基于改進(jìn)的小波變換和支持向量機(jī)的紡織細(xì)紗機(jī)故障自動(dòng)診斷.pdf

1、在現(xiàn)代化生產(chǎn)中，細(xì)紗機(jī)設(shè)備的故障診斷技術(shù)越來(lái)越受到重視，因?yàn)槿绻撑_(tái)細(xì)紗機(jī)出現(xiàn)故障而沒有能夠及時(shí)發(fā)現(xiàn)和排除，其結(jié)果不僅會(huì)導(dǎo)致設(shè)備本身?yè)p壞，還可能造成嚴(yán)重后果。傳統(tǒng)細(xì)紗機(jī)故障的檢測(cè)方法是通過(guò)手觸摸以測(cè)定它的溫度是否過(guò)高，振動(dòng)是否過(guò)大;用耳聽以判別運(yùn)動(dòng)部件是否有異聲，但是像這樣根據(jù)人的感覺和經(jīng)驗(yàn)來(lái)判斷會(huì)有很大的局限性，因此紡織細(xì)紗機(jī)故障的自動(dòng)診斷具有現(xiàn)實(shí)意義。
　　 本文結(jié)合細(xì)紗機(jī)的四種常見故障，采用改進(jìn)的小波變換算法和支持向量機(jī)方

2、法對(duì)故障進(jìn)行提取和分類，為更好的研究細(xì)紗機(jī)故障診斷方法提供了依據(jù)。本文針對(duì)信號(hào)采集、特征提取、故障識(shí)別和分類三個(gè)方面展開了研究。
　　 首先以labview為核心設(shè)計(jì)了一個(gè)數(shù)據(jù)采集系統(tǒng)對(duì)細(xì)紗機(jī)振動(dòng)信號(hào)進(jìn)行了采集，此數(shù)據(jù)采集系統(tǒng)通過(guò)電渦流傳感器將振動(dòng)信號(hào)轉(zhuǎn)化為電壓信號(hào)，電壓信號(hào)通過(guò)采集卡轉(zhuǎn)化為數(shù)字信號(hào)后再傳給計(jì)算機(jī)，在計(jì)算機(jī)中，振動(dòng)信號(hào)以32位的浮點(diǎn)型數(shù)據(jù)文件進(jìn)行保存。
　　 其次，簡(jiǎn)單介紹幾種常見故障的模擬實(shí)驗(yàn)，結(jié)合數(shù)據(jù)

3、采集系統(tǒng)采集細(xì)紗機(jī)運(yùn)行時(shí)正常與故障的數(shù)據(jù)，將時(shí)域分析、小波變換和功率譜分析結(jié)合起來(lái)，提取故障的特征信息，由于傳統(tǒng)的小波算法不能很好的提取出故障信號(hào)的特征參數(shù)，本文將采用一種改進(jìn)的小波分解與重構(gòu)算法以便提取出比較準(zhǔn)確的特征信息，此改進(jìn)的小波算法將小波變換與FFT結(jié)合起來(lái)較好的消除了混頻的現(xiàn)象。
　　 最后，針對(duì)有限樣本情況下故障的特點(diǎn)，本文采用支持向量機(jī)的方法對(duì)故障進(jìn)行識(shí)別和分類。將所提取出來(lái)的特征向量作為輸入，分別采用“一對(duì)一類