基于LabVIEW的齿轮箱故障诊断

基于LabVIEW的齿轮箱故障诊断

第!"卷第#期#$$%年&月军械工程学院学报’()*+,-(./*0+,+123+45+22*5+46(--2427(-8!"9(8#:;*<，#$$%

==文章编号：!$$>?#@%A（#$$%）$#?$$#@?$B

基于C,D7E3F的齿轮箱故障诊断

俞文文!，郑海起!，高伟#，高永生!，田昊!

（!<军械工程学院火炮工程系，河北石家庄=$%$$$B；#<驻>$!厂军事代表室，广西柳州=%&%$!#）摘要：着重介绍了齿轮箱故障诊断系统的实现过程和设计思想，及通过虚拟仪器开发软件C,D7E3F、小波变换和神经网络技术，来实现齿轮箱故障诊断系统的核心内容，最后通过实例验证了此设计的可行性。关键词：C,D7E3F；小波分析；GH网络；故障诊断

中图分类号：IH#$A8B；IJ!BB8BB======文献标识码：:

!"#$%&’"()*+’+,-+%./*01."23*45"+.6*)7"389:;

KLF2+?M2+!，NJ39OJ,5?P5!，O:/F25#，O:/K(+4?QR2+4!，IE:9J,(!

（!<S2;,*TU2+T(.O)+Q3+45+22*5+4，/*0+,+123+45+22*5+46(--242，VR5W5,XR),+4=$%$$$B，6R5+,；

#<Y5-5T,*Z[2;*2Q2+T,T5\2/..5125+TR2>$!TR],1T(*Z，C5)XR()=%&%$!#，6R5+,）

<3+%2"=%：IR5Q;,;2*U,5+-Z5+T*(0)12QTR25U;-2U2+T;*(12QQ,+002Q54+;*5+15;-2(..,)-T05,4+(Q5QQZQT2U(.42,*D(^，*2,-5X2QTR21(*2(.TR2QZQT2UM5TRTR2\5*T),-5+QT*)U2+T02\2-(;5+4Q(.TM,*2—C,D_7E3F，TR2M,\2-2TT*,+Q.(*U,+0TR2+2)*,-+2TM(*‘Q，,+0.5+,--Z\,-50,T2QTR2.2,Q5D5-5TZ(.TR2QZQT2UTR*()4R2^,U;-2Q<

>.-?*26+：C,D7E3F；M,\2-2TT*,+Q.(*U；GH+2)*,-+2TM(*‘Q；.,)-T05,4+(Q5Q==以往对齿轮箱的故障检测是利用Y,T-,D分析和处理已获得的故障振动信号，人为来判断故障发生点和故障发生类型。这就使齿轮箱故障检测存在着一定的局限性，不利于齿轮箱故障的识别和排除。

笔者提出基于计算机智能检测的齿轮箱故障诊断系统。此系统运用小波变换对齿轮箱振动信号进行特征参量的提取，并利用神经网络对信号的特征参量进行判别得到故障结论，从根本上弥补了原有检测手段的劣势不足，实现了齿轮箱故障诊断的系统化和智能化。

训练部分和检测部分，结构框图如图!所示。

!"基于!"#$%&’的齿轮箱故障诊断系统

!#!"齿轮箱故障诊断系统的结构和组成

齿轮箱故障诊断系统采用顺序运行和数值传递的结构方式实现对故障的判断与识别，其组成包括

收稿日期：#$$%?$B?!"；修回日期：#$$%?$&?$!作者简介：俞文文（!@>#—），男，硕士研究生<

在训练部分中，首先将齿轮箱故障的典型信号输入系统。应用C,D7E3F小波工具箱对故障信号选择适当的基小波进行小波分解，提取各频带信号特征量并实现归一化操作，通过C,D7E3F中全局变量将归一化后的特征参量传入GH训练网络中，

进

基于LabVIEW的齿轮箱故障诊断

/1

军械工程学院学报55555555555555555555

.1165

行!"网络的训练，获得!"网络的相应权值和阈值并确定其诊断的网络结构。

在检测部分中，将采集的故障信号经#$%转换输入计算机。同样，利用&’()*+,小波工具箱提取信号的特征参量，并将归一化的结果传入已训练好的!"神经网络对齿轮箱故障加以识别和诊断，获取齿轮箱故障类型。

!"#$系统中的主要技术问题及其解决方案

系统存在的主要技术问题如下：

-）故障信号特征参量的提取及其归一化处理；.）!"神经网络的训练，即网络权值的提取；/）!"神经网络的应用，即网络确定后的故障识别。

!"#"!$提取故障信号特征参量的小波分析及其归一化处理

此系统是利用&’()*+,的小波控件实现对信号的小波变换和特征参量的提取。其主要的框图程序如图.所示。

此系统利用小波分析将故障信号进行!层分解，获得一组低频信号和!组高频信号，并提取其"，…，"｝，且高频信号的系数分量｛"，

"%&（’(），（!$(）)，

$

$

-.

#

!"#"#$!"神经网络的训练

此系统是利用&’()*+,数组控件和神经网络相应的算法实现!"神经网络的训练以获取适用于故障诊断的神经网络权值。

此系统结合故障识别机构，选择使用/层典型!"网络。输入层节点个数!为小波分解层数，输出层节点个数-为齿轮箱故障类型个数。而隐藏层节点个数.是不确定的，它是由输入层和输出层个数共同决定，据经验公式可得；.%/0，

式中，0为-0-1之间的整数。节点个数分别取2、-1、3。

!"网络以典型的故障类型识别为基础可以得到较好的训练。此系统是以齿轮箱典型故障信号的特征向量为网络样本输入向量，以齿轮箱故障类型为网络的样本输出向量，按照!"算法，利用实验样本进行网络训练，获取输入层到隐藏层、隐藏层到输出层的权值和阈值，使得整个网络总体误差达到要求，其中总体误差的变化曲线可以体现其变化的趋势。

!"#"%$!"神经网络的应用

!"神经网络的应用，即网络确定后的故障识别，是利用&’()*+,相关算法来实现的。把已获得的权值赋予使用网络，实现对测得的信号的判别，获取故障类型。其程序框图程序如图/所示。此环节是完成齿轮箱故障诊断的重要步骤。它是将实时采集的故障信号特征参量读入，并利用已经训练完毕的!"神经网络加以识别，获得最后的故障类型。此过程是一种!"网络标准的动力学计算过程。

（/）

在此系统中!"网络输入层、输出层和隐藏层

（-）

式中，’（(）为信号函数，（(）为尺度函数。设*$为!则有：第$层高频小波分解系数序列"的能量，

#

*$%

$

(+%-

,"$+,.，

（.）

式中，#为"中分量的个数。

通过以上的计算获得各层高频小波分解系数序列的能量。按照尺度顺序将各层高频小波分解系数序列的能量归一化，组成向量即为所要提取获得的特征参量。

（下转第4/页）

基于LabVIEW的齿轮箱故障诊断

_第C期_______________陆大勤等：自蔓延高温合成技术的研究动态［!"］#$%$&’()*+,+-.，#+%’($&+/0，1+2(’*$&0-，32+45

6$()$4’7+2’$($8%+7’$+92’&3)’(2$:’(3%+4;4’*3:+23%’+4<,2=3>?>:32=$7［@］5-(23%@5>?>，!AAB，"（!）：!CA5

［!B］#+%’($&+/0，#$%$&’()*+,+-.，D2’(*$&-1，32+45

>?>’::$<’4’E+2’$($8%+7’$+92’&3F+)23)［@］5G3,H(I’J(33%’(IK+23%’+4)，CLLC，C!"：!AM;CLL5

［!A］路新，郭志猛5自蔓延高温合成固定放射性废物

［@］，硅酸盐学报，CLLM，C（C）：CLN;CLB5

［CL］O%’I$%,+(H?5>?>$8P;#+;6Q;R9$:S43TRT’73)

［@］，-(23%5@5>?>，!AA"，U（M）：ML"5

［C!］O4+7Q(O5V$Q)2+2’$(+%,8’4:)9$:<Q)2’$(2=3)QSS$%2

5D4:+;D2+：［D］5’(：D<)5!)2-(23%>,:>?>［6］［)5(5］，!AA!5

［CC］王志伟，施雨湘，杨圣品5自蔓延高温合成（>?>）

技术新进展［@］5材料保护，CLLC，N（N）：!;M5［CM］.$W:+(@D5X%33;%+7’9+48$(2+4S$4,:3%’E+2’$(：>?>

F+&3)［@］5D:56=3:5>$95，!AA!，!!M：UCBY5

UM

［CY］P+:+7+R，K’,+:$2$P5>?>+(77,(+:’99$:S+92’$(

$8:Q42’S=+)393%+:’9)［@］5-(23%5@5>?>，!AAC，!（C）：C"N5

［CN］朱振峰，王若兰5自蔓延燃烧合成陶瓷粉体的研究

进展［@］5中国陶瓷，CLLY，YL（!）：CB;M!5［CU］杜心康，王建江5自蔓延高温合成表面涂层技术进

展［@］5材料开发与应用，CLLC，!"（C）：MY;MB5［C"］R7+F+%+R，-*3Q9=’@5>2Q7,$(6$:S$)’23:+23%’+4)

F’2=+93(2%’8QI+4;2=3%:’2S%$93))［@］5/%+()+92’$($82=3/+S+(-()2’2Q23$8K+23%’+4)，!AB!，YN（M）：M!U5［CB］O*’I$%3&PQK，K3%E=+($&DO56$:<Q)2’$(S%$93))3)

’(9=3:’9+4239=($4$I,+(7:32+44Q%I,［@］5-(23%(+2’$(+4@$Q%(+4$8>?>，!AAC（!）：ULL5

［CA］王建江5>?>陶瓷内衬复合弯管的制备［@］5金属

热处理，!AAB，（!C）：Y5

（责任编辑：欧阳晓黎）

5555555555555555555555555555555555555555555555

（上接第ML页）

在主界面结论区，可以看到断齿、点蚀、划伤及磨损的相应数据和故障结论。此结论与预设故障相符，说明整个故障诊断系统正确性和可行性。

!"齿轮箱故障诊断实例

在实例中，小波分析选取具有紧支承、正交性的小波Z#C为基小波，并确定小波分解层数为"。故障类型为断齿、点蚀、划伤及磨损Y种。确定#.神经网络输入层、输出层和隐藏层节点个数分别取"、!L、Y。预设故障为点蚀，选用精度为!LL:0[I的丹麦#\G公司压电式加速度传感器粘贴安装在齿轮箱壳体上，级连电荷放大器和V-公司的V-UL!M数据采集卡，并使用本系统对某齿轮箱进行箱体振动信号采集，提取信号的特征向量，经训练好的#.网络诊断得出结论。本系统运行的前面板结论区如图Y所示。

参考文献：

［!］杨乐平，李海涛，赵勇，等5]+<0-H^高级程序设计

［K］5北京：清华大学出版社，CLLM5

［C］D<=’W’2>.+(7,+，1$<3%2#，K+9,5神经网络模式识别

及其实现［K］5徐勇，荆涛，译5北京：电子工业出版社，!AAA5

［M］邢士勇，马吉胜，郑海起，等5基于ZZH和小波分析

的神经网络故障诊断［@］5振动与冲击，CLLM，CC（M）：NB;UL5

［Y］徐章遂，房立清，王希武，等5故障信息诊断原理及

应用［K］5北京：国防工业出版社，CLLL5

（责任编辑：刘宏波）

基于LabVIEW的齿轮箱故障诊断

基于LabVIEW的齿轮箱故障诊断

作者：作者单位：

俞文文， 郑海起， 高伟， 高永生， 田昊， YU Wen-wen， ZHENG Hai-qi， GAO Wei，GAO Yong-sheng， TIAN Hao

俞文文,郑海起,高永生,田昊,YU Wen-wen,ZHENG Hai-qi,GAO Yong-sheng,TIAN Hao(军械工程学院火炮工程系,河北,石家庄,050003)， 高伟,GAO Wei(驻801厂军事代表室,广西,柳州,545012)

军械工程学院学报

JOURNAL OF ORDNANCE ENGINEERING COLLEGE2005，17(2)0次

刊名：英文刊名：年，卷(期)：被引用次数：

参考文献(4条)

1.杨乐平.李海涛.赵勇 LabVIEW高级程序设计 2003

2.Abhijit S Pandya.Robert B,Macy.徐勇.荆涛 神经网络模式识别及其实现 1999

3.邢士勇.马吉胜.郑海起 基于DDE和小波分析的神经网络故障诊断[期刊论文]-振动与冲击 2003(03)4.徐章遂.房立清.王希武 故障信息诊断原理及应用 2000

相似文献(10条)

1.期刊论文 龚仁喜.宁存岱.谢井华.秦国栋 基于LabVIEW和小波分析的电力电缆故障定位方法 -重庆理工大学学报（自然科学版）2010,24(1)

在分析行波法故障测距误差的基础上,根据小波变换模极大值在不同尺度下的特性,运用自相关分析提供的约束条件,基于LabVIEW平台,实现了对故障信号的准确识别和定位,准确测算出故障点的位置.大量的仿真测试表明,该方法故障测距精度较高,定位较为准确,同时具有界面友好、维护和升级方便、成本低廉、整个系统的功能可根据用户的具体要求实时调节等优良性能.

2.期刊论文 周萍.应启戛.张燕连.ZHOU PING.YING QIJIA.ZHANG YANLIAN 基于LabVIEW的小波分析的实现及应用 -微计算机信息2007,23(25)

文章介绍了小波分析在故障诊断方面的应用原理,针对小波分析的实现问题提出了一种通过在LabVIEW调用MATLAB应用程序实现小波分析的方法.并应用该方法解决了故障诊断中常见的信号奇异点的定位问题.最后对于程序调用过程中可能出现问题提出了注意的事项和解决方法.

3.学位论文 鞠培刚 小波分析在往复机械特征提取中的应用研究 2007

机械设备监测与故障诊断技术是一门综合性技术，从本质上来讲是一个机器运行状态的模式识别问题，其关键就是故障信号的特征提取与分类。由于往复机械在工业生产中的重要作用，其故障诊断的研究具有重要意义。

本文主要研究了小波分析方法在面向往复机械故障诊断的非平稳信号特征提取中的应用。主要进行了以下几方面的工作：

(1)以非平稳信号的特征提取为出发点，分析了国内外故障诊断和信号特征提取方法研究的现状，说明了研究非平稳信号的特征提取方法是故障诊断的内在要求。

(2)研究了小波分析、小波包分解的基本理论，并重点研究了小波基的性能。通过研究指出只有根据信号的特征选择相应的小波基进行分解和特征提取，才能有效识别故障信息，使小波变换达到工程实用化。在此思想的指导下，提出了建立故障诊断专科门诊的设想。

(3)对小波分析应用于信号降噪进行了理论分析。将小波分析降噪方法应用于往复机械故障诊断中，通过仿真实验分析和工程实际应用分析，证明小波分析降噪方法可以有效的抑制非平稳信号中的噪声，并有效的保留信号中包含的故障信息。

(4)将小波包分解方法应用于往复机械故障诊断中，通过对故障信号进行小波包分解，研究了故障信号在小波包分解下的故障特征。 (5)基于虚拟仪器技术，开发了一套适用于往复机械的虚拟测试分析仪系统，从而更好地为往复机械故障诊断服务。

本文对文中所提方法进行了实验研究，结果表明，将小波分析方法用于信号降噪，能在不同的频率范围内对信号进行滤波，解决了低通滤波当信号和噪声频率发生重叠时不能进行有效分离的问题，可以作为往复机械故障诊断中的非平稳信号的预处理方法。小波包分解可以将信号分解到不同的频段，然后对各频段内的信号进行重构，再对所关心的频段的子信号进行分析，可以有效的提取非平稳信号中的故障特征。

4.期刊论文 王家宏.WANG Jia-hong 基于LabVIEW的小波分析在船舶柴油机故障诊断中的应用 -浙江海洋学院学报（自然科学版）2008,27(2)

测取船舶柴油机缸体振动信号.利用LabVIEW并结合小波分析对信号进行处理,提取故障特征.诊断结果与实际情况相符,说明了该方法的可行性及有效性.

5.学位论文 王淑芳 基于虚拟仪器和小波分析的接触网故障信号采集与分析 2005

接触网是电力机车安全运行的关键，保证对电力机车可靠的、不间断供应电能。但是接触网是电气化铁路中的薄弱环节，接触网一旦发生故障，对牵引供电系统、受电设备及整个铁路运输都会造成重大损失。研究接触网的故障信号采集与分析技术、智能故障诊断技术，对于精确定位故障点、判断故障类型、缩短事故停电时间、保证铁路安全运行具有非常重要的意义。

当接触网发生故障时，短路点及附近电力设备中流过的短路电流可能达到额定电流的几倍乃至几十倍，将对电气设备造成严重损坏。

本文基于虚拟仪器技术、小波变换理论，以电气化铁路接触网的故障信号为例进行实时采样，并进行了有效的特征提取，实现了故障智能诊断需要的初步数据采集和分析任务。

首先利用虚拟仪器技术对接触网故障信号进行数据采集，借助NI-5112数据采集卡和信号调理等硬件电路，在虚拟仪器软件开发平台-LabVIEW6.1上开发了数据采集与分析仪的整个应用软件，实现了对接触网故障信号的高速实时采样。

在小波分析的理论基础上，提出基于3阶B样条小波的离散小波变换的一种特征提取方法，对电气化铁路接触网的故障信号进行多分辨率分析，用小波变换模极大值在多尺度上的变化来表征信号奇异点的性质，从而提取出故障的特征向量，因而压缩了神经网络的输入参数。 系统实现了接触网故障信号的采集与故障分析，对保证电气化铁路安全畅通运行有重要的现实意义。

6.学位论文 刘金星 基于LabVIEW的信号检测技术研究及在柴油机故障诊断中的应用 2007

基于LabVIEW的齿轮箱故障诊断

虚拟仪器技术在信号采集与处理和系统监控领域里显示出其独特的技术优势和性价比，因而在各种信号采集与处理系统中，虚拟仪器的应用越来越广泛。

本论文研究的是基于LabVIEW语言的信号检测技术及在船舶柴油机故障诊断中的应用。在采用NI公司的硬件平台和PXI总线接口机箱及采集、控制卡，采集由各类船舶柴油机用传感器传来的波形信号，并对采集信号进行各类特征分析、特征波形提取，如信号的时域分析、频域分析、幅值域分析、时频域分析、短时傅立叶变换的时频分析等。其中重点研究了小波分析在信号处理中的应用和实现，给出了连续小波变换、离散小波变换、小波分解、小波包分解、小波重构、小波除噪等的基本理论及在LabVIEW开发平台的实现。试验表明小波分析对采集信号的消噪、分解去除信号中的高频杂波、分析信号发展趋势等都有很好的效果，并且程序执行速度快，处理结果与理论吻合，完全可以在基于LabVIEW开发平台的实际信号采集处理中得到广泛应用。最后将基于小波分析的信号处理实现过程在虚拟仪器语言LabVIEW中生成子函数，为后面的故障诊断的信号分析处理奠定基础。

本文最后简单介绍了船舶柴油机故障诊断的必要性与发展、船舶柴油机故障诊断的基本过程和常用的诊断方法，探讨并开发了基于小波分析方法的信号处理和基于神经网络算法的故障诊断方法的船舶柴油机燃油系统的故障诊断系统和基于时域特征参数曲线拟合法的船舶柴油机故障诊断系统，并对结果进行分析比较。结果表明基于上述两种理论和方法在虚拟仪器开发平台的故障诊断过程简单快速，结果准确明了，大大提高了故障诊断的能力和精度。

7.期刊论文 魏春燕.胡丹.张胜恩.WEI Chun-yan.HU Dan.ZHANG Sheng-en 基于LabVIEW和MATLAB混合编程的小波分析在故障诊断中的应用 -煤矿机械2008,29(1)

在简单介绍了小波分析、虚拟仪器及其软件开发平台LabVIEW基本原理的基础上,重点阐述了小波分析应用于故障诊断中的几个问题以及小波分析与虚拟仪器结合应用于信号分析.

8.学位论文 张舫 天然气输气管道泄漏自动检测与定位方法的研究 2002

现代化的工程技术正朝着大规模、复杂化的方向发展,其系统的可靠性与安全性已成为保证经济效益和社会效益的一个关键因素."西气东输"是标志中国"西部大开发"的四大工程之一,随之而来的是大量天然气管道的铺设,而管道的泄漏将会造成巨大的人身伤害、环境污染和国家经济财产的损失,因此,管道的泄漏检测与定位的意义重大.现代故障诊断方法主要分为三类:基于解析模型的方法,基于信号处理的方法和基于知识的方法.鉴于小波分析技术对信号奇异点快速准确的识别能力,同时针对天然气长输管线泄漏故障的特点,我们选择了基于小波分析技术的故障诊断方法作为该课题的主要研究方向.小波分析理论是一种崭新的理论,它具有良好的时、频分辨能力和实时快速反应能力.该文中主要研究了小波分析算法中一维离散和连续小波的信号消噪处理、信号奇异性检测及小波分析在天然气长输管线泄漏的故障诊断与定位上的适用性.另外,文中确定了适合于输气管道泄漏的检测方法.现有的检漏方法都有一定的局限性,而且都不能全部检出从微漏到大漏的整个范围,检测速度、灵敏度、定位精度都不够理想.经过比较研究,我们选择了负压波法作为判漏和定位的主要方法,同时还结合了压力差法和流量平衡法进行联合故障诊断,从而大大提高了检测系统的准确度.该文在分析天然气集输过程和输气管道泄漏时所产生的负压波的传播机理的基础上,最终形成了一套适用于长输天然气管线泄漏故障的诊断与定位的方法.在课题的研究过程中我们采用了MATLAB仿真平台中的小波分析工具箱作为主要原研究工具.仿真实验的结果令人满意.最后,我们还对故障分类的模式识别方法作了有益的探索,并采用了当今流行的虚拟仪器开发平台LabVIEW对实际系统进行了软、硬件的原理性设计.该论文是省自然基金项目前期的方法研究,它的实现为该课题后期的软、硬件系统的开发与实现打下了坚实的基础.

9.会议论文 罗长更.曹广忠 小波分析在信号降噪中的应用及labview中的实现

Labview是一个功能强大的虚拟仪器开发平台,小波变换是一种研究信号时-频分析的重要方法,本文在Labview平台下实现了小波消噪算法,并将其应用在一消噪实例中.

10.学位论文 于琳 LabVIEW平台下基于小波包神经网络的浊度传感器故障诊断 2009

传感器技术、通讯技术和计算机技术已成为现代信息技术的三大支柱，是信息产业的重要基础工业。由于传感器工作环境复杂恶劣、分布面广、数据量大、传感器安装部位特殊等原因，使得传感器成为过程控制中的薄弱环节之一，是系统中最易发生故障的部件，仅靠人力去发现和修复传感器故障很难做到及时有效作为自动控制技术。因此，传感器故障诊断问题是一个有重要现实意义的问题。小波分析和神经网络作为传感器故障诊断中两种比较优秀的理论方法，都得到了广泛的应用，但也存在各自的缺陷。小波分析由于其优良的时频分析特性，在故障诊断中可以将信号数据做准确地处理，提取故障信号的特征，但是就故障诊断本身的判别手段却是不太容易确定，在很多情况下难以量化。神经网络的非线性，平等分布处理，特别是其高度的自组织和自学习能力，使其成为故障诊断的一种有效方法和手段。但神经网络的诊断过程只能通过改变网络内部神经元函数和端口数来实现诊断效果的区别，并且神经网络训练样本的选择和数量对于诊断效果的影响很大，因此对于实现故障诊断的条件要求较高。由于小波分析和神经网络在故障诊断领域各自具有优势及不足，将两者结合变成小波神经网络（WNN，WaveletNeuralNetwork），形成了传感器故障诊断的新思路。

本文研究了小波神经网络应用了传感器故障诊断的基本理论，在此基础上，利用虚拟仪器开发平台LabVIEW，研究了基于小波神经网络浊度传感器的故障诊断系统，此系统采用了系统的硬件平台采用了PCDAQ/PCI数据采集卡系统，软件设计采用三层小波包提取故障信号特征值，构建特征向量作为BP神经网络的输入，实现了对传感器偏置故障、冲击故障、开路故障、周期性干扰故障这四种基本故障的故障诊断，验证了小波神经网络方法的可行性和准确性。

本文链接：/Periodical_jxgcxyxb200502010.aspx

下载时间：2010年10月25日

本文来源：https://www.bwwdw.com/article/ov64.html