Surveillance de l'état de la machine de touffetage de gazon artificiel

(1) Consulter la littérature pertinente, comprendre pleinement l'historique de développement et la situation actuelle de la surveillance de l'état et du diagnostic des défauts au pays et à l'étranger, et déterminer les méthodes de recherche en matière de surveillance de l'état et de diagnostic des défauts. Le système d'arbre principal et le principe de fonctionnement de la machine à touffeter le gazon artificiel sont étudiés, ainsi que les défauts courants et les sources de vibrations de la machine à touffeter. Sur la base de l'analyse de la surveillance des défauts de la machine à touffeter, l'objet de surveillance du système, à savoir le roulement de transmission sur l'arbre principal, est déterminé. La structure globale du système de surveillance d'état et de diagnostic de pannes est conçue, le procédé de transmission de données et le procédé d'accès à distance sont déterminés et le matériel du système est conçu.

(2) La méthode d'analyse temps-fréquence est étudiée - le crénelage modal et l'effet final qui affectent les performances de la méthode EMD sont étudiés. Visant les lacunes de la méthode EMD, une nouvelle amélioration est apportée sur la base de la méthode EEMD, et une méthode adaptative I-EEMD est proposée. Le signal est utilisé pour prouver l’efficacité de la méthode.

(3) La méthode de reconnaissance de formes basée sur la machine à vecteurs de support (SVM) est étudiée et la sélection adaptative des paramètres SVM basée sur un algorithme génétique est proposée. La fonction d'entropie de paramètre dynamique non linéaire est étudiée et la valeur du paramètre de la fonction d'entropie floue est étudiée. Il est en outre proposé d'effectuer une décomposition I-EEMD du signal de défaut pour obtenir l'effet d'une analyse multi-niveaux. Le coefficient est utilisé pour sélectionner l'IMF effectif, et la valeur d'entropie floue est calculée comme caractéristique du signal de défaut, puis entrée dans le SVM pour le diagnostic des défauts. En effectuant une vérification par exemple, le modèle entraîné classe les échantillons de test et identifie efficacement les informations de défaut.

(4) La structure du programme du processeur de messages de file d'attente est utilisée pour réaliser la reconnaissance de formes du diagnostic de panne. Le système réalise la collecte, la transmission, le stockage, l'analyse et le diagnostic des défauts du signal de vibration.

www.wxmatale.com