基于小波分析和神经网络的电机
故障诊断方法研究
王红君 ,刘冬生 ,岳有军
(天津理工大学 天津市复杂系统控制理论及应用重点实验室 天津 300191)
摘要
:
在电机故障诊断技术中
,
电机振动信号最能全面反映电机的运行状态 。由于电机振动信号属于非
平稳随机信号
,
传统的傅里叶变换从频域角度进行信号分析
,
只能说明信号中某频率成分幅值的大小和频率
密度
,
不能检测奇异信号点的时域信息
,
而且还可能将含有丰富故障信息的微弱信号作为噪声滤去 。因此
,
不
能完全满足故障信号特征提取的要求 。为解决这一问题
,
提出一种基于小波分析和神经网络的电机故障诊断
方法
,
该方法采用小波时频分析技术对电机故障振动信号进行消噪滤波
,
通过小波包分解系数求取频带能量
,
根据各个频带能量的变化提取故障特征
,
应用
B P
神经网络进行故障识别
,
并采用
Matlab
仿真软件予以实
现 。结果表明
,
该方法不需要建立电机的故障诊断模型
,
能有效提高电机故障诊断的准确性 。
关键词
:
故障诊断
;
小波分析
;
神经网络
;
振动信号
中图分类号
: TP277
文献标识码
:A
Study of the Fault Diagnosis Method Based on Wavelet Time and Frequency
Analysis and the Neural Net work in the Motor
WAN G Ho ng
Ο
jun ,L IU Do ng
Ο
sheng , YU E Yo u
Ο
jun
( Tianjin Key L aboratory f or Cont rol Theory & A p plications in Com plicated S ystems , Tianjin
Uni versit y of Technology , Tianj in
300191 , China)
Abstract :In t he fault diagno sis technology of moto r , t he vibratio n signals can f ully reflect t he running sta
2
t us of t he moto r. A s t he moto r vibratio n signals are no n
Ο
stable and rando m , t he signal analysis of t he t radi
2
tio nal Fo urier t ransfo rm in t he f requency do main , can o nly indicate t he amplit ude of a certain f requency co mpo
2
nent and f requency densit y , but can
′
t detect t he time do main info rmatio n of t he singularit y signals and so me
weak signal wit h rich fault info rmatio n is likely to be filtered as noise , so t he met ho d above can
′
t f ully meet t he
requirement s of fault signals feat ure ext ractio n. To solve t his p ro blem , a moto r fault diagno sis met ho d based
o n wavelet analysis and neural netwo rk was p resented. This met hod uses t he technolo gy of wavelet time
Ο
f re
2
quency fo r t he noise cancellatio n and filtering of moto r fault diagno sis signals , and st rikes t he energy of f re
2
quency band t hro ugh t he coefficient of wavelet packet , gains t he fault characteristics f ro m vario us changes in
t he energy of each f requency band , and identifies fault t hro ugh applicatio n of B P neural netwo rk , and uses
Matlab sof tware to realize it . The experimental result s show t hat t his met ho d doesn
′
t require establishing t he
moto r fault diagno sis model , and can effectively imp rove t he accuracy of t he moto r fault diagno sis.
Key words :fault diagno sis ;wavelet analysis ; neural netwo rk ;vibratio n signals
基金项目
:
国家高技术研究发展计划
(863
计划
)
项目
(2007AA041401) ;
天津市自然科学基金重点项目
(08J CZDJ C18600 ,09J CZDJ C23900) ;
天津市高等学校科技发展基金项目
(2006ZD32)
作者简介
:
王红君
(1963 - ) ,
女
,
研究生
,
副教授
, Email : hongewang @126 . co m
1
引言
近年来 ,故障诊断技术迅速发展 ,研究成果不
断涌现
[ 1 ]
。电机作为现代工业的主要能源动力设
备 ,其作用不言而喻 。如果拖动生产设备的电机
出现故障 ,将使生产过程中断 ,造成巨大的经济
损失 。因此 ,针对电机的故障监测与诊断技术
的研究 ,具有重要的理论研究价值和工程实践
意义 。
从电机启停运行过程中的电流 、
温度和振动
9
6
EL EC TRIC DRIV E
2010
Vol. 40
No . 3
电气传动
2010
年 第
40
卷 第
3
期