2021-06-28
本项目设计开发一个web端分析系统，用于处理和分析高频振动数据，并实现故障判断。
机器设备工作的过程中，持续、剧烈地振动往往会导致机器设备部件发生损坏，进而影响整个设备的性能和寿命。随着工业制造水平不断提高，机械设备结构日益精密复杂，工业界对生产安全也逐渐重视起来，为了避免由于非预期设计振动造成相应损失，机器设备运行状态的监测变得越来越重要，设计开发了频谱分析系统。
本项目分为前端设计和后端算法实现两部分。前端部分包括web网页设计和数据呈现。后端算法实现包括振动数据的时域和频域分析，并实现对左图所示的轴承进行故障检测和分类。
时域分析包括计算均值、方差、均方值、偏度、翘度、峰值因子、波形因子和相关性等反映数据时域特征的参数。频域分析包括频谱，能量谱以及相位谱等。与此同时还支持降噪预处理和滤波器的选择。
在故障检测方面，我们分析对比了两种方法。一种是基于相空间重构——卷积神经网络（PS-CNN）的故障识别。即先对振动数据进行相空间重构，得到二维数组，提取信息中的非线性动力特征，在把重构相图作为CNN的输入，实现故障检测。另一种是直接通过时域上的加速度数据，每个数据为随机截取的片段，再汇总作为数据集，网络选择一维的卷积神经网络。
本项目实现了轴承驱动端故障的检测，并达到百分之九十五以上的准确率。
