针对旋转机械振动数据采集以及分析预处理问题,给出了一种基于LabVIEW的数据采集以及分析预处理方法,该方法利用NI CompactRIO设备构建硬件环境,利用LabVIEW实现数据采集与数据分析预处理,能够实现旋转机械设备振动数据的采集与数据分析的预处理,并通过TCP/IP通信为振动分析与故障诊断系统提供振动分析所需数据。最后通过仿真实验验证了该方法的可行性和有效性。

旋转机械设备变工况特点导致振动特征不稳定,给故障诊断带来很大困难这一问题。提出一种基于奇异值分解插值(Singular Value Decomposition Interpolation,SVDI)的变工况故障诊断方法,构建离散工况下的振动信号样本,通过奇异值分解将样本特征矩阵分解为奇异向量、旋转矩阵和特征均值,分别对奇异向量、旋转矩阵和特征均值进行插值,再重构实测工况下的特征矩阵,最后通过特征约简、模式识别方法进行故障诊断。该方法可在没有完备样本库的条件下估计出一定范围内任意工况的振动特征,能解决旋转机械设备变工况条件下的故障诊断难题。多种转速下的齿轮箱故障诊断实例证明了该方法的有效性。