这篇论文研究机电系统故障预测问题。机电设备现在用得很广泛。工厂有很多机器。发电站有很多设备。这些机器设备很重要。机器坏了会影响生产。机器坏了会造成损失。提前知道机器要坏就好了。这样就可以提前修理。这就是故障预测。我的论文想做这个事。

做故障预测不容易。机器很复杂。机器有很多零件。零件会磨损。零件会老化。机器会有振动。机器会有声音。机器会有温度变化。这些变化可能表示机器要坏了。怎么发现这些变化呢。我们需要传感器。传感器可以测量振动。传感器可以测量温度。传感器可以测量电流。传感器收集很多数据。数据太多了。人看不明白。计算机可以帮忙。计算机可以分析数据。计算机可以找出规律。

我用了振动信号分析。机器坏了振动会变。振动的样子会不同。我用了加速度传感器。传感器装在机器上。传感器记录振动数据。数据传到电脑里。电脑里的程序分析数据。程序计算振动的特征。特征包括幅度大小。特征包括频率分布。特征包括波形形状。这些特征能反映机器状态。

我还用了温度监测。机器坏了温度会变。轴承坏了温度会高。电机坏了温度会异常。我装了温度传感器。传感器测轴承温度。传感器测电机外壳温度。温度数据也传到电脑。电脑记录温度变化。温度慢慢升高可能有问题。温度突然升高肯定有问题。

电流信号也有用。电机负载变化电流会变。电机有问题电流会变。我测量了电机电流。电流传感器收集数据。电流的波形能说明问题。电流谐波多了可能有问题。电流大小异常可能有问题。

数据都有了。数据很多很乱。需要处理数据。我学了信号处理的方法。我用了滤波方法。滤波去掉噪声。噪声没有用。有用的信号留下了。我用了频谱分析。时域信号变频域信号。频域能看到频率成分。故障有特定的频率。找到这些频率就找到故障。

光看数据不行。需要做判断。我用了机器学习的方法。机器学习是计算机学习。计算机从数据学习规律。我准备了训练数据。训练数据包括正常状态。训练数据包括故障状态。计算机学习这些数据。计算机学习正常是什么样子。计算机学习故障是什么样子。计算机学会了自己判断。新数据来了计算机自己看。计算机判断正常还是故障。

我用了一种叫支持向量机的方法。这种方法分类很准。我把数据特征输入进去。支持向量机找到分界线。分界线分开正常和故障。新数据落在哪边就是哪类。我用了很多数据训练。训练结果不错。准确率比较高。我还用了神经网络。神经网络像人脑。神经网络有很多层。每层处理一点信息。最后层做出判断。神经网络可以学复杂规律。我训练了神经网络。神经网络效果也很好。

我在实验室做了实验。实验室有一台电机。电机带着一个转子。转子上可以加不平衡质量。不平衡质量模拟故障。我让电机正常运转。我收集正常数据。我加上不平衡质量。我收集故障数据。我用这些数据训练模型。训练好的模型做预测。模型能预测不平衡故障。预测结果基本正确。有时候有点误差。误差不太大。

我也用了真实工厂的数据。工厂有一台风机。风机运行了很长时间。工厂有历史数据。历史数据包括正常数据。历史数据包括故障数据。我用这些数据训练。训练好的模型测试新数据。模型成功预测了轴承故障。提前两天预测到了。工厂及时维修了。避免了风机停机。工厂很满意这个方法。

这个研究有用处。可以帮助工厂减少停机。可以帮助企业节约钱。可以保证生产安全。可以延长机器寿命。方法不算太复杂。传感器不贵。电脑现在都有。程序可以自己写。中小工厂也能用得起。

研究也有不足的地方。实验只在几种机器上做过。别的机器行不行不知道。故障类型只试了几种。复杂的故障可能难预测。数据量有时候不够。数据多了才好训练。工厂有时候数据不全。需要长时间积累数据。模型需要定期更新。机器老了规律会变。模型也要跟着变。未来还要继续研究。想试试更深的神经网络。想试试多传感器融合。振动温度电流一起看。可能预测更准。想试试在线监测系统。数据实时分析实时报警。不用人盯着电脑。手机能收到报警信息。这样就更方便了。

论文写完了。研究做完了。我学到了很多东西。我学会了传感器怎么用。我学会了信号怎么处理。我学会了机器学习模型。我学会了做实验。我学会了分析结果。我知道研究不容易。需要耐心需要细心。问题要一个一个解决。数据要一点一点收集。模型要一遍一遍训练。结果出来的时候很高兴。努力有了回报。研究有帮助别人的可能。这让我觉得有意义。学校的学习结束了。知识的应用刚开始。我会继续努力。我想在这个领域工作。我想做更多实际项目。我想解决真正的问题。论文是一个起点。未来还有很长的路要走。