项目介绍:采集实时轴承数据,设计故障诊断和寿命预测算法,并将预测结果展示在可视化页面中。采集不同频率的振动信
号,建立轴承振动信息的数据库及正态分布,利用 Knime 平台,对轴承的振动数据进行相关性分析,同时结合生产的
实际良品率及故障频率段,计算出振动的检测标准, 将轴承特征数据放入机器学习算法(随机森林算法)模型中学习,
模型预测结束后,由 Echarts 绘制实时波形图及 3D 瀑布图并利用 Jupyter notebook 共享轴承数据信息。
项目职责:1)利用labview采集SQI-MFS轴承在各工况下数据集,经预处理后,对故障频率段选取机器学习算法进行故障诊断分析;2)选用django+mysql,基于html+javascript+css完成前后端页面交互,然后利用echarts绘制波形图及3D瀑布图。(抱歉截图涉及公司隐私,只能放简略图,大家感兴趣可以去我的GitHub上看项目详细介绍)