Monitoraggio delle condizioni della macchina per trapuntatura di erba artificiale

(1) Consultare la letteratura pertinente, comprendere appieno la storia dello sviluppo e la situazione attuale del monitoraggio delle condizioni e della diagnosi dei guasti in patria e all'estero e determinare i metodi di ricerca del monitoraggio delle condizioni e della diagnosi dei guasti. Vengono studiati il ​​sistema dell'albero principale e il principio di funzionamento della macchina per tufting in erba artificiale, nonché i guasti comuni e le fonti di vibrazione della macchina per tufting. Sulla base dell'analisi del monitoraggio dei guasti della macchina tufting viene determinato l'oggetto del monitoraggio del sistema: il cuscinetto di trasmissione sull'albero principale. Viene progettata la struttura complessiva del sistema di monitoraggio delle condizioni e di diagnosi dei guasti, vengono determinati il ​​metodo di trasmissione dei dati e il metodo di accesso remoto e viene progettato l'hardware del sistema.

(2) Viene studiato il metodo di analisi tempo-frequenza: vengono studiati l'aliasing modale e l'effetto finale che influenzano le prestazioni del metodo EMD. Mirando alle carenze del metodo EMD, viene apportato un ulteriore miglioramento sulla base del metodo EEMD e viene proposto un metodo I-EEMD adattivo. Il segnale viene utilizzato per dimostrare l'efficacia del metodo.

(3) Viene studiato il metodo di riconoscimento di pattern basato sulla Support Vector Machine (SVM) e viene proposta la selezione adattiva dei parametri SVM basata su un algoritmo genetico. Viene studiata la funzione parametrica-entropia dinamica non lineare e viene studiato il valore del parametro della funzione entropia fuzzy. Si propone inoltre di eseguire la scomposizione I-EEMD del segnale di guasto per ottenere l'effetto dell'analisi multilivello. Il coefficiente viene utilizzato per selezionare l'IMF effettivo e il valore di entropia fuzzy viene calcolato come caratteristica del segnale di guasto e quindi immesso nell'SVM per la diagnosi del guasto. Eseguendo la verifica di esempio, il modello addestrato classifica i campioni di prova e identifica efficacemente le informazioni sul guasto.

(4) La struttura del programma dell'elaboratore di messaggi in coda viene utilizzata per realizzare il riconoscimento del modello della diagnosi dei guasti. Il sistema realizza la raccolta, trasmissione, memorizzazione, analisi e diagnosi dei guasti del segnale di vibrazione.

www.wxmatale.com