基于小波包分解的機(jī)器聲音故障診斷系統(tǒng)的研究.pdf

1、隨著機(jī)器設(shè)備的迅速發(fā)展和應(yīng)用領(lǐng)域的不斷擴(kuò)大,快速準(zhǔn)確地采集和捕捉機(jī)器的故障信息,已成為保障工業(yè)生產(chǎn)效率和安全的重要基礎(chǔ)。聲音作為機(jī)器工作時(shí)發(fā)出的一種音頻信號(hào),必然暗示著機(jī)器設(shè)備本身的工作狀態(tài)信息。在工業(yè)生產(chǎn)中,通過(guò)從機(jī)器聲音信號(hào)中提取特征并進(jìn)行數(shù)據(jù)分析可以判斷機(jī)器設(shè)備是否存在故障。為此本文將小波包分解和以往的機(jī)器設(shè)備故障診斷技術(shù)結(jié)合起來(lái),研究機(jī)器設(shè)備故障檢測(cè)過(guò)程的去噪與故障特征提取,并借鑒Android操作系統(tǒng)的開(kāi)放性和功能強(qiáng)大等優(yōu)勢(shì),

2、以Android為平臺(tái),設(shè)計(jì)并實(shí)現(xiàn)了一款基于小波包分解的嵌入式機(jī)器聲音故障診斷系統(tǒng)。
　　本文設(shè)計(jì)的嵌入式機(jī)器聲音故障診斷系統(tǒng)將Android系統(tǒng)平臺(tái)自帶的聲音傳感器MIC作為機(jī)器聲音信號(hào)的采集設(shè)備,通過(guò)MIC對(duì)機(jī)器的聲音進(jìn)行信號(hào)采集,對(duì)采集的聲音信號(hào)進(jìn)行小波閾值去噪處理,然后進(jìn)行故障特征提取并判斷故障,并將結(jié)果在LCD顯示器上顯示。本文重點(diǎn)研究了小波給定閾值去噪算法與小波包分解故障特征提取算法,借助小波包分解對(duì)高頻部分進(jìn)一步分解

3、能更有效診斷出故障的優(yōu)勢(shì),對(duì)小波去噪處理后的機(jī)器聲音信號(hào)進(jìn)行三層小波包分解,將待檢測(cè)的聲音信號(hào)更加詳細(xì)的劃分到8個(gè)頻段,進(jìn)而求出8個(gè)頻段內(nèi)對(duì)應(yīng)的能量、均方根和峭度,從而判斷機(jī)器是否存在故障。
　　本文詳細(xì)介紹了機(jī)器設(shè)備故障檢測(cè)系統(tǒng)的總體框架和軟件實(shí)現(xiàn)過(guò)程,主要包括聲音采集模塊、去噪處理模塊和故障診斷模塊,并利用MATLAB工具對(duì)選用的小波去噪算法和小波包分解特征提取算法的可行性和有效性進(jìn)行了對(duì)比仿真,同時(shí),在以ARM11內(nèi)核的S3