Conditiebewaking van kunstgras tuftmachine

(1) Relevante literatuur raadplegen, de ontwikkelingsgeschiedenis en huidige situatie van condition monitoring en foutdiagnose in binnen- en buitenland volledig begrijpen, en de onderzoeksmethoden van condition monitoring en foutdiagnose bepalen. Het hoofdassysteem en het werkingsprincipe van de kunstgrastuftmachine worden bestudeerd, en de veel voorkomende fouten en trillingsbronnen van de tuftmachine worden bestudeerd. Op basis van de analyse van de foutbewaking van de tuftmachine wordt het bewakingsobject van het systeem – het transmissielager op de hoofdas – bepaald. De algemene structuur van het conditiebewakings- en foutdiagnosesysteem is ontworpen, de datatransmissiemethode en de externe toegangmethode zijn bepaald en de systeemhardware is ontworpen.

(2) De tijd-frequentieanalysemethode wordt bestudeerd; de modale aliasing en het eindeffect die de prestaties van de EMD-methode beïnvloeden, worden bestudeerd. Met het oog op de tekortkomingen van de EMD-methode wordt op basis van de EEMD-methode een verdere verbetering aangebracht en wordt een adaptieve I-EEMD-methode voorgesteld. Het signaal wordt gebruikt om de effectiviteit van de methode aan te tonen.

(3) De patroonherkenningsmethode op basis van een support vector machine (SVM) wordt bestudeerd, en de adaptieve selectie van SVM-parameters op basis van een genetisch algoritme wordt voorgesteld. De niet-lineaire dynamische parameter-entropiefunctie wordt bestudeerd, en de parameterwaarde van de fuzzy entropiefunctie wordt bestudeerd. Verder wordt voorgesteld om I-EEMD-ontleding van het foutsignaal uit te voeren om het effect van analyse op meerdere niveaus te bereiken. De coëfficiënt wordt gebruikt om de effectieve IMF te selecteren, en de vage entropiewaarde wordt berekend als het foutsignaalkenmerk en vervolgens ingevoerd in de SVM voor foutdiagnose. Door voorbeeldverificatie uit te voeren, classificeert het getrainde model de testmonsters en identificeert effectief de foutinformatie.

(4) De programmastructuur van de wachtrijberichtprocessor wordt gebruikt om de patroonherkenning van de foutdiagnose te realiseren. Het systeem realiseert het verzamelen, verzenden, opslaan, analyseren en foutdiagnose van het trillingssignaal.

www.wxmatale.com