基于小波分析和神经网络的电机故障诊断系统研究

《基于小波分析和神经网络的电机故障诊断系统研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、天津理工大学硕士学位论文基于小波分析和神经网络的电机故障诊断系统研究姓名：刘冬生申请学位级别：硕士专业：检测技术与自动化装置指导教师：赵辉20081201摘要电机是现代工业中最主要的动力能源和驱动设备之一，不仅需要进一步提高电机驱动自动化水平，更要求电机的运行具有很高的可靠性、安全性和稳定性。本文通过监测电机振动信号对直流电动机故障进行诊断研究，由于电机振动信号属于非平稳随机信号，传统的傅里叶变换不能完全满足故障信号特征提取的要求，而且建立电机故障的数学模型非常复杂。本文提出了基于小波分析和神经网络的电机故障诊断方法，利

2、用小波变换提取振动信号特征，利用神经网络识别特征，输出电机相应的运行状态。该方法首先采用小波时频分析技术对电机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，并利用MATLAB平台进行算法实现；其次基于诊断直流电动机转子系统的三种典型工作状态：转子不对中、轴承碰摩和J下常，设计了振动信号采集系统和实验方案；最后根据小波包所提取能量特征向量和直流电动机的三种典型工作状态设计BP神经网络，并利用MATLAB平台进行算法实现。进行了系统仿真实验，检验算法的有效性和准确性。分别采集振动样

3、本信号和测试信号，利用小波包对信号进行离线分析和特征提取，分别得到样本信号特征向量和测试信号特征向量；利用样本训练BP网络，训练成功后并利用测试信号对BP网络进行测试。测试结果符合实际测试信号对应的状态，结果证明了本文所设计的小波神经网络系统能够对直流电动机的故障有效地进行诊断，提高了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AbstractThemotorisoneofthemostimportantpower-drivenfacilitiesinmodemindustry,notonlydoest

4、heautomationtechnologyformotordriveneedimprovingbutalsothereliability,securityandstabilityofrunningmotorisquiteimportant．Inthispaper,DCmotorfaultdiagnosisisresearchedbymonitoringitsvibrationsignals．Asthemotorvibrationsignalsarenon—stableandrandom，thesignalanalysi

5、sbasedontraditionalFourierTransformcan’tcompletelymeettherequirementsforfeatureextraction．Also．thefaultmathematicalmodelofthemotoriSverycomplicated．Thefaultdiagnosismethodofmotorbasedonwaveletanalysisandneuralnetworkissuggestedinthispaper．Wavelettransformisusedto

6、extractthefeaturefromvibrationsignalandtheneuralnetworkisusedtoidentifythefeatureandthenoutputstherunningstateofthemotor．First,thismethodusesthetechnologyofwavelettime-frequencyforthenoisecancellationandfilteringofmotorvibrationsignals，andstrikestheenergyoffreque

7、ncybandthroughthewaveletpacketcoefficients，andgainsthefaultcharacteristicsfromvariouschangesintheenergyofeachfrequencyband，andthealgorithmisrealized晰tllMATLABsoftware．Second，thevibrationsignalacquisitionsystemandexperimentschemearedesignedforthediagnosisbasedonth

8、reetypicalrunningstatesofDCmotorrotorsystemsuchasnon—middle，axletreebumpandnormality．Finally,BPneuralnetworkisdesignedbasedonenergyfeaturevectorextractedwithwa