發(fā)布時(shí)間：2024-05-27 04:37

　　無(wú)線傳感器網(wǎng)絡(luò)因其成本低、安裝維護(hù)方便、可無(wú)人值守等優(yōu)點(diǎn)被廣泛應(yīng)用于氣候與環(huán)境監(jiān)測(cè)、智能交通、生物醫(yī)療和軍事等領(lǐng)域。近年來(lái),無(wú)線傳感器網(wǎng)絡(luò)技術(shù)在工業(yè)設(shè)備故障診斷領(lǐng)域的應(yīng)用也逐漸得到了關(guān)注�，F(xiàn)有研究方法多通過(guò)無(wú)線傳感器網(wǎng)絡(luò)直接傳輸原始數(shù)據(jù)到上位機(jī)或其他節(jié)點(diǎn),這會(huì)導(dǎo)致無(wú)線節(jié)點(diǎn)的網(wǎng)絡(luò)帶寬無(wú)法滿足要求,并且會(huì)增加節(jié)點(diǎn)能耗。為了解決節(jié)點(diǎn)網(wǎng)絡(luò)帶寬和能量有限的問(wèn)題,探索如何減少數(shù)據(jù)傳輸量,充分利用節(jié)點(diǎn)的計(jì)算能力,設(shè)計(jì)合理高效的算法成為當(dāng)前研究的關(guān)鍵所在。本文提出了一種基于小波變換和無(wú)線傳感器網(wǎng)絡(luò)的設(shè)備故障診斷方法。該方法在WSNs節(jié)點(diǎn)上直接對(duì)設(shè)備振動(dòng)數(shù)據(jù)進(jìn)行數(shù)據(jù)處理和故障分類,僅將分類結(jié)果傳送至協(xié)調(diào)器節(jié)點(diǎn)和上位機(jī)。該方法充分利用了節(jié)點(diǎn)自身的計(jì)算能力,可以減少數(shù)據(jù)傳輸量和傳輸時(shí)間,減少WSNs節(jié)點(diǎn)能耗,并降低對(duì)網(wǎng)絡(luò)帶寬的要求。本論文的具體研究?jī)?nèi)容如下:1.研究利用小波變換、調(diào)Q小波變換和多分類支持向量機(jī)進(jìn)行設(shè)備故障特征提取與故障診斷,并進(jìn)行了仿真驗(yàn)證2.設(shè)計(jì)了基于無(wú)線傳感器網(wǎng)絡(luò)的設(shè)備故障診斷系統(tǒng)。使用C語(yǔ)言編程,在無(wú)線傳感器網(wǎng)絡(luò)終端節(jié)點(diǎn)上實(shí)現(xiàn)了基于小波變換和多分類支持向量機(jī)的設(shè)備故障特征提取與故障診斷...

【文章頁(yè)數(shù)】：61 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖3-2滾動(dòng)軸承試驗(yàn)臺(tái)結(jié)構(gòu)圖

機(jī)端軸承故障，驅(qū)動(dòng)端軸承故障分別包括滾珠故障、外圈故障和內(nèi)圈故障。采集數(shù)據(jù)的振動(dòng)加速度傳感器安裝在電機(jī)外殼上，其采樣頻率為12kHz。凱斯西儲(chǔ)大學(xué)軸承數(shù)據(jù)中心使用的滾動(dòng)軸承試驗(yàn)臺(tái)的結(jié)構(gòu)如圖3-2所示，它由感應(yīng)電動(dòng)機(jī)，

圖3-6TQWT小波子帶分解圖

華北電力大學(xué)碩士學(xué)位論文或近似對(duì)稱小波。消失矩表明了信號(hào)經(jīng)小波變換后能，越容易監(jiān)測(cè)出信號(hào)的異常。本文所選的四種小波的消滿足實(shí)驗(yàn)要求。本章仿真實(shí)驗(yàn)以驗(yàn)證研究方案的可行小波進(jìn)行仿真測(cè)試。Q小波變換小波對(duì)故障信號(hào)進(jìn)行分解處理時(shí)，需要指定相應(yīng)的參振蕩程度而定，參數(shù)r是調(diào)Q小波....

圖3-7TQWT小波子帶能量特征提取圖

圖3-6TQWT小波子帶分解圖承故障信號(hào)振動(dòng)特性綜合考慮，選取品質(zhì)因子Q，此時(shí)TQWT小波子帶分解圖如圖3-6所示。障信號(hào)被分為27個(gè)子帶部分，縱軸左側(cè)表示子帶占比，橫軸表示時(shí)間，單位為秒。從TQWT小波號(hào)在經(jīng)過(guò)分解之后，在某幾個(gè)子帶的占比會(huì)很大，以有目的....

圖3-9支持向量機(jī)分類器模型

布會(huì)影響分類模型的訓(xùn)練與預(yù)測(cè)速度。3.3.2分類器模型參數(shù)優(yōu)化關(guān)于支持向量機(jī)分類器參數(shù)的優(yōu)化常用的方法是讓c和g在一定的范圍內(nèi)原始數(shù)據(jù)集，利用交叉驗(yàn)證（K-CV）方率，最終選取使訓(xùn)練集分類準(zhǔn)確率最高在本仿真實(shí)驗(yàn)中支持向量機(jī)分類器與核函數(shù)參數(shù)g在一定范圍內(nèi)取值；在分類....

本文編號(hào)：3982783