基于多窗高階譜電機軸承故障檢測方法研究.pdf

1、感應電動機作為工業(yè)企業(yè)里應用最廣泛的拖動機構，當其發(fā)生故障后直接影響生產(chǎn)線的正常運行，而軸承故障是電機故障中發(fā)生機率最高的，因此本文主要研究感應電動機軸承故障的檢測方法。
　　 目前基于電流特征分析法(Motor Current Signature Analysis，MCSA)診斷電機故障得到了比較廣泛的關注，該方法將電機的常見故障與定子電流的頻率特征量建立了函數(shù)關系，通過對特征頻率的識別，可以檢測出電機軸承幾種常見的故障狀態(tài)。

2、
　　 電機在不同的故障狀態(tài)下運行時，會在定子電流中相應地產(chǎn)生不同的故障特征頻率；但是該故障特征頻率信號的幅值很小，因此它在定子電流頻譜中的功率非常微弱。由于定子電流的主要成分是基波，同時還存在著較強的三、五、七次諧波等，此外，定子電流中還包含了來自電網(wǎng)的背景色噪聲，為了能從定子電流中分辨出故障特征頻率，往往需要提高分析的分辨率，這勢必造成更多偽峰的出現(xiàn)，故障特征不能很好的確定。
　　 針對定子電流特征頻率所攜帶的故障信

3、息，目前主要有兩類處理方法：小波分解和頻譜分析。而這兩種方法只用到了頻率信息，忽略了相位信息。雙譜不僅利用了定子電流信號中的頻率信息也利用了相位信息，通過分析定子電流中的故障特征頻率與基頻的耦合關系來確定電機軸承故障，所以雙譜適于分析淹沒在高斯噪聲中的非高斯信號。
　　 針對色噪聲背景下弱周期性特征信號的提取問題，本文利用高階累積量具有抑制高斯有色噪聲的能力，結合多窗譜提取弱信號特征的能力，提出了基于多窗高階譜特征提取方法。針對