基于DSP的滚动轴承故障诊断系统的研究与开发

论文摘要

滚动轴承故障诊断就是通过对能反映轴承工作状态的信号的观测,分析与处理来识别轴承的状态,以保证轴承在承受一定的载荷,以一定转速运转的工作环境下和一定的工作期间内可靠有效的运行。完整的滚动轴承故障诊断过程包含信号测取、特征抽取、故障诊断三部分。信号测取:这部分是整个研究过程的关键,也是难点部分,直接关系到滚动轴承故障诊断的精确度。经过理论分析和对比,采用声级计采集滚动轴承的工况信号,在保证奈奎斯特采样定理的条件下,通过WT6701PA板上的A/D进行信号的采样,基于DSP内部存储器空间有限,利用CCS的实时数据跟踪性,通过C语言编程触发DSP外部中断,启动直接存储器访问DMA,实时传输采样数据到主机中,以数据文件存储。特征抽取:就是对采样信号进行分析处理的过程。随着小波分析技术和谱分析技术的发展,开创了用时频域分析方法来检测和诊断轴承故障的新领域。小波变换是一种时间-尺度分析法,尺度与频率相对应,因此是一种时频分析法;小波变换具有以下特点:在高频范围内时间分辨率高,在低频范围内频率分辨率高;有快速算法-Mallat算法;利用离散小波变换可以将信号分解到各个尺度上。这种分析方法的关键是必须知道采样频率在Mallat算法中的变化规律。基于DSP内部独特的结构和可编程性,使得以DSP为核心的高速实时处理系统,既能快速处理大批量数据,又能对信号进行实时处理,所以本课题选用可编程的TMS320C6701DSP芯片来实现滚动轴承信号的小波变换。再通过Matlab对采样信号进行谱分析。通过对比,完成信号的特征抽取。故障诊断:通过对多个滚动轴承信号的分析对比,以及滚动轴承故障特征频率的计算,诊断滚动轴承的故障。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 滚动轴承故障诊断的意义和目的
• 1.2 现阶段国内滚动轴承故障诊断的方法及前景展望
• 1.2.1 时域同步平均分析
• 1.2.2 频谱分析
• 1.2.3 神经网络在轴承故障中的应用
• 1.2.4 遗传算法在轴承故障中的应用
• 1.3 数字信号处理简介
• 1.4 课题研究的主要内容
• 1.4.1 滚动轴承故障机理及噪声诊断法的理论研究
• 1.4.2 硬件连接部分
• 1.4.3 软件实现
• 1.4.4 小波分析和AR 功率谱分析法在滚动轴承故障诊断中的应用
• 本章小结
• 第二章 滚动轴承故障诊断技术及噪声诊断法的理论研究
• 2.1 滚动轴承故障简介
• 2.1.1 滚动轴承的典型结构
• 2.1.2 滚动轴承故障的主要形式和原因
• 2.2 诊断技术研究
• 2.2.1 滚动轴承的诊断方法介绍
• 2.2.2 噪声诊断技术
• 2.3 噪声法测量的过程
• 本章小结
• 第三章 基于DSP 的故障诊断系统的设计
• 3.1 数据采集模块
• 3.1.1 声级计
• 3.1.2 传声器
• 3.1.3 A/D9042
• 3.2 数据处理模块
• 3.2.1 CPU 核
• 3.2.2 存储器组织
• 3.2.3 中断
• 3.2.4 片内外设资源
• 3.2.5 DSP 集成开发环境CC52.0
• 3.3 数据存储模块
• 3.3.1 高速同步缓冲器
• 3.3.2 双口RAM
• 3.4 接口模块
• 3.5 电源控制模块
• 3.6 软件实现
• 3.6.1 中断
• 3.6.2 直接存储器访问（DMA）
• 本章小结
• 第四章 滚动轴承故障诊断系统的信号处理方法研究
• 4.1 时频域分析方法的基本概念
• 4.2 分析方法比较
• 4.3 小波分析的应用
• 4.3.1 小波变换及其算法
• 4.3.2 小波算法在故障诊断中的应用
• 4.3.3 Mallat 算法在浮点DSP 上的实现
• 4.4 功率谱分析的应用
• 4.4.1 经典功率谱估计法
• 4.4.2 现代功率谱估计法
• 4.4.3 常见谱估计法的比较
• 4.4.4 AR 模型谱估计法
• 本章小结
• 第五章 数据采集及处理实验
• 5.1 信号采集系统的可行性实验
• 5.2 滚动轴承工况实验
• 5.2.1 实验目的
• 5.2.2 实验对象
• 5.2.3 实验装置
• 5.2.4 测点的布置及注意事项
• 5.2.5 实验内容及方法
• 本章小结
• 结论
• 参考文献
• 攻读硕士学位期间发表的学术论文
• 致谢