基于EMD和特征融合的電機(jī)故障診斷.pdf

1、近幾十年來(lái)，電機(jī)設(shè)備故障所導(dǎo)致的事故時(shí)有發(fā)生，造成了慘重的經(jīng)濟(jì)損失。為了從根本上避免災(zāi)難性事故的發(fā)生，對(duì)電機(jī)進(jìn)行故障診斷是非常必要的。對(duì)電機(jī)常見故障的診斷分析不僅能夠及早發(fā)現(xiàn)故障，而且還可以防止電機(jī)故障的進(jìn)一步惡化，避免災(zāi)難性事故的發(fā)生，從而減少因事故造成的巨大經(jīng)濟(jì)損失;另外還可為電機(jī)制造商提供經(jīng)驗(yàn)，積累數(shù)據(jù)，有助于電機(jī)性能的提升，增強(qiáng)可靠性。
　　 本文對(duì)電機(jī)故障診斷方法進(jìn)行了分析和研究，并最終通過(guò)電機(jī)聲音診斷技術(shù)實(shí)現(xiàn)了電機(jī)故

2、障診斷。對(duì)電機(jī)聲音診斷技術(shù)的四個(gè)方面（即電機(jī)聲音信號(hào)采集、電機(jī)聲音信號(hào)處理、故障特征向量的構(gòu)造和故障模式分類）進(jìn)行研究探索，并取得了以下研究結(jié)果:
　　 1)設(shè)計(jì)和實(shí)現(xiàn)了具有兩路電機(jī)聲音信號(hào)采集能力的聲音采集系統(tǒng)。系統(tǒng)硬件部分包括傳聲器、前置放大電路、抗混疊濾波電路、二級(jí)放大電路和數(shù)據(jù)采集卡;系統(tǒng)軟件基于LabVIEW平臺(tái)開發(fā)，具有良好的人機(jī)界面。與基于單個(gè)傳聲器的傳統(tǒng)電機(jī)聲音采集系統(tǒng)相比，該系統(tǒng)可以獲得更多的電機(jī)故障信息，有利

3、于更精確地實(shí)現(xiàn)電機(jī)故障診斷。
　　 2)提出了將經(jīng)驗(yàn)?zāi)B(tài)分解(EMD)應(yīng)用于電機(jī)聲音信號(hào)處理的方法。該方法首先通過(guò)電機(jī)聲音信號(hào)的特征時(shí)間尺度來(lái)獲得電機(jī)聲音的固有波動(dòng)模式，然后以此為依據(jù)來(lái)分解電機(jī)聲音信號(hào)，分解所用的基函數(shù)來(lái)自于電機(jī)聲音信號(hào)本身。實(shí)驗(yàn)結(jié)果表明該方法能夠有效地實(shí)現(xiàn)電機(jī)聲音信號(hào)的分解。
　　 3)首次提出了一種基于固有模態(tài)函數(shù)能量和特征融合技術(shù)相結(jié)合的特征向量構(gòu)造方法。該方法首先用EMD分解后的各個(gè)固有模態(tài)函數(shù)

4、的能量作為特征參數(shù);然后將EMD分解得到的兩路特征參數(shù)進(jìn)行特征融合，這樣可以更大程度地保留電機(jī)故障信息，同時(shí)又能避免兩路特征參數(shù)直接組合所導(dǎo)致的特征向量的高維性和冗余性。該方法為特征向量的構(gòu)造提供了一種新的途徑。
　　 4)對(duì)特征向量進(jìn)行故障模式分類。本文分別把神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)這兩種模式分類方法應(yīng)用到電機(jī)故障診斷中，并對(duì)分類結(jié)果進(jìn)行了比較和分析。結(jié)果表明了支持向量機(jī)對(duì)本文所構(gòu)造的特征向量具有更好的識(shí)別能力，同時(shí)分類結(jié)果表明了