基于小波分析和神经网络的异步电机早期故障诊断

合集下载

基于小波分析的电机故障检测方法的研究的开题报告

基于小波分析的电机故障检测方法的研究的开题报告1. 研究背景和意义电机作为工业生产中最为常见的电力设备之一，在各种生产过程中都扮演着重要的角色。

然而，由于电机工作特性的复杂性，其故障率较高，给企业生产带来了损失。

因此，如何及时、准确地检测电机故障，对于企业的长远发展具有重要意义。

传统的电机故障检测方法主要包括声音、振动和电信号等方面的检测，这些方法存在着检测精度、准确度低、检测成本高等缺点。

近年来，基于小波分析的电机故障检测方法正逐渐成为研究的热点。

小波分析是一种时频分析方法，可以把信号在时域和频域上分解，并显示出随时间变化的特征。

这种方法比传统频谱分析更加精确和准确，可以提高电机故障的检测能力和精度。

2. 研究内容和方法本论文拟从以下几个方面展开研究：（1）小波分析理论及其应用本研究将系统地探讨小波分析理论的基本原理、算法和应用场景，综述小波分析在信号处理、图像处理、语音处理等领域的应用，并详细讨论基于小波分析的电机故障检测方法。

（2）电机故障信号采集和预处理本研究将对电机故障信号的采集和预处理进行系统的研究，包括信号采集装置的选择、数据的存储和处理等方面。

同时，还将对采集的原始数据进行滤波、降噪等预处理操作，提高小波分析的效果。

（3）小波分析在电机故障检测中的应用本研究将采用小波分析方法对电机工作状态进行分析，并根据分析结果对电机的故障类型和位置进行预测和诊断。

此外，本研究还将基于小波分析方法建立一套完整的电机故障检测体系，实现对电机故障的全面监测、分析和预测。

3. 预期成果和意义本研究计划通过基于小波分析的电机故障检测方法，提高电机故障检测的准确度和精度，缩短电机故障的诊断时间，减少企业生产的经济损失。

同时，本研究还将为电机故障检测技术的发展，提供一种新的思路和方法。

基于小波包分析的异步电机转子故障检测

稳瞬态信号具有宽频响应的特点，良好的时频具有域定位特性，在低频处有较高的频率分辨率，在高频处有较高的时间分辨率。小波包方法是对小波
变换的一种改进，是在多分辨分析基础上构成的一
中图分类号Ｔ３７１文献标识码Ａ文章编号１０－２１２０）３０２－４Ｍ０．０８７８（０８０－７００
ＤｅｅｔｎｆＩｕｔｏＥｌｃｒｃＭａｈｎｅＲｏｏｕｔｓｄｎａｅｅｃｅａｙｉｔｃｇｏｎｄｃｉｎｅｔｉｃｉｔｒＦａｌｓＢａｅｏＷｖｌｔＰａｋｔＡｎｌｓｓｉＬｉｕ，ＣｈｎＷｅｗｅｅｉｎ，ＦａｇｉｎｎＲｕｍｉｇ。ａｄｉＹｎｉｎＤａｉｙｎ
电机，尤其是大型异步电机，必须进行可靠的在线
频分析方法，它通过一个变尺度滑动窗沿时间轴
对信号进行分段截取和分析，可以将待分析信号
划归到２个子频带内，根据待分析信号的特征，
自适应地选择相应频带，使之与信号频谱相匹配，提高了时频分辨率，尤其适合于处理非平稳随机信号。本文将小波包分析技术与ＭＳＣＡ方法相结合，利用小波包方法处理电流信号，提取各子频带内的能量信息，通过能量的变化检测异步电机转
Ｃｉｇｏｅｂｏｅ－ａａｔｏｔｒｏｅｉｄｃｉｎｅｅｔｉｃｉｅｅｅｔｅｙｎａｄａｎｓｒｋｎｂｆｕｒｏｔｎｕｔｌｃｒｃｍａｈｎｆｃｖｌ．ｒｌｆｏｆｈｏｉ
子故障信号。

基于小波神经网络的输电线路故障类型识别（精品论文）

黼怠工程技术基于小波袖经网络帕输电线路故疃类型ｉＲｇＵ嘉兴电力局刘冻［摘要】电力系统故障类型识别是对电力系统故障进行快速准确处理的重要保证。

本文所提出的故障类型识别技术是基于１５０ｋｉｎ双端电气量输电线路准确故障的数字仿真，根据故障前后所测的三相电流和零序电流数据，利用ｄｂｌ小波对数据分解。

将低频部分归一化处理后，用过渡电阻ＲＩ－５ｎ，１００ｋｍ处的样本来训练网络，再利用ＢＰ神经网络来判断５０ｋｉｎ和１５０ｋｉｎ处接地过渡电阻Ｒｓ＝ｌＯｆｌ，相间过渡电阻Ｋｒ＝０．２ｎ时的１０种短路故障类型，均没有发生误判。

从网络的训练和检测结果可以看出，小波神经网络训练时收敛速度较快，并且检测故障速度和准确度都很高。

这说明，小波神经网络能够满足现代电力系统的要求，为以后的故障定位和诊断工作打下了良好的基础。

【关键词】电力系统输电线路小波变换故障类型识别小波神经网络０．引言电力系统的任务是产生电能并将电能输送给用户，保证及时安全可靠的发电和供电是对电力系统运行的首要要求。

当电力系统出现故障时，如果不能实现进行迅速准确的故障类型识别，就不能保证将电能安全及时地输送给用户。

因此。

对电力系统进行准确的故障类型识别是现场事故恢复处理的重要部分，同时对电力系统安全稳定运行具有重要的意义。

应用神经网络及相应数学工具的优势对输电线路以及与之相关的设备进行准确的故障定位和诊断是电力系统技术发展的趋势，它不仅可以减少和防止故障对电力系统造成的影响，使系统尽快恢复正常运行。

减少经济损失，而且更重要的是对提高电力系统供电的安全可靠性也有很大的帮助【ｌＪ。

１．应用Ｍａｔｌａｂ／Ｓｉｍｕｌｉｎｋ对双端电气■输电线路准确故障的数字仿真首先建立仿真模型，如图ｌ。

Ｆ图ｌ双电源输电模型应用Ｍａｔｌａｂ中的ｓｉｍｕｌｉｎｋ工具箱对图１进行仿真ｍ，采样频率为２Ｈｚ。

每周期采４０个点．线路全长１５０ｋｍ。

具体参数：正序阻抗ＺＩ＝０．０１５２＋ｊ０．３１３ＤＪｋｍ；零序阻抗Ｚｏ－－Ｏ．０３６２＋ｊＯ．９３２０／ｋｍ。

基于小波分析和遗传神经网络的模拟电路故障诊断方法

优化ＢＰ神经网络的模拟电路故障诊断方法。该方法使用小波作为预处理工具，ＰＡ分析和归一化后提取输经Ｃ
出信号的能量信息作为特征向量，用遗传ＢＰ神经网络作为故障识别器，对模拟电路故障进行诊断。与传统ＢＰ神经网络相比较，结果表明，该方法可明显改善神经网络结构、高故障诊断的精度和速度。提关键词：模拟电路；故障诊断；小波分析；遗传算法；神经网络
第２卷第１８２期２１０１年１源自月计算机应用研究
ＡｐｌａｉｎＲｅｅｒｈｏｏｕｅｓｐｉｔｓａｃｆＣｍｐｔｒｃｏ
Ｖｏ．８Ｎｏ１１２．２Ｄｅ．２１ｃ０１
基于小波分析和遗传神经网络的模拟电路故障诊断方法水
模拟电路测试和故障诊断自２０世纪６代以来，直是０年一研究的热门领域，由于电路规模大，但模拟系统集成度低，电路
ｔｇａｄｏｈｒｓｏｔｏｎｓｔｉｐｐｒｅｅｏｅｖｌｔｅｏｏｉｏｎａｅｐｒａｈｆｒａａｏｉｕｔ．ｓｎｅｉｎｔｅｈｒｃｍｉｇ，ｓａｅｖｌｐｄａｗａｅｅｃｍｐｓｔｎａｄＧＡｂｓｄａｐｏｃｎｌｇｃｒｉＵｉｇｔｎｈｄｄｉｏｃｓｈｗｖｌｔｄｃｍｐｓｉｎａｒｐｏｅｓｒｅｔａｔｄｔｅｆａｕｅｉｆｒｔｎｂａｅｅｅｎｉｎｎｐｉｚｄＢｙＧＡ．ａｅｅｅｏｏｉｏｓａｐｅｒｃｓｏ，ｘｒｃｅｈｅｔｒｎｏｍａｉｙｗｖｌｔｄ — ｏｓｇａｄｏｔｔｏｉｍｉｅＰｂＡｃｍｐｒｓｎｏｕｏｋｗｉＰｏａｉｏｆｏｒｗｒｔＢＮＮ，ｉｈｒｖａｓｔａｉｗｒｍｐｏｅｅｗｏｋｓｕｔｒｎｎｒａｅｆｕｔｉｇｏｉｒｃ— ｈｗｈｃｅｅｔｔｓｏｋｉｒｖｓｎｔｒｔｃｕｅａｄｉｃｅｓａｌｄａｎｓｓｐｅｉｌｈｈｒｓｏｎｅｏｉ。ｉｎａｄｖｌｃｔｙ

《基于模型的异步电动机早期故障智能诊断》

《基于模型的异步电动机早期故障智能诊断》篇一一、引言随着工业自动化程度的不断提高，异步电动机作为工业生产中广泛使用的设备，其可靠性和运行状态对于整个生产线的效率和安全至关重要。

然而，异步电动机在使用过程中经常会出现各种故障，尤其是在其早期阶段，故障往往难以被及时发现和诊断。

因此，开发一种基于模型的异步电动机早期故障智能诊断系统，对于提高生产效率、降低维护成本和保障设备安全具有重要意义。

二、异步电动机早期故障特点及诊断的重要性异步电动机在运行过程中，由于材料老化、磨损、电气或机械故障等原因，可能会出现各种早期故障。

这些故障如果不及时诊断和处理，可能会导致设备停机、损坏甚至引发安全事故。

因此，对异步电动机进行早期故障诊断具有重要意义。

早期故障的特点主要表现为：故障发生初期，往往表现为轻微的振动、噪音或电气参数变化。

这些变化往往不易被察觉，但却是故障发展的前兆。

因此，通过建立基于模型的智能诊断系统，可以实时监测异步电动机的振动、噪音和电气参数等数据，及时发现早期故障并预警。

三、基于模型的异步电动机早期故障智能诊断系统基于模型的异步电动机早期故障智能诊断系统主要包括数据采集、数据处理、模型建立和故障诊断四个部分。

1. 数据采集：通过传感器实时采集异步电动机的振动、噪音、电气参数等数据。

这些数据应具有实时性、准确性和完整性，以便为后续的故障诊断提供可靠的数据支持。

2. 数据处理：对采集到的数据进行预处理，包括去噪、滤波、特征提取等操作。

通过数据处理，可以提取出与故障相关的特征信息，为后续的故障诊断提供依据。

3. 模型建立：根据异步电动机的运行原理和故障特点，建立相应的数学模型或机器学习模型。

这些模型可以用于描述异步电动机的正常运行状态和各种故障状态，为后续的故障诊断提供理论支持。

4. 故障诊断：利用建立的模型对处理后的数据进行诊断，判断异步电动机是否出现故障以及故障的类型和严重程度。

同时，系统还应具备实时监测和预警功能，以便及时发现和处理早期故障。

基于小波包分析和支持向量机的异步电机转子断条故障诊断

（ＳｎｕｐｒｖｃｒａｈｎＳＭ）Ｔｅｓｅａｄｆｑｅｃ（＋ｓｆｃｒｎｒｅｔｇｔｅｂｏｅａｕａＷＰ）ａｄｓｐｏｅｔｃｉｅ（Ｖ．ｈｄｂｎｅｕｎｙ１２）ｒｔｅｃｎｒｎｂｒｆｌｗｓｔｏｍｉｒｕｅｆｉｈｌｋａｔ
ＡｂｔａｔａｌｄａｎｓｓｍｅｈｄｗｓｐｅｅБайду номын сангаасｔｄｆｒｍｏｏｏｏｒｋｎｂｒｆｕｔｂｓｄｏｖｌｔｐｃｅｎｌｓｓｒｃ：Ａｆｕｔｉｇｏｉｔｏａｒｓｎｅｏｔｒｒｔｒｂｏｅａａｌａｅｎｗａｅｅａｋｔａａｙｉｓ
ａａｙｅｔｈｅｈｏｏｙｏａｅｅａｋｔｄｃｍｐｓｔｎＴｅｆｅｕｎｙｓｇｎｏｒｕｄｒｏｅａｉｇｓａｅａｂｎｌｚｄｗｉｔｅｔｃｎｌｇｆｗｖｌｔｃｅｅｏｏｉｏ．ｈｒｑｅｃｅｍｅｔｐｗｅｎｅｐｒｔｔｔｓｗｓａ－ｈｐｉｎｓａｔｄａａｌｃａａｔｒｔｅｔｒｗｈｃｅｋｎｄｔｅｉｆｅｃｓｏａａｌｏｄａｄｎｉｅＩｒｅｉｇｏｅｔｅｒ — ｔｃｅｓｆｕｔｈｒｃｅｓｉｖｃｏｓｉｈｗａｅｅｎｕｎｅｆｒｂｅｌａｎｏｓ．ｎｏｄｒｔｄａｓｈｏｒｉｃｈｌｖｉｏｎｔｒｂｏｅａａｌｕｄｒｓｌｓｍｐｅ，ｔｅｆｕｔｌｓｉｉｒｗａｏｏｅｙｔｅｌａｔｓｕｒＶＭｓｔｉｅｙｔｅｆｕｔｏｒｋｎｂｒｕｔｎｅｍａｌａｌｓｈａｌｃａｓｅｓｃｍｐｓｄｂｈｅｓｑａｅＳｆｉｆｒｎｄｂｈａｌａｃａａｔｒｓｃｖｃｏｓＡｎｔａｓｏｋｔｅｔｉｉｇｅｏｓａｄｔｅｃｌｕａｉｇｅｃｅｃｎｏｃｎｉｅａｉｎｈｒｃｅｔｅｔｒ．ｄｉｌｏｔｏｈｒｎｎ￣ｒｎａｃｌｔｆｉｎｙｉｔｏｓｒｔ．Ｅｐｒｎａｅｉｉａｈｎｉｄｏｘｅｍｅｔｒ — ｉｌｓｌｈｗｔａｈａｌｃａａｔｒｓｃｖｃｏｓａｓｒｃｅｙＷＰｒｖｄｎ．ｉｍｅｈｄｈｓｇｏｌｓｉｃｔｎａｄｇｎｒｕｔｓｏｔｅｆｕｔｈｒｃｅｔｅｔｒｂｔａｔｄｂＡａｅｅｉｅｔＴｓｔｏａｏｄｃａｓｆａｉｎｅｅ・ｓｈｔｉｉｈｉｏａｉａｉｎａｉｔｓａｄｉｒｖｓｔｅａｃｒｃｆｄｔｃｉｎｆｒｒｔｒｂｏｅａａｌｉｄｃｉｎｍａｈｎｓｌｔｂｌｉ，ｎｍｐｏｅｈｃｕａｙｏｅｅｔｏｏｏｒｋｎｂｒｆｕｔｎｉｕｔｃｉｅ．ｚｏｉｅｏｎｏ

本科毕业设计---基于神经网络的电子线路故障诊断

1 绪论随着现代化大生产的发展，电子线路故障诊断技术的研究越来越重要。

根据电子线路的特点可将电子线路故障诊断分为模拟电路的故障诊断和数字电路的故障诊断。

在现代电子设备中，绝大部分电子设备故障是由于模拟电路故障导致的，可以说，模拟电路的可靠性几乎决定了电子设备的可靠性。

1.1 模拟电路故障诊断的背景意义目前，模拟电路在航天、通信、自动控制、家用电器等许多方面得到广泛地应用。

随着电子技术的发展,模拟电路的集成程度越来越高,规模越来越大。

因此，对模拟电路的工作的有效性、可靠性、可维修性等提出了更高的要求。

在模拟电路故障发生后,要求能及时将导致故障的原因诊断出来,以便检修和替换。

对模拟电路的生产部门来说,同样也要求能及时诊断出故障，以便改进工艺,提高产品的合格率。

对于某些重要设备中的模拟电路，还要求进行故障的预测，即对正常工作中的模拟电路进行不断的检测，在元件发生故障前就进行替换，以避免故障的发生。

根据电子技术的发展状况，由以下三点说明模拟电路故障诊断技术的紧迫性:第一，微电子学时代的到来,电子线路的复杂性和密集性明显增加, 成千上万个电路元器件集成在一个小芯片上,而对这些电路元器件的测试仅限于为数有限的引出端子之上，如此,通常的测量，微调的手段将不再实用甚至无济于事。

第二，在无线电电子系统中, 数字电路不能完全取代模拟电路，数字电路的故障诊断方法也不能取代模拟电路的故障诊断方法。

第三，现代电子系统复杂度的增加,系统的可靠性显得更为重要,因此,必须提高电子系统的可靠性。

综上所述,工业生产对模拟电路提出了新的要求,微电子技术的快速发展对模拟电路的测试和诊断也提出迫切的要求,这就使得科技人员不得不进一步探索模拟电路的测试和诊断上的新理论和新方法,研发新的测试和诊断设备以适应时代的需求。

所以，开展模拟电路故障诊断的研究是一项非常有意义的课题。

1.2 模拟电路故障诊断的发展与现状相对于数字电路故障诊断而言，模拟电路故障诊断的发展较为缓慢，其中主要原因有以下六点：1）故障状态的多样性。

小波与神经网络结合用于电机在线监测与故障诊断

小波与神经网络结合用于电机在线监测与故障诊断曾秀丽;玄兆燕;于子旺【摘要】本文主要将小波与神经网络结合用于电机的在线监测与故障诊断.针对电机系统运行的关键故障,采用小波与神经网络结合的思想,将采集到的电机振动信号,进行小波处理后,通过分析观测信号在小波包某一分解层次上的不同时频分辨空间中的能量分布,进行电机运行状态的特征提取,对提取到的特征信号再用神经网络技术进行故障诊断,从而建立起电机运行状态的在线监测体系,以实现对电机故障预测及诊断,充分体现了小波神经网络在故障诊断中的优越性.【期刊名称】《制造业自动化》【年(卷),期】2010(032)009【总页数】3页(P36-38)【关键词】小波;神经网络;在线监测;故障诊断【作者】曾秀丽;玄兆燕;于子旺【作者单位】河北理工大学计算机与自动控制学院,唐山,063009;河北理工大学机械工程学院,唐山,063009;河北理工大学机械工程学院,唐山,063009【正文语种】中文【中图分类】TH1660 引言近几年来,故障诊断技术飞速发展,新的研究成果不断出现。

电机作为现代工业主要的动力设备,其影响是不言而喻的。

倘若电机出现故障,使企业的生产中断,将造成无可估量的经济损失。

因此,针对电机在线监测与故障诊断技术的研究,具有十分重要的理论价值和实践意义。

对于大中型电机的常见故障有：运动部件的质量不平衡、运动部件配合不当、轴承磨损、转轴不对中、油膜振荡及裂纹等。

这些故障最明显的特征都表现在振动信号的频率上。

对于振动信号的电机状态的在线监测和故障诊断，通常采用频谱分析与相关分析的方法。

然而大中型电机的故障机理较为复杂,其故障信号更多地表现为：1）信号是微弱信号，淹没于强背景中；2）信号的特征频率波动范围较大甚至出现跳动；3）信号瞬变、非平稳。

因而采用频谱分析与相关分析的方法很难对故障做一个准确的诊断。

大量不确定的或未知的因素可能导致：1）建立规范时存在不完全适应性；2）不能完全自动诊断，需要人工干预；3）容易出现漏检和误检等现象。

小波分析在异步电机故障诊断中的应用

ｍａｈｎｓａｘｍｐｅｔｐｌｅｍｅｏｆｍａｉｍ・ｄｌｓｏｖｌｔｔａｓｏｏｔｅｄｔｃｉｎｏｉ．ｃｉｅａｎｅａｌｏａｐｙｔｔｄｏｘｍｕ－ｕｕｆｈｈｍｏｗａｅｅｒｆｒｔｅｅｔｆｓｇ．ｎｍｈｏｎｌｍｕｔｏａｏｏｅｓＳｓｔｏａｅａｄｄｔｃｅｉｉｉｌｆｉｒｆａｙｃｒｎｕｔｒｆｅｔｖｌａｔｉｎｌｃｍｐｎｎｔＯａｏｌｃｔｅｅｔｔｎｔａｌｅｏｓｎｈｏｏｓｍｏｏｓｅｆｃｉｅｙ．ａｎｈａｕＴｅｒｓｌｏｘｅｉｎｈｗｓｔｅｆａｉｉｉｆｔｅｆｕｔｄａｎｓｓｍｅｏａｅｎｗａｅｅｅｒｍ．ｈｅｕｔｆｅｐｒｍｅｔｓｏｅｂｌｙｏａｌｉｇｏｉｔｄｂｄｏｖｌｔｔｏｅｈｓｔｈｈｓｈＫｅｒ：ｗａｅｅａｙｉ；ｆｕｔｄｔｃｉｎ；ａｙｃｒｎｕｔｒｙｗｏｄｓｖｌｔａｌｓｓａｌｅｅｔｎｏｓｎｈｏｏｓｍｏｏ
Ｖｏ．０Ｎｏ．１２８
【计算机与自动化】
小波分析在异步电机故障诊断中的应用 ’
肖蕙蕙，李川，李山，李文杰
（重庆工学院，重庆４０５）０００
ＡｐｉａｉｎｏａｅｅｐｌｔｏｆＷｖｌｔＡｎａｙｉｎｈｕｔＤｉｇｓｓｆｒｃｌｓｓｉｔｅＦａｌａｎｏｉｏＡｓｎｃｒｎｕｏｏｓｙｈｏｏｓＭｔｒ

小波与倒频谱分析法在异步电机故障诊断中的应用

ＡｐｌａｉｎｏａｅｅｎｐｔｕＡｎｌｓｕｔａｎｓｆｎｕｔｏｏｏｓｐｉｔｏｆｃＷｖｌｔａｄＣｅｓｒｍａｙｉｉＦａｌＤｉｇｏｉｏｄｃｉｎＭｔｒｓｎｓＩＺＨＡＮＧｏｇｘＬｏｇｏＸｉｎ．ｉ’ Ｉ．Ｂａ．ｕｒ．ｐｒｍｅｔｆｎｏｍａｉｎＳｉｎｅａｄＴｃｎｌｇ，血ａｉｅｓｙｏｃｅｃＤｅａｔｎｆｒｔｃｅｃｎｅｈｏｏｙＷ１ｏＩｏｎＵｎｖｒｉｆＳｉｎｅｔｎｅｈｏｏｙＷｈ４０８ｉａ２ＥｇｎｅｉｓａｃｎｅｆａｄＴｃｎｌｇ，ｕａ３０ｌＣｈｎ；．ｎｉｅｒｇＲｅｅｒｈＣｅｔｒｏＭｅａｌｒｉａｎｎｔｌｇｃｌｕＡｕｏｔｎａｄＭｅｓｅｎＷｕａ３０Ｃｈｎ：ｔｍａｉａｕｍｅｔｃｏｎｒＴｎｌｇｎｓｒｏｃｔ．４０８ｉａ，ｙＥｄｏｈｎｌ
［摘要］小波具有优良的时频局部化特性，其多分辨率性质可逼近细化频谱，在故障信号提取方面具有突
出作用。倒频谱对多成分边频的频谱图分析非常有效，具有解卷积的作用，将边频带谱线简化为更易于观察的单根谱线，实现电机耦合故障分离和故障特征提取。本文对小波分解基本思想和过程进行了详细的论述，系统论述了倒频谱分析的基本原理以及在时频分析中的优势，结合两者特点提出了运用小波与倒频谱分析相

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

则用卷积形式定义的小波变换为：
ｄＥ “ （）ｏ（）ｄ “
（）３
４０００
６０００
８０ｌ００００００
采样值
ｗ（，ｄＥｕ（）ｌｏｆ（）ｄ
（）４
电机正常振动信号
用式（）３和式（）４以卷积形式定义的小波变换有
＝口［厂
如图１示．所
０ｔ（）＝圭
￣２叮／丁
（）１
如果令（）ｔ和（）别是０口的一阶、ｔ分（）二
阶导数，：即
）＝）＝
匾
圈
图１电机故障诊断流程图
则：ｔ￡ｄＯＩ＝有Ｅ（：ｔ（ｏ）ｄ＝ｔ）
第３期
满红，：于小波分析和神经网络的异步电机早期故障诊断等基
８１
［㈩Ｅｄ
：
２０ｚ在数据处理时，１０５００Ｈ，以０００个采样值为
一
组，取两种特征参数：提电机正常振动信号（如图２所示）和匝间短路振动信号（图３所示）如．
收稿日期：００１ —５２１ —１１
基金项目：国家科技部中小企业创新基金资助项目（９２２２２２３０Ｃ６２１３４）作者简介：满红（９４一）女，１７，讲师，博士研究生，主要从事先进智能控制及工业复杂过程控制方面的研究
Ｅ－ａｌｄｍｕｙ１３Ｃｒ．ｍｉ：ｌｇ＠６．Ｏｎ
一
个重要性质，信号－ｔＪ即厂）关于光滑函数（
（）的一阶或二阶导数的小波变换等于信号ｔ
Ｏ
ｔ）与光滑函数（）卷积后的导数，：ｔ即ｆ＠ｌｑ㈤ｌ＝
加 ∞ 图２
＝
厂
＝ａｆ＠
图３匝间短路振动信号
障信号突变点的位置；利用小波包各个频带能量的变化完成能量特征提取，采用ＢＰ神经网络故障识别算
法识别电机的各种运行状态来诊断电机早期故障．仿真实验结果表明，小波分析和神经网络算法的结合能
有效定位并检测异步电机的早期故障．
关键词：波分析；小故障诊断；Ｐ神经网络；Ｂ异步电机
文献标识码：Ａ
０引言
电机的故障监测与诊断技术目前在工业生产中有广泛的应用．长期以来广泛采用的Ｆｕｉ但ｏｒｒｅ分析方法不能有效提取电机振动信号中蕴含的故障信息，无法满足故障信号特征提取的要求Ｊ．小波分析是一种基于 “ 带 ” 析的信号分析方频分法，对信号的频率波动具有良好的鲁棒性Ｊ对，信号的突变点很敏感．Ｐ神经网络是一个白适应Ｂ非线性动态信息处理系统，以通过样本学习训可练改变网络权值，实际输出和期望输出满足规使定的误差要求，以作为故障分类器进行故障识可
基于小波分析和神经网络的异步电机早期故障诊断
满红贾世杰，
（．１大连交通大学信息工程学院，宁大连１６５；２大连交通大学电气信息学院，宁大连ｌ６２）辽１０２障诊断，根据电机定子故障的特点，采用小波变换极大模分析法检测故
２小波变换极大模方法和信号突变点的定位分析
２１小波变换极大模方法介绍．
在信号的奇异性检测中，以卷积的形式来是
定义小波变换．
别．小波分析和神经网络算法的结合，可以有效定位并检测出异步电机中的早期故障．
在异步电机发生的故障中，要包括定子故主障、子故障和轴承故障这三大类故障，其中因转而
绝缘损坏而造成的定子故障占有很大的比例．本
文采用分析电机振动信号诊断其定子故障，以异步电动机定子匝问短路引起的故障为例进行研究．
设（沩—１置＼当的光滑函数，ＪＯｔｔｊ满足（ｄ＝）
１ｌ（）０现取（）为Ｇｕｓ和ｉａｒｔ一．ｔａｓ函数，有：则
１异步电动机的常见故障及诊断流程
异步电动机故障诊断流程一般分为状态检测和故障诊断两个阶段，以分以下４个步骤进行，可
１４５．１４．０ｌ３＿５
掣：２Ｔ一一：出ｌ叮丁０｛／２￣ｔｌｌ
一
显然，（）和（）均为小波函数．ｔｔ
现定义光滑函数（）关于尺度ａ的表达式为：
。
（＝ｆｆ１）
（）２
ｌ３－Ｏ１２．５
第３２卷第３期２１０１年６月
大连交通大学学报
ＪＵＲＮＡＬ０ＦＯＤＩＪＡＯＯＮＧＡＬＡＮＩＴＵＮＩＶＥＲＩＹＳＴ
Ｖ０．２Ｎｏ３１３．
Ｊｎ２１ｕ．０１
文章编号：６３９９ｌ０１０－０００１７ —５０２１）３０８ —４