精品机械振动信号分析及故障报警毕业论文.docx
《精品机械振动信号分析及故障报警毕业论文.docx》由会员分享，可在线阅读，更多相关《精品机械振动信号分析及故障报警毕业论文.docx（10页珍藏版）》请在冰点文库上搜索。
精品机械振动信号分析及故障报警毕业论文
燕山大学
课程设计说明书
题目：
机械振动信号分析及故障报警
学院（系）：
电气工程学院
年级专业：
10级仪表3班
电气工程学院《课程设计》任务书
课程名称：
“单片机原理及应用——数字信号处理”课程设计
院（系）：
电气工程学院基层教学单位：
自动化仪表系
学号
学生姓名
（专业）班级
自动化仪表3班
设计题目
机械振动信号分析及故障报警
设
计
技
术
参
数
1、了解加速度传感器工作原理。
2、掌握单片机串口通信协议。
3、连接硬件实验线路，实现所要求的功能。
4、基于Matlab信号处理工具箱实现功能
5、完成设计，提交课程设计报告。
设
计
要
求
1、利用加速度传感器采集轴承正常与故障状态下的振动信号，基于Matlab对振动信号进行时域和频域（包括FFT，功率谱，倒谱）分析，提取时域波形指标如均值、峰峰值、峭度、偏度等。
设计相应的信号分析及显示界面。
2、基于振动信号分析结果，通过串口发送命令给单片机系统，根据振提取的特征指标判断轴承是否故障，若有故障驱动蜂鸣器报警。
3、扩展：
也控制相应的数码管或LED发光显示相应振动信号参数（幅度、频率参数等）。
工
作
量
软件编程与硬件调试相结合，绘制设计流程图，编制相应软件界面，实现单片机控制与信号处理任务的综合应用
参
考
资
料
1）《微型计算机控制系统》赖寿宏，机械工业出版社（教材）
2）《单片机及应用》李大友，高等教育出版社（教材）
3）《信号处理原理及应用》谢平等机械工业出版社（教材）
4）《Matlab程序设计及其在信号处理中的应用》聂祥飞等西南交通大学出版社
周次
第一周
第二周
应
完
成
内
容
熟悉伟福单片机编程环境，调试单片机各基本功能模块；熟悉matlab信号处理工具箱，信号处理系统基本功能模块学习和调试
单片机系统与信号处理系统综合进行硬件调试，
撰写课程设计报告
指导教
师签字
基层教学单位主任签字
说明：
1、此表一式四份，系、指导教师、学生各一份，报送院教务科一份。
2、学生那份任务书要求装订到课程设计报告前面。
目录
第一章摘要
第二章总体设计方案
第三章基本原理
第四章MATLAB界面设计
第五章各模块设计及程序
第六章设计心得及总结
参考文献
第一章摘要
机械振动信号分析是现代机械故障诊断的一个有效方法。
在诸多信号分析的手段中，小波分析与傅氏变换相结合的方法得到广泛应用。
因为这种方法更适合于提取微弱机械振动的特征信号。
但是与其他分析工具一样，小波分析工具有自己的特点，如果不能正确使用，反而会影响对信号的正确分析。
从本质上说，小波分析是用小波函数与被被分析的信号函数做一系列的互相关运算，因此选用小波函数不当会引起分析的误差或误判。
第二章总体设计方案
对机械振动信号进行采样，把采样的数据进行时域和频域上的分析，包括FFT，功率谱，倒谱分析。
提取时域波形指标如均值、峰峰值、峭度、偏度、脉冲因数等。
以一种指标为标准，分析振动信号产生的变化。
本次课设利用matlab软件，实现对机械振动信号时频域的分析以及故障的判断。
因为频域分析特征值的提取较麻烦，这里我们用其中一种参数的计算量为标准来判断是否发生故障。
第三章基本原理
3.1小波变换
与Fourier变换相比，小波变换是空间（时间）和频率的局部变换，因而能有效地从信号中提取信息。
通过伸缩和平移等运算功能可对函数或信号进行多尺度的细化分析，解决了Fourier变换不能解决的许多困难问题。
小波变换联系了应用数学、物理学、计算机科学、信号与信息处理、图像处理、地震勘探等多个学科。
数学家认为，小波分析是一个新的数学分支，它是泛函分析、Fourier分析、样调分析、数值分析的完美结晶；信号和信息处理专家认为，小波分析是时间—尺度分析和多分辨分析的一种新技术，它在信号分析、语音合成、图像识别、计算机视觉、数据压缩、地震勘探、大气与海洋波分析等方面的研究都取得了有科学意义和应用价值的成果。
信号分析的主要目的是寻找一种简单有效的信号变换方法，使信号所包含的重要信息能显现出来。
小波分析属于信号时频分析的一种，在小波分析出现之前，傅立叶变换是信号处理领域应用最广泛、效果最好的一种分析手段。
傅立叶变换是时域到频域互相转化的工具，从物理意义上讲，傅立叶变换的实质是把这个波形分解成不同频率的正弦波的叠加和。
正是傅立叶变换的这种重要的物理意义，决定了傅立叶变换在信号分析和信号处理中的独特地位。
傅立叶变换用在两个方向上都无限伸展的正弦曲线波作为正交基函数，把周期函数展成傅立叶级数，把非周期函数展成傅立叶积分，利用傅立叶变换对函数作频谱分析，反映了整个信号的时间频谱特性，较好地揭示了平稳信号的特征。
小波变换是一种新的变换分析方法，它继承和发展了短时傅立叶变换局部化的思想，同时又克服了窗口大小不随频率变化等缺点，能够提供一个随频率改变的时间一频率窗口，是进行信号时频分析和处理的理想工具。
它的主要特点是通过变换能够充分突出问题某些方面的特征，因此，小波变换在许多领域都得到了成功的应用，特别是小波变换的离散数字算法已被广泛用于许多问题的变换研究中。
从此，小波变换越来越引起人们的重视，其应用领域来越来越广泛。
3.2傅里叶变换
有限长序列可以通过离散傅里叶变换（DFT）将其频域也离散化成有限长序列.但其计算量太大,很难实时地处理问题,因此引出了快速傅里叶变换（FFT）.1965年，Cooley和Tukey提出了计算离散傅里叶变换（DFT）的快速算法，将DFT的运算量减少了几个数量级。
从此，对快速傅里叶变换（FFT）算法的研究便不断深入，数字信号处理这门新兴学科也随FFT的出现和发展而迅速发展。
根据对序列分解与选取方法的不同而产生了FFT的多种算法，基本算法是基２DIT和基２DIF。
FFT在离散傅里叶反变换、线性卷积和线性相关等方面也有重要应用。
快速傅氏变换（FFT），是离散傅氏变换的快速算法，它是根据离散傅氏变换的奇、偶、虚、实等特性，对离散傅立叶变换的算法进行改进获得的。
它对傅氏变换的理论并没有新的发现，但是对于在计算机系统或者说数字系统中应用离散傅立叶变换，可以说是进了一大步。
设x（n）为N项的复数序列，由DFT变换，任一X（m）的计算都需要N次复数乘法和N-1次复数加法，而一次复数乘法等于四次实数乘法和两次实数加法，一次复数加法等于两次实数加法，即使把一次复数乘法和一次复数加法定义成一次“运算”（四次实数乘法和四次实数加法），那么求出N项复数序列的X（m）,即N点DFT变换大约就需要N^2次运算。
当N=1024点甚至更多的时候，把一个N项序列（设N=2k,k为正整数），分为两个N2项的子序列，每个N2点DFT变换需要（N2）2次运算，再用N次运算把两个N2点的DFT变换组合成一个N点的DFT变换。
这样变换以后，总的运算次数就变成N+2（N2）2=N+N22。
继续上面的例子，N=1024时，总的运算次数就变成了525312次，节省了大约50%的运算量。
而如果我们将这种“一分为二”的思想不断进行下去，直到分成两两一组的DFT运算单元，那么N点的DFT变换就只需要Nlog2N次的运算，N在1024点时，运算量仅有10240次，是先前的直接算法的1%，点数越多，运算量的节约就越大，这就是FFT的优越性。
离散傅里叶变换X（k）可看成是z变换在单位圆上的等距离采样值。
同样，X（k）也可看作是序列傅氏变换的采样，采样间隔为ωN=2πN。
由此看出，离散傅里叶变换实质上是其频谱的离散频域采样，对频率具有选择性（ωk=2πkN），在这些点上反映了信号的频谱。
根据采样定律，一个频带有限的信号，可以对它进行时域采样而不丢失任何信息，FFT变换则说明对于时间有限的信号（有限长序列），也可以对其进行频域采样，而不丢失任何信息。
所以只要时间序列足够长，采样足够密，频域采样也就可较好地反映信号的频谱趋势，所以FFT可以用以进行连续信号的频谱分析。
第4章MATLAB界面设计
两个画图按钮简化成了一个下拉菜单，坐标图一和二分别显示时域和频域波形，计算按钮进行计算并把数值放到下面四个文本框中。
判断按钮判断是否故障并通过发送按钮把特征值传输到单片机中。
第5章各模块设计及程序
1、时域和频域分析及画图
%时域波形
%figure
（1）;
set（gcf,'CurrentAxes',个'）;
ylabel（'电压Vv'）;
%db10小波进行4层分解
%一维小波分解
[c,l]=wavedec（xdata,4,'db10'）;
%第一层细节信号的包络谱
y=（y）;
nfft=200;
p=abs（fft（ydata,nfft））;
%figure（3）;
set（gcf,'CurrentAxes',（'bearingout.dat','r'）;
loadNormal.mat
fid=fopen（'Normal.mat'）;
N=1000;
xdata=fread（fid,N,'int16'）;
xdata=fread（fid,N,'int16'）;
fclose（fid）;
xdata=（xdata-mean（xdata））std（xdata,1）;
A=mean（xdata）;%平均值
set（（xdata）;%最小值
D=B-C;%峰峰值
set（varargout=keshe0628（varargin）
gui_Singleton=1;
gui_State=struct（'gui_Name',mfilename,...
'gui_Singleton',gui_Singleton,...
'gui_OpeningFcn',@keshe0628_OpeningFcn,...
'gui_OutputFcn',@keshe0628_OutputFcn,...
'gui_LayoutFcn',[],...
'gui_Callback',[]）;
ifnargin&&ischar（varargin{1}）
gui_State.gui_Callback=str2func（varargin{1}）;
end
ifnargout
[varargout{1:
nargout}]=gui_mainfcn（gui_State,varargin{:
}）;
else
gui_mainfcn（gui_State,varargin{:
}）;
end
functionkeshe0628_OpeningFcn（）
varargout=keshe0628_OutputFcn（jisuan_Callback（（xdata）;%平均值
set（（xdata）;%最小值
D=B-C;%峰峰值
set（edit1_Callback（edit1_CreateFcn（edit2_Callback（edit2_CreateFcn（edit3_Callback（edit3_CreateFcn（edit4_Callback（edit4_CreateFcn（edit5_Callback（edit5_CreateFcn（pushbutton2_Callback（（ss）;
fwrite（ss,J）;
fclose（ss）;
clearss
functionpushbutton3_Callback（edit6_Callback（edit6_CreateFcn（time_CreateFcn（frequency_CreateFcn（（'Abnormal.mat'）;
N=1000;
xdata=fread（fid,N,'int16'）;
fclose（fid）;
xdata=（xdata-mean（xdata））std（xdata,1）;
set（gcf,'CurrentAxes',个'）;
ylabel（'电压Vv'）;
%db10小波进行4层分解
%一维小波分解
[c,l]=wavedec（xdata,4,'db10'）;
d4=wrcoef（'d',c,l,'db10',4）;
d3=wrcoef（'d',c,l,'db10',3）;
d2=wrcoef（'d',c,l,'db10',2）;
d1=wrcoef（'d',c,l,'db10',1）;
%第一层细节信号的包络谱
y=（y）;
nfft=200;
p=abs（fft（ydata,nfft））;
set（gcf,'CurrentAxes',（'Normal.mat'）;
N=1000;
xdata=fread（fid,N,'int16'）;
fclose（fid）;
xdata=（xdata-mean（xdata））std（xdata,1）;
set（gcf,'CurrentAxes',个'）;
ylabel（'电压Vv'）;
[c,l]=wavedec（xdata,4,'db10'）;
d4=wrcoef（'d',c,l,'db10',4）;
d3=wrcoef（'d',c,l,'db10',3）;
d2=wrcoef（'d',c,l,'db10',2）;
d1=wrcoef（'d',c,l,'db10',1）;
y=（y）;
nfft=200;
p=abs（fft（ydata,nfft））;
set（gcf,'CurrentAxes',Untitled_2_Callback（Untitled_1_Callback（Untitled_3_Callback（Untitled_4_Callback（hObject,eventdata,handles）
燕山大学专业综合训练评审意见表
指导教师评语：
成绩：
指导教师：
2013年7月4日
答辩小组评语：
成绩：
评阅人：
2013年7月4日
课程设计总成绩：
答辩小组成员签字：
2013年7月4日
升级会员 