障智能诊断的实验室仿真,研究表明这种识别方法是有效的。采用神经网络诊断方法,有利于提高故障诊断的性能以及减少象专家系统那样需对大量数据进行分析整理归纳的工作量。通过实验室仿真研究,此系统达到了预期的动态性和适应性,能满足不同特点的机电设备及测试信号的处理要求。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 研究背景与意义
• 1.2 国内外研究现状
• 1.3 研究内容与章节安排
• 第二章 系统总体规划和设计
• 2.1 方案选择
• 2.2 系统的总体设计
• 2.3 本章小结
• 第三章 LabVIEW的体系结构分析
• 3.1 虚拟仪器技术
• 3.2 LabVIEW功能简介
• 3.3 LabVIEW软件结构
• 3.4 本章小结
• 第四章 LabVIEW下的数据预处理方法研究
• 4.1 数据预处理方法研究
• 4.2 LabVIEW下常用数据预处理的实现
• 4.3 基于小波分析的状态特征提取
• 4.3.1 小波分析原理
• 4.3.2 小波变换在数据处理中的应用
• 4.4 LabVIEW下的软件平台设计
• 4.4.1 虚拟检测软件平台人机界面的设计
• 4.4.2 LabVIEW平台软件的流程设计
• 4.5 本章小结
• 第五章 基于神经网络的状态识别和故障诊断方法研究
• 5.1 故障诊断技术简介
• 5.2 基于神经网络的故障识别
• 5.2.1 神经网络模型的选取
• 5.2.2 基于BP模型的神经网络结构和算法
• 5.2.3 BP的改进算法
• 5.3 BP网络的训练过程
• 5.4 变流器故障模式和神经网络学习样本设计
• 5.4.1 变流器故障模式
• 5.4.2 基于小波分析的变流器故障状态特征提取
• 5.4.3 故障特征参数及学习样本的设计
• 5.5 神经网络的测试
• 5.6 本章小结
• 第六章 总结与展望
• 6.1 总结
• 6.2 展望
• 参考文献
• 致谢
• 攻读硕士期间发表的论文
• 攻读硕士期间主持及参与的科研课题