基于小波-神經(jīng)網(wǎng)絡的電機軸承故障診斷.pdf

1、異步電機作為重要的機電產(chǎn)品，廣泛地應用于各個領域。隨著現(xiàn)代科學技術的進步和生產(chǎn)系統(tǒng)的不斷發(fā)展，電機在生產(chǎn)中發(fā)揮著越來越重要的作用。電機故障不僅會損壞電機本身，而且會影響整個系統(tǒng)的正常工作，甚至危及人身安全，造成巨大的經(jīng)濟損失和重大的社會影響，因此對電機故障的診斷具有重要意義和工程實用價值。 本文以電機軸承為研究對象，在軸承正常、內(nèi)環(huán)損傷、滾珠點蝕三種模式下，對振動信號加以分析，運用“小波包-能量”法提取信號特征量，作為神經(jīng)網(wǎng)絡的

2、輸入向量，采用Levenberg-Marquardt BP學習算法，針對電機軸承的三種故障模式對網(wǎng)絡進行有教師的訓練和模式識別，并對軸承滾珠點蝕故障的劣化趨勢進行了檢測。 論文首先簡述了異步電機以及軸承故障診斷技術的特點及發(fā)展現(xiàn)狀。然后，基于電機軸承的結構、內(nèi)部振動源等自身特點，對電機軸承的故障成因、特征頻率等作了詳細分析。通過對小波分析、神經(jīng)網(wǎng)絡在電機軸承故障診斷中的應用方法研究的討論，建立了以小波包作為信號降噪、特征提取手段

3、，以Levenberg-Marquardt BP算法為故障模式或故障狀態(tài)識別方法的信號處理與故障診斷系統(tǒng)。在此基礎上，在實驗室的故障診斷實驗臺上，進行了電機軸承故障診斷的實驗研究。實驗表明：該方法可以有效地把三種故障模式區(qū)分開來，并可以檢測出電機軸承點蝕故障的劣化趨勢?？梢哉J為，此方法能夠有效地對電機軸承故障進行檢測、診斷。在數(shù)據(jù)分析過程中，充分利用Matlab強大的數(shù)據(jù)處理、數(shù)據(jù)可視化、數(shù)字信號處理等功能，實現(xiàn)了數(shù)據(jù)直觀有效的分析與處