离心泵是一种常见的机械设备,广泛应用于石油化工、农业灌溉、城市给排水等领域。由于安装地点偏僻,工作环境恶劣等原因,离心泵往往缺乏日常保养维护,给离心泵的运行留下了诸多安全隐患。随着信息存储、传输、计算等能力的提高,机械设备日常维护不断向信息化和智能化方向发展,本文针对离心泵提出有效的故障诊断方法改进和应用。首先,对离心泵典型结构和故障特征进行了理论分析;其次,建立了离心泵状态评价模型和故障诊断模型,通过时频域指标对离心泵的整机状态进行简单的定量评估,当离心泵状态超过预警值后再对离心泵进行具体的定性诊断;最后,设计了离心泵状态监测与故障诊断系统,为论文的成果转化提供了具体的应用方案。主要研究成果如下:（1）针对离心泵状态评价中数据冗余,关键信息提取不准确的问题,本文提出了基于核熵成分分析（KECA）的离心泵健康状态评价方法。首先通过集合经验模态分解（EEMD）对原始信号进行降噪处理,其次提取12个指标输入KECA进行降维,最后根据SPE统计量计算健康度,划分安全等级。实验表明,该方法能够有效提取出离心泵运行数据中的关键信息,实现对离心泵的健康状态客观评价,证明了方法的有效性和实用性。（2）针对传统方法中离心泵故障特征提取繁琐,且故障识别准确率不高的问题,本文提出了基于一维卷积神经网络（1DCNN）的离心泵故障诊断方法。实验可知,通过1DCNN模型自提取的6种离心泵状态特征聚类明显,故障识别准确率可达95%以上。为了减小1DCNN模型过拟合的影响,进一步提高准确率,本文又建立了基于1DCNN-SVM的离心泵故障诊断模型,实验对比表明,新模型的准确率明显提高,且收敛速度更快。（3）本文结合物联网技术,对离心泵状态监测与故障诊断系统进行了总体设计,并在边缘计算的新理念下对系统进行了优化设计。无线传感器作为系统实现的重要硬件,主要负责数据采集和传输工作,本文详细介绍了其开发过程,为实现离心泵运行数据无线采集提供了具体的解决方案。

作为决定工件质量最重要的一个环节,磨削环节的质量高低对整个加工过程起到关键作用,高质量的加工不仅可以提升产品精度,降低工件的残次率,还能通过主动测量技术和尺寸预测功能来简化加工流程,提升加工的智能化程度。作为一种可以嵌入式的自动化加工控制仪,磨加工主动量仪是一种包含了了智能控制测量、误差信号反馈和信号采集功能的自动化加工仪器。在现有条件下磨加工主动量仪虽然可以实现部分形位的主动测量和部分参数的人工预处理,但是仍不能基于在线测量来对工件的加工流程予以预估、无法在磨削流程中对工件实施自动化控制以及在控制、显示、操作、可靠性、信号采集精度等方面提高。故本项目本着实现高效率、高应用性、高度智能化的目的,基于新一代产品几何技术规范的基础上对典型形位误差的评定做出研究,研究磨削加工几何特征在线测量与尺寸预测控制技术,旨在完善和丰富磨加工主动控制器的功能,达到加工、检测、补偿反馈控制的闭环。本论文的工作内容主要为以下四部分:（1）基于GPS（产品几何技术规范）的形位误差操作算子研究;根据新一代GPS规范构建典型形位误差检验操作算子（分离、提取、滤波、拟合、评估）以及线性尺寸检验操作算子。根据主动测量磨削加工机理及产品几何技术规范操作算子,规范构建了形位误差分离及提取方案,为实现在线典型形位误差的评定奠定理论基础,实现了几何产品线性尺寸规范设计和检验认证的规范统一。（2）在线典型形位误差的检测与评定方法研究:研究了磨削在线典型形位误差（圆度、圆柱度）的检测与评定方法。提出了一种基于Graham算法的圆度误差评估的有效方法,过用特征点替换所有测量点以对圆度误差进行评定,提高计算效率;绍了一种新的评价圆柱度的方法,在最小包容区域法的基础上运用降维的思想将三维圆柱度误差求解转化成二维平面度的求解。结合形位误差分离技术实现动态条件下的形位误差的准确表示,从而构建了形位误差动态测量模型,并实现典型形位误差在线快速评定。（3）支持向量回归机机制、算法研究。标准的支持向量机本身不能解决大规模数据集及数据流的在线处理等情形,为此,提出改进的主动增量学习机制,训练过程中,采用聚类分析方法得到支持向量机和支持向量集;根据KKT条件判断是否得到最终支持向量机。该方法可以有效地提高SVM的学习速度。通过在标准支持向量机的基础上进行优化,构建了模糊最小二乘在线支持向量回归机（FLLSVM）模型,并根据该模型对磨加工尺寸补调值进行预测,针对不同的加工因素进行预测值分析,提升磨加工效率,满足实时性要求。（4）针对磨加工主动量仪在实际操作和生产中的问题进行了分析和研究,并丰富了主动量仪的软硬件功能,完善了主动量仪系统,主要包括:实现了典型圆度误差的在线测量功能,完成了凸包法评定圆度误差在主动量仪上的应用,采用单一和多影响因素补调值预测的方法对磨削过程在线尺寸预测功能在实际生产应用中实践。

磨加工是高精密零件的重要加工环节,磨加工质量的高低直接影响零件的性能和质量,因此对磨加工过程以及测量仪器和技术方法的研究是十分必要的。目前,磨加工中主动测量技术已经取代了离线测量方法,提高了磨加工的效率和精度。主动测量仪是在磨加工主动测量中对工件尺寸变化实时监测并控制磨削进程的测量仪器。针对当前主动测量仪器存在的数码管显示、界面不直观、精度较低、成本昂贵等问题,提出了一种嵌入式磨加工主动测量仪,并对其关键技术进行研究。本文主要研究内容及成果如下:（1）设计了磨加工主动测量仪总体方案。从主动测量的原理和主动测量仪的功能需求出发,确定出主动测量仪的技术要求和特点,并结合测量仪在整个磨加工主动测量系统中的位置和作用,设计出主动测量仪的总体方案。（2）完成了软硬件平台和数据管理方案设计。硬件设计方面,对核心板及扩展底板进行设计,对主控装置、模数转换、CPLD扩展、ESP8266等主要模块进行开发,对I/O需求进行了设计分析。软件开发方面,对测量仪移植μC/OS-III嵌入式操作系统,设计人机交互界面,给出系统和具体程序的设计方案,同时完成了基于Lab VIEW的上位机软件的开发和数据管理方案的设计。（3）研究了滤波方法、断续表面处理、磨加工工艺参数优化的数据处理技术。对滤波方法进行研究,采用限幅滤波法和滑动平均滤波法相结合的滤波处理方法。提出基于支持向量机的断续表面处理模型,运用模型的识别和拟合预测功能实现对断续表面的处理。进行基于灰靶决策理论的工艺参数优化分析,获取较优的磨加工参数组合,指导工艺参数设定。（4）提出了改进的小波时间序列模型,对嵌入式主动测量仪尺寸预测理论与技术进行研究。针对传统阈值函数的不足,采用改进的小波阈值函数,并构建小波时间序列分析组合模型,通过预测模型对加工尺寸的变化趋势进行预测将加工信息反馈。最后验证了改进的小波时间序列模型的精确性与可行性。（5）进行了嵌入式磨加工主动测量仪及关键技术实验分析。通过实验对主动测量仪和上位机软件的性能和功能进行验证,证明了滤波方法、基于支持向量机的断续表面处理模型、基于灰靶决策的磨加工工艺参数优化分析等数据处理技术的有效性,分析了改进的小波时间序列尺寸预测模型的精确性与可靠性,提高了磨加工主动测量仪器的自动化程度。

磨削作为高精密零件的重要加工环节,其精度直接影响零件的质量和性能,因此研究如何提升磨削加工精度是非常必要的。加工过程的测量与控制是提升加工精度的核心要素之一,主动测量（Active Measurement）技术是在加工过程中实时对工件尺寸在线测量并对加工状态进行监测,该技术在现代磨削加工过程中应用广泛。磨加工主动量仪是运用主动测量技术的研究成果,它通过对磨削过程数据的实时监控进而指导磨床改变磨削参数（砂轮转速、砂轮进给速度等）,实现了加工过程中完整的闭环反馈控制。当前,国内生产的磨加工主动量仪还无法实现加工中预测的功能,在磨削加工时参数的调整滞后于磨削进程。如果能够在加工过程中预测工件尺寸的变化趋势,主动量仪就能提前做出对应的措施并及时将加工过程中的加工信息反馈,指导机床改变磨削参数与补调值等信息,提升磨削加工的质量和智能化程度。本文以满足工程上的实际需求为前提,对磨加工主动测量技术、统计学习预测方法及预测模型的构建与优化做了理论上的探讨与分析,进而研究基于统计学习的磨加工尺寸智能预测与控制方法,并且对尺寸预测模型开展了实际工程的应用性研究,并验证基于支持向量机的智能断续表面处理、基于灰色关联支持向量机的补调值预测和远程磨加工监控报警系统的可行性。论文主要研究内容及研究成果如下:（1）基于主动测量模式的磨削加工尺寸误差分析。分析主动量仪配合磨床的加工模式在测量以及加工上的尺寸误差的来源以及产生的原因,并针对分析的结果提出相应的措施,为磨削加工尺寸的预测和控制提供了分析的基础。（2）磨加工尺寸预测与控制方法研究。针对磨加工主动量仪配合磨床的加工模式中存在磨削参数调整滞后影响加工尺寸精度的问题,提出了基于统计学习理论的磨加工尺寸的预测与控制方法,根据磨削尺寸变化的趋势在线调整磨削参数,进而实现提升磨削工件的尺寸精度的目标。为了实现磨削工件尺寸预测与控制的需求,在主动测量控制器中构建了预测模块,对磨削尺寸的变化趋势进行探讨和分析,从而优化了基于主动量仪的磨削加工方式。（3）磨加工尺寸预测模型的研究与优化。通过分析影响磨加工尺寸精度的因素,在统计学理论的基础上提出灰色关联支持向量机磨加工尺寸预测模型,该模型融合了灰色关联系统与支持向量机的结构,通过筛选模型的输入量,降低建模的复杂程度。并通过凸壳算法、KKT条件优化预测模型的训练集,为在线增量学习的磨加工尺寸预测模型的构建提供了理论基础。将混合函数理论、交叉验证参数优化方法应用于磨加工尺寸预测模型中,进一步提升了预测模型的预测精度,且根据预测尺寸的变化趋势调整磨削参数,提升了磨加工的尺寸精度。（4）开展磨加工尺寸预测与控制的应用性研究及实验分析。在实验室现有的基础上开展实验,验证了本文提出的基于支持向量机的智能断续表面处理方法、基于灰色关联支持向量机的磨削补调值的预测以及基于组态软件的远程磨加工报警系统的正确性和可行性。实验证明该研究丰富了主动量仪系统预测模块的功能,提升了磨削加工的精度同时也促进了加工的智能化程度。本文针对在现有主动测量磨加工模式中存在的影响加工尺寸精度的问题,提出了基于统计学习的磨加工尺寸预测与控制的方法。通过对磨加工尺寸影响因素与统计学习理论的研究对预测模型进行优化,使得优化后的预测模型的预测精度更高。通过开展磨加工尺寸预测与控制的应用性研究及实验,验证了该磨加工尺寸预测与控制的方法的可行性,证明了该方法可以有效的提升磨削的智能化水平以及产品的加工精度,具有推广应用价值。