开题报告黄洪飞.docx
《开题报告黄洪飞.docx》由会员分享，可在线阅读，更多相关《开题报告黄洪飞.docx（14页珍藏版）》请在冰点文库上搜索。
开题报告黄洪飞
同济大学
硕士研究生学位论文选题报告
及论文工作计划
课题名称基于EMD和SVM的混合故障诊断及趋势预测
学号1130922
研究生顾嘉运
专业、年级机械设计及理论2011级
所在院、系机械工程学院
导师陈明教授
副导师
选题时间2012年11月1日
同济大学研究生院
2012年11月1日
一、立论依据
课题来源、选题依据和背景情况、课题研究目的、理论意义和实际应用价值
1.1课题来源
科技部“高档数控机床与基础制造装备”科技重大专项课题“高档数控磨床与重型装备故障预警和诊断技术”
课题编号：
2009ZX04014-103
1.2选题依据和背景情况
随着工业技术与科学技术的迅速发展，现代机械设备日趋向大型化、集成化、连续化、柔性化和高度自动化方向发展。
由此设备的功能越来越多，工作性能越来越高，组成结构越来越复杂，价格越来越昂贵，同时也对机械设备运行的安全性和可靠性提出了更高的要求。
现代机械设备的发展，一方面极大地提高了生产率和正品率，降低了生产成本和改善了劳动条件，取得了巨大的经济效益和社会效益；另一方面也使生产潜伏着很大的危机，即一旦机械设备出现故障，不仅影响企业正常生产造成巨大的经济损失，而且可能会危及人身安全，导致严重的安全事故和环保事故。
故障诊断技术的发展历程大致可分为三个阶段:
（1）事后维修阶段；
（2）预防维修阶段；（3）预知维修阶段。
现在基本处于预知维修阶段，预知维修不仅需要对实时故障进行诊断分析,其关键在于对设备运行状态进行连续监测或周期检测，提取特征信号，通过对历史数据的分析来预测设备的发展趋势。
1.3课题研究目的
鉴于大型设备的复杂性和生产持续性，设计出一套既可以实时分析诊断故障信号,又可以通过分析历史数据对设备发展趋势进行预测的系统。
从而同时做到实时故障诊断和及时发现潜在的故障和安全隐患，保证安全生产，减小损失。
能及时地、正确地对各种异常状态或故障状态做出诊断，预防或消除故障，对设备的运行进行必要的指导，提高设备运行的可靠性、安全性和有效性，以期把故障损失降低到最低水平。
1.4理论意义和实际应用价值
装备制造业的发展关系到国家经济安全，影响到我国科技的进步，也是我国参与国际竞争实力和水平的体现。
高档数控机床与重型装备广泛应用于航空航天、船舶、汽车、发电设备等行业。
这类高档及重型数控装备一旦发生故障将会对生产过程造成严重影响，使企业蒙受巨大经济损失。
提高设备运行的安全性、可靠性，减少维护费用和生产费用已经成为工业过程关注的焦点。
同时，设备监测诊断技术是企业采用先进的设备管理手段进行现代化生产的重要标志，在企业现代化生产中扮演着越来越重要的角色。
其意义是十分明显的，归纳起来，主要体现在：
提高了设备的现代化管理水平；保证了产品质量，提高了设备的可靠性；避免了重大事故的发生，减少了事故的危害性；可以获得潜在的巨大经济效益。
二、文献综述
国内外研究现状、发展动态；所阅文献的查阅范围及手段
2.1国内外研究现状、发展动态
八十年代后期，计算机技术及人工智能技术的发展使对设备进行在线监视分析和智能化自动诊断成为可能。
目前国外最新开发的一些系统有美国Bently公司的System1TM,DataManager2000,TrendMaster2000系列产品、Scientific-AItlanta公司的M6000CHAMMP系统、ENTECK公司的PM系统、Bretech公司的TotalPlantMaintainence，ServiceContractProgram系统、CooperEnergy的RemoteConditionMonitoringService（RCMS）系统。
其它国家如德国、日本、意大利等在状态监测及故障诊断的应用方面都各具优势。
我国自八十年代以来，也开始自行研制状态监测与故障诊断系统，如华中理工大学开发的200MW汽轮发电机组的寿命管理和故障诊断专家系统，可以诊断机组各类典型故障，如转子不平衡、轴系不对中、油膜振荡、转子碰磨、轴承故障、轴承松动、叶轮松动等故障；西安交通大学智能仪器与诊断研究所研制的“大型回转机械状态监测与故障诊断在线离线两用系统（RotView6.0）”，RotView6.0系统软件以其独创的全息谱技术为核心，全面利用了振动信号的幅频相信息，大大提高了监测诊断的信息量；南京汽轮发电机厂开发的多功能振动分析系统，西安热工研究院研制的汽轮机组振动监测和故障诊断系统，北京电力科学研究院、清华大学与陡河电厂联合开发了大型汽轮发电机组振动监测与辅机诊断系统，哈尔滨工业大学研制的“微计算机化机组状态监视与故障诊断装置MMMD”、南京理工大学的故障诊断系统、重庆大学研制的CCDDSI信号处理软件系统等。
东南大学自1990年以来研制了MFD系列工况监视与故障诊断系统系统，包含振动监测、稳态分析、瞬态分析、振动数据采集及管理、趋势分析等部分，己在国内多家石化、电力、冶金企业使用，取得了较好的经济效益和社会效益。
经验模态分解（EmpiricalModeDecomposition，简称EMD）方法是由美国NASA的黄锷博士提出的一种信号分析方法。
它依据数据自身的时间尺度特征来进行信号分解，无须预先设定任何基函数。
这一点与建立在先验性的谐波基函数和小波基函数上的傅里叶分解与小波分解方法具有本质性的差别。
正是由于这样的特点，EMD方法在理论上可以应用于任何类型的信号的分解，因而在处理非平稳及非线性数据上，具有非常明显的优势。
所以，EMD方法一经提出就在故障诊断领域得到了迅速有效的应用。
支持向量机（SupportVectorMachine,简称SVM）是在1995年提出的一种新的非常有潜力的分类技术，是一种基于统计学习理论的模式识别方法。
90年代，统计学习理论（StatisticalLearningTheory，SLT）的实现和由于神经网络等较新兴的机器学习方法的研究遇到一些重要的困难，比如如何确定网络结构的问题、过学习与欠学习问题、局部极小点问题等，使得SVM迅速发展和完善，在解决小样本、非线性及高维模式识别问题中表现出许多特有的优势。
2.2所阅文献的查阅范围及手段
所阅文献来源于SAE论文、IEEE论文、中文期刊杂志、维普数据库论文、万方数据库论文、中文专著以及日文期刊等等。
主要通过网络以及图书馆获得。
参考文献
[1]HuangNE,ShenZ,LongSRetal.TheempiricalmodedecompositionandtheHilbertspectrumfornonlinearandnon-stationarytimeseriesanalysis.Proc.R.Soc.Lond.A,1998,454:
903~995
[2]DejieYu,YuYang,JunshengCheng.Applicationoftime–frequencyentropymethodbasedonHilbert–Huangtransformtogearfaultdiagnosis.Measurement,Volume40,Issues9-10,November-December2007,Pages823-830
[3]V.K.Rai,A.R.Mohanty.BearingfaultdiagnosisusingFFTofintrinsicmodefunctionsinHilbert–Huangtransform.MechanicalSystemsandSignalProcessing,Volume21,Issue6,August2007,Pages2607-2615
[4]Z.K.Peng,PeterW.Tse,F.L.Chu.AcomparisonstudyofimprovedHilbert–Huangtransformandwavelettransform:
Applicationtofaultdiagnosisforrollingbearing.MechanicalSystemsandSignalProcessing,Volume19,Issue5,September2005,Pages974-988
[5]YiQin,ShurenQin,YongfangMao.ResearchoniteratedHilberttransformanditsapplicationinmechanicalfaultdiagnosis .MechanicalSystemsandSignalProcessing,Volume22,Issue8,November2008,Pages1967-1980
[6]MichaelFeldman.Hilberttransforminvibrationanalysis.MechanicalSystemsandSignalProcessing,Volume25,Issue3,April2011,Pages735-802
[7]AndreaPigorini,AdenauerG.Casali,SilviaCasarotto,FabioFerrarelli,GiuseppeBaselli,MaurizioMariotti,MarcelloMassimini,MarioRosanova.Time–frequencyspectralanalysisofTMS-evokedEEGoscillationsbymeansofHilbert–Huangtransform.JournalofNeuroscienceMethods,Volume198,Issue2,15June2011,Pages236-245
[8]LiLin,FuleiChu.HHT-basedAEcharacteristicsofnaturalfatiguecracksinrotatingshafts.MechanicalSystemsandSignalProcessing,Volume26,January2012,Pages181-189
[9]JunshengCheng,DejieYu,JiashiTang,YuYang.ApplicationoffrequencyfamilyseparationmethodbaseduponEMDandlocalHilbertenergyspectrummethodtogearfaultdiagnosis.MechanismandMachineTheory,Volume43,Issue6,June2008,Pages712-723
[10]YiQin,ShurenQin,YongfangMao.ResearchoniteratedHilberttransformanditsapplicationinmechanicalfaultdiagnosis.MechanicalSystemsandSignalProcessing,Volume22,Issue8,November2008,Pages1967-1980
[11]YuYang,YigangHe,JunshengCheng,DejieYu.AgearfaultdiagnosisusingHilbertspectrumbasedonMODWPTandacomparisonwithEMDapproach.Measurement,Volume42,Issue4,May2009,Pages542-551
[12]Wen-XianYang.InterpretationofmechanicalsignalsusinganimprovedHilbert–Huangtransform.MechanicalSystemsandSignalProcessing,Volume22,Issue5,July2008,Pages1061-1071
[13]RobertoRicci,PaoloPennacchi.DiagnosticsofgearfaultsbasedonEMDandautomaticselectionofintrinsicmodefunctions.MechanicalSystemsandSignalProcessing,Volume25,Issue3,April2011,Pages821-838
[14]ChenMing,ZhouRunqing,ZhangRui,ZhuXianzhong.ApplicationofArtificialNeuralNetworktoFailureDiagnosisonProcessIndustryEquipments.6thInternationalConferenceonNaturalComputation.2010（08）EI:
20104613375580
[15]ChenMing,ZhouRunqing,ZhangRui,ZhuXianzhong.IntegrationofKnowledge-basedSystemwithNeuralNetworkforFaultDiagnosisonProcessIndustryEquipments.ShanghaiUniversityConference.2010（09）
[16]MingChen,RuiZhang,YingleiLi.FaultDiagnosisSystemforLarge-scaleEquipmentsbasedonHybridReasoning.2ndInternationalConferenceonManufacturingScienceandEngineering.2011.4（EIAccepted）
[17]朱传敏，陈明，周润青等.产品成熟度策略在协同设计中的研究与应用.制造业自动化，2010，Vol.32（9）：
14-17
[18]张瑞，陈明，朱献忠.基于BP神经网络的1550冷轧机的寿命预测研究.机电一体化，2010，Vol.16（7）：
20-23
[19]王姣，王诚.基于嵌入式Linux的数控机床远程监控.计算机工程与设计．2010（10）:
2175-2177
[20]彭道刚,张浩,李辉.大型发电机组嵌入式远程状态监测与故障诊断系统研究.华东电力，2008,36
（2）：
127-130
[21]黄高峰，叶清.PCI总线设备的通用嵌入式故障诊断平台研究.计算机应用与软件,2011.28
（2）:
263-265
[22]郝研，王太勇.基于分形理论的便携式故障诊断系统的设计与开发.仪器仪表学报，2010,31（12）:
2742-2746
[23]彭道刚，张浩，李辉，夏飞.发电机组嵌入式远程状态监测与诊断分析系统.电力系统及其自动化学报,2010.22（5）:
66-70
[24]钟佑明,秦树人,汤宝.Hilbert-Huang+变换中的理论研究,振动与冲击vol.21.No.4.2002
[25]雷亚国.基于改进Hilbert-Huang变换的机械故障诊断,机械工程学报，vol.47No.5Mar2011
[26]赵 玲,刘小峰,秦树人,李 凯.HHT新方法及其在齿轮箱故障诊断中的应用.振动、测试与诊断,Vol.31No.2Apr.2011
[27]
[28]大学学报,V01.29No.2Apr.2011
[29]钟佑明,秦树人,汤宝平,一种振动信号新变换法的研究.振动工程学报,vol.15No.2Jun.2002
[30]罗奇峰，石春香.Hilbert-Huang变换理论及其计算中的问题.同济大学学报,vol.31No.6Jun.2003
[31]程军圣,于德介,杨宇.基于支持矢量回归机的Hilbert-Huang变换端点效应问题的处理方法.机械工程学报,V01.42No.4Apr.2006
[32]孙立瑛，李一博，靳世久，曲志刚，李俊霖.基于小波包和HHT变换的声发射信号分析方法.仪器仪表学报,Vol.29No.8Aug.2008
三、研究内容
3.1.学术构想与思路、主要研究内容及拟解决的关键技术
3.1.1学术构想与思路
首先，建立一套完整且可靠性较高的故障数据库，对机械设备的故障特征进行提取，存储到数据库中。
其次，深入研究EMD分解算法以及HHT变换，实时分析故障信号，做出相应诊断。
最后，研究支持向量机（SVM）理论，对设备寿命、性能进行预测。
在以上研究基础上，开发故障诊断与趋势预测原型系统。
3.1.2主要研究内容
a.数据库的设计研究；
首先对故障及其各个属性做了一个明确的定义，并对不同的故障进行分类。
对所有的故障知识进行组织，最后使用SQLserver数据库软件搭建出故障知识库。
b.设备故障诊断方法研究；
这里可以分为两部分，信号分析处理与人工智能方法。
在信号分析处理方面，主要研究EMD分解算法、HHT变换。
在面对实际的信号时，看情况在HHT与小波中选择一种进行分析。
人工智能方法主要选择支持向量机，对寿命、性能进行预测。
c.故障诊断与趋势预测原型系统研究；
研究VisualStudio2005，SQLserver，Matlab以及Html和Asp.Net，建立一个故障诊断与趋势预测原型系统。
3.1.3拟解决的关键技术
a.基于SVM的趋势预测技术
针对设备大量数据信号，关键是如何筛选和利用其中有效的数据，并进行分析处理，预测寿命以及其他性能。
支持向量机在解决小样本、非线性及高维模式故障预测问题中表现出许多特有的优势。
b.基于Hilbert-Huang变换的设备故障诊断技术；
设备故障诊断的关键问题是如何对监测中的信号的非平稳性进行有效分析，准确探测其中的异常成分，对于非平稳信号，时频分析是有效的分析方法。
常用的时频分析方法有短时傅里叶变换、Wigner-Ville分布和小波变换，这三种方法在故障诊断中都有各自的局限性。
Hilbert-Huang变换是一种新型的信号处理方法，它特别适于非线性、非平稳信号处理，对故障特征的提取具有很好的准确性，具有良好的自适应滤波特性，非常适合应用在故障诊断领域。
c.原型系统构建技术
原型系统构建技术主要涉及：
编程技术、系统架构技术以及网络拓扑技术。
3.2．拟采取的研究方法、技术路线、实施方案及可行性分析
3.2.1拟采取的研究方法
在本课题的研究中，拟采取从理论到实践，再从实践中总结修正理论的方法。
首先通过阅读文献，学习当今的故障诊断理论和相关知识，形成对课题的初步认识，拟出技术方案。
在调研和实际开发工作中不断的修正和优化方案。
3.2.2技术路线和实施方案
如下图所示，故障诊断流程可分为下图几个部分，数据采集部分主要是硬件搭建的工作，而数据预处理部分的可研究性不大，故不做讨论，该题将主要聚焦在数据库部分，故障诊断部分以及趋势分析部分。
数据库部分，主要利用知识组织管理技术，采用SQLserver软件搭建数据库；故障诊断部分，则通过研究EMD分解算法和HHT变换对故障信号分析处理；趋势分析部分，首先对数据库中大量的数据进行筛选，选择有效数据，利用SVM方法进行分析，从而对寿命以及其他性能进行预测。
3.2.3可行性分析
a.本人对各种信号分析及处理有一定的基础，有助于快速地研究Hilbert-Huang变换；
b.嵌入式系统平台的搭建，可以通过导师的引荐，在电信学院老师和同学的帮助下完成。
c.软件编写及调试通过查资料完成。
d.前期的实验数据通过美国西储大学官方网站获得，主要用于调试软件，当调试成功后，再进行现场采集数据的采集及其验证。
e.课题得到国家科技部项目支持以及上海电气临港重型机械装备有限公司，上海电气中央研究院和上海机床厂的合作。
f.上海机床厂以及临港重型机械装备有限公司在重型设备故障诊断领域经验丰富，可以根据他们掌握的案例与经验解决第一个难题。
g.本人所属科研团队已经有过印刷系统故障诊断系统开发的成功经验，为本课题的顺利完成提供一定的技术支持。
四、研究基础
4.1．所需实验手段、研究条件和实验条件
4.1.1所需软件
MATLAB、visualstudio、SQLserver、HTML和Asp.Net。
4.1.2所需硬件及实验条件
ARＭ开发板；
轴承振动装置；
840D数控机床试验台等等
4.2．所需经费，包含经费来源、开支预算（工程设备、材料须填写名称、规格、数量）
4.2.1经费来源
研究生培养费用、上海电气中央研究院。
开支项目
金额
购买图书、资料、复印费
1000元
实验设备维护和管理费用
5000元
调研协作费用
20000元
交通差旅费
2000元
通讯费（电话、传真、上网）
500元
其它费用
10000元
合计
38500元
五、工作计划
序号
阶段及内容
工作量估计
（时数）
起讫日期
阶段成果形式
1
2
3
4
5
6
7
8
9
文献查阅
研究信号分析处理的各种方法，重点研究HHT算法。
将算法编写成MATLAB程序进行模拟实验
嵌入式平台的搭建及调试
裁剪及移植嵌入式操作系统
编写故障诊断软件并在硬件平台上调试
在实验设备上进行现场调试和试验
后期研究
总结、撰写论文
150
370
130
120
130
380
200
250
380
2012.09.01~
2012.11.1
2012.11.1~
2012.01.10
2012.01.11~
2012.02.10
2012.02.11~
2012.02.28
2012.03.01~
2012.03.20
2012.03.21~
2012.06.30
2012.07.01~
2012.07.31
2012.08.01~
2012.09.30
2012.10.01~
2012.01.10
开题报告
文档
文档、程序
文档、程序及开发板调试成功
文挡、程序
文档（程序代码）
实验报告
文档
毕业论文
合计
2110
同济大学硕士研究生学位论文选题报告评分表
评审项目
权重
评分标准
得分（百分制）
一、选
升级会员 