资源描述：
《基于小波分析和神经网络的电机故障诊断方法研究》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。
1、ELECTRICDRIVE2010Vol.40No.3电气传动2010年第40卷第3期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
2、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BP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:AStudyoftheFaultDiagnosisMetho
3、dBasedonWaveletTimeandFrequencyAnalysisandtheNeuralNetworkintheMotorWANGHongOjun,LIUDongOsheng,YUEYouOjun(TianjinKeyLaboratoryforControlTheory&ApplicationsinComplicatedSystems,TianjinUniversityofTechnology,Tianjin300191,China)Abstract:Inthefaultdiagnosi
4、stechnologyofmotor,thevibrationsignalscanfullyreflecttherunningsta2tusofthemotor.AsthemotorvibrationsignalsarenonOstableandrandom,thesignalanalysisofthetradi2tionalFouriertransforminthefrequencydomain,canonlyindicatetheamplitudeofacertainfrequencycompo2
5、nentandfrequencydensity,butcan′tdetectthetimedomaininformationofthesingularitysignalsandsomeweaksignalwithrichfaultinformationislikelytobefilteredasnoise,sothemethodabovecan′tfullymeettherequirementsoffaultsignalsfeatureextraction.Tosolvethisproblem,amo
6、torfaultdiagnosismethodbasedonwaveletanalysisandneuralnetworkwaspresented.ThismethodusesthetechnologyofwavelettimeOfre2quencyforthenoisecancellationandfilteringofmotorfaultdiagnosissignals,andstrikestheenergyoffre2quencybandthroughthecoefficientofwavele
7、tpacket,gainsthefaultcharacteristicsfromvariouschangesintheenergyofeachfrequencyband,andidentifiesfaultthroughapplicationofBPneuralnetwork,andusesMatlabsoftwaretorealizeit.Theexperimentalresultsshowthatthismethoddoesn′trequireestablishingthemotorfaultdi
8、agnosismodel,andcaneffectivelyimprovetheaccuracyofthemotorfaultdiagnosis.Keywords:faultdiagnosis;waveletanalysis;neuralnetwork;vibrationsignals出现故障,将使生产过程中断,造成巨大的经济1引言损失。因此,针对电机的故障监测与诊断技术近年来,故障诊断技术迅速发展,研究成果不的研究,具有重要的理论研究价值和工程实践[1
