工业无线传感器网络在设备故障诊断中的应用研究

摘要

为了避免经济损失和安全事故，需要对机械设备进行状态监测和故障诊断。采用无线传感器网络进行故障诊断相较于传统的有线连接方式不存在布线问题，但早期的无线方式需要传递所有的原始数据，存在无线传输能量损耗大等问题。为了在保证诊断效果的前提下，减少数据传输量，降低能量损耗，本课题研究利用小波变换进行节点上的故障特征提取，利用支持向量机进行节点上的故障诊断，只将最终的诊断结果传送到计算机上显示。
　　本课题以电机为研究对象，在计算机上完成了整个电机轴承故障诊断的仿真工作，并将程序嵌入到JN5139节点内实现了无线传感器网络节点上的故障诊断。
　　仿真中，本文采用db4小波函数分别对电机正常基线数据、风扇端轴承故障数据和驱动端轴承故障数据进行三层小波包分解提取能量矩特征向量，将提取的特征向量分为训练样本和测试样本两部分，对训练样本训练得到支持向量机分类器模型，在训练时采用RBF核函数，并在交叉验证过程中使用PSO算法来寻找最优的惩罚系数和核函数参数，最后将测试样本代入最终确定的支持向量机分类器模型中进行分类预测得到故障诊断结果。仿真结果表明小波变换提取的能量矩特征可以区分电机不同的运行状态，且用支持向量机进行故障诊断具有很高的可靠性和准确性。
　　节点上实现时，本文在终端节点进行支持向量机故障诊断，将诊断结果传送给网络协调器节点，再经协调器节点通过串口线送至计算机端通过串口调试助手显示故障诊断结果。由于只传送诊断结果，在一定程度上降低了能量损耗。

目录

封面

声明

中文摘要

英文摘要

目录

第1章 绪 论

1.1 选题背景及意义

1.2 国内外研究现状及发展动态分析

1.3 论文的主要研究内容及编排

1.4 本章小结

第2章 小波分析理论

2.1 小波分析基础

2.2 小波包分析基础

2.3 小波分析与傅里叶变换的比较

2.4 常用小波函数介绍

2.5 小波变换特征提取过程

2.6 本章小结

第3章 支持向量机基本理论

3.1 支持向量机原理

3.2 支持向量机的分类方法

3.3 SVM方法的特点

3.4 libSVM简介

3.5 支持向量机故障诊断过程

3.6 支持向量机故障诊断仿真应用实例

3.7 本章小结

第4章 电机轴承故障诊断仿真与分析

4.1 小波变换特征提取

4.2 支持向量机故障诊断

4.3 本章小结

第5章 故障诊断在无线传感器网络节点上的实现

5.1 JN5139集成开发环境概述

5.2 系统软硬件设计

5.3 系统测试

5.4 本章小结

第6章 总结与展望

6.1 总结

6.2 展望

参考文献

攻读硕士学位期间发表论文及其它成果

致谢