毕设外文翻译

外文资料译文

基于LabVIEW的变速箱故障诊断系统

摘要

这篇论文主要介绍了变速箱的实施过程和设计原理的故障诊断系统，利用虚拟仪器发展中的software-LabVIEW来实现系统的核心设计，通过小波变换和神经网络，通过例子最终验证了该系统的可行性。

1.介绍

作为一个复杂的齿轮机械系统，变速箱有许多特征参数----固定驱动比，大的驱动力矩和紧凑结构。因此，它通常用来改变转速和转换功率。与此同时，它是一个容易流失的组件，在过去，Matlab软件编程是为了诊断这样的设备的错误，来分析和处理故障诊断信号，其中的错误位置和故障类型是人工判断的。这种方法会给变速箱的故障诊断带来人为因素。这种方法带有局限性，它不容易识别或者是搞清变速箱的故障。

随着计算机技术和机器故障诊断技术的发展，我们提出了一种新思路---基于计算机智能检测的变速箱故障诊断系统，为了提高变速箱故障诊断测量的准确度，快速性，便捷性，和可靠性。该系统利用小波变换从振动信号中提取参数特点，利用神经网络来得出结论。这也同时凸显出原检验方法的弱点，分类智能化变速箱的诊断失误。

本文将简要介绍LabVIEW软件尤其是介绍LabVIEW软件的主要问题和情景结构，该系统发展并实现了基于计算机智能检验的变速箱故障诊断系统。

2.总结虚拟仪器的软件开发

虚拟仪器LabVIEW（实验室）是一种发展工程工作台的工作包，虚拟仪器是一种基于G程序（图形语言）由NI（国家仪器公司）一家美国公司提供的。关于LabVIEW的虚拟仪器的设计能逃避LabVIEW环境。LabVIEW能够模仿传统仪器上的控制面板，并给出了显示结果，同时还可以以各种形式的计算机显示器显示。它拥有强大功能的计算器，可以实现信号数据的操作，分析和处理。此外，它可以完成收集、测量和调节信号I/O接口，从而完成各种测试功能。在世界上，LabVIEW产品广泛应用与众多领域，例如航空、航天、

通信、汽车半导体和生物医学科学等。

作为一个虚拟仪器，LabVIEW在为工程师们执行自己的思想方面更具有优势,使非专业的程序员更加方便，使得程序与传统的编程工具相比更具可读性，如C、c++、VC + +、VB等。同时,它具有较强的可扩展性和适应性。所以在这里我们采用了图形语言LabVIEW来对整个过程的故障进行诊断。与此同时，LabVIEW通过BP神经网络在转化的振动信号的小波变换和分类信号特性方面更具创造性。更重要的是,它为故障诊断变速箱提供了一种全新的设计手段。

3.基于LabVIEW变速箱DIAGNOISIS的系统故障

A.变速箱故障诊断系统的结构与构成

变速箱故障诊断系统采用微量和数字传输序列的框架结构来完成故障诊断，包括训练部分和审查部分。图1显示的是框架体系。

训练部分

审查部分

图1 系统的框架体系

在训练部分中,首先,变速箱中典型的故障信号的输入到系统，然后在LabVIEW中选择合适的小波变换基础,利用小波工具来分析信号,一些频率的特征参数被挑出并且加以规范化后，将会通过全局变量被输入到LabVIEW中的BP训练网络,最后一致的重量和阈值获得和诊断网络结构经训练BP神经网络后得加以确定。

在审查部分，采集到的故障信号通过A/D转换输入到计算机。利用小波理论的LabVIEW工具提取的特征参数，为了要得到变速箱的故障类型，，归一化的结果将会被输入到已训练的BP神经网络加以识别和诊断变速箱的故障。

B.主要技术问题的实现和它们的设置

从图１中显示的系统框架来看，有一些技术问题。如下所示：

1)从故障信号提取和归一化的特征参数。

2)从神经网络提取的重量。

3)固定网络的故障诊断。

上述问题涉及LabVIEW 的多种风格，接下来，我们来具体描述它们的设置：

1) 小波变换和规范化过程

该系统通过Lab 使用的小波工具,来实现小波变换,提取特征参数信号。前面板和程序框图中可以在图2中看到。

该系统对故障信号用小波的工具包分解到N 层，获得一组低频信号与N 组高频信号然后获得高频系数权重的高频信号

12{,,,}n d d d Λ。

假定E.j 是jth 层高频系数串行d.j 的能量，这里

21n

j i i E X ==∑

其中n 是d.j 权重的数量。

全层高频系数的能量可以通过以上的计算得到。经过归一化后全层高频系数的能量，形成的向量是我们所需要的特征参数。

图2 小波变换的前面板和系统框图

2) BP 神经网络的训练

利用在LabVIEW 中的阵列控制器与神经网络算法,该系统可以实现BP 神经网络的训练,获得对故障诊断的权重。图3为显示面板。

本系统采用三层BP 神经网络规范。输入层N 的数目是小波分析层的数目输出层M 的数目是齿轮箱故障类型的数目。隐藏层H 的数量是无限的；它是由输入层和输出层的数目决定的。我们经验公式得到方程

H l =+。

l 是一个范围为１-10的整数。输入层、输出层和隐藏层的代码号分别是7、10、4。

图3 训练网络的前面板

BP 神经网络的典型的故障识别训练有素的。系统的输入向量为变速器的

故障信号的特征矢量。输出向量是齿轮箱故障类型。根据BP算法,系统利用实验样品、增益权重和阈值，从输入层、隐藏层和隐藏层到输出层训练网络,来满足整个网络的误差要求。曲线可以显示不同的变化的趋势。

图4 BP神经网络的程序框架

3)BP神经网络的应用

BP神经网络的应用是选择后的网络的故障识别。它是由LabVIEW算法实现的。运用增重到网络以识别信号，得到故障类型。这个程序框架显示在图4中。

此部分为实现变速箱故障诊断的重要过程。它实时读取特征参数，并利用用于实时训练的BP神经网络识别，获取最后的故障类型。这是BP网络的一个标准的动态计算过程。

4.变速箱故障诊断的实例

在实例中,小波变换选择小波DB2作为基本小波，它在第七层。小波变换DB2是一种正交的变换。有几个故障类型，如齿轮断裂、点蚀、磨损与崩溃。首先我们固定输入层，输出层和隐藏层的数目分别为7、10、4，假设故障是侵蚀的,利用这个系统完成振动信号采集，然后提取信号的特征参数，最后通过训练BP神经网络得出结论。图5显示了这个系统前面板的结论区。

图5 前面板的结论区

通过结论部分的主要界面，我们可以看到齿轮断裂、腐蚀、磨损、碰撞和错误的结论的坐标数据点。结论是按照预测进行的，所以它演示了该系统的可行性和有效性。

5.结论

该系统基于LabVIEW，利用小波变换融合算法提取振动信号的特征参数。然后它用神经网络来判断，并得出结论。整个诊断系统应用了信号小波变换，BP神经网络与数据采集，数据辨识、贮存等,实现实时数据采集和故障类型的识别。