基于改進的小波變換和支持向量機的紡織細紗機故障自動診斷.pdf

1、在現(xiàn)代化生產中，細紗機設備的故障診斷技術越來越受到重視，因為如果某臺細紗機出現(xiàn)故障而沒有能夠及時發(fā)現(xiàn)和排除，其結果不僅會導致設備本身損壞，還可能造成嚴重后果。傳統(tǒng)細紗機故障的檢測方法是通過手觸摸以測定它的溫度是否過高，振動是否過大;用耳聽以判別運動部件是否有異聲，但是像這樣根據(jù)人的感覺和經驗來判斷會有很大的局限性，因此紡織細紗機故障的自動診斷具有現(xiàn)實意義。
　　 本文結合細紗機的四種常見故障，采用改進的小波變換算法和支持向量機方

2、法對故障進行提取和分類，為更好的研究細紗機故障診斷方法提供了依據(jù)。本文針對信號采集、特征提取、故障識別和分類三個方面展開了研究。
　　 首先以labview為核心設計了一個數(shù)據(jù)采集系統(tǒng)對細紗機振動信號進行了采集，此數(shù)據(jù)采集系統(tǒng)通過電渦流傳感器將振動信號轉化為電壓信號，電壓信號通過采集卡轉化為數(shù)字信號后再傳給計算機，在計算機中，振動信號以32位的浮點型數(shù)據(jù)文件進行保存。
　　 其次，簡單介紹幾種常見故障的模擬實驗，結合數(shù)據(jù)

3、采集系統(tǒng)采集細紗機運行時正常與故障的數(shù)據(jù)，將時域分析、小波變換和功率譜分析結合起來，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的特征參數(shù)，本文將采用一種改進的小波分解與重構算法以便提取出比較準確的特征信息，此改進的小波算法將小波變換與FFT結合起來較好的消除了混頻的現(xiàn)象。
　　 最后，針對有限樣本情況下故障的特點，本文采用支持向量機的方法對故障進行識別和分類。將所提取出來的特征向量作為輸入，分別采用“一對一類