電機(jī)故障振動(dòng)的一種方法的設(shè)計(jì)【畢業(yè)設(shè)計(jì)】

1、<p><b>　?。?0_ _屆）</b></p><p><b>　　本科畢業(yè)設(shè)計(jì)</b></p><p>　　電機(jī)故障振動(dòng)的一種方法的設(shè)計(jì)</p><p>　　所在學(xué)院 </p><p>　　專業(yè)班級(jí) 電氣工程及其自動(dòng)化

2、 </p><p>　　學(xué)生姓名 學(xué)號(hào) </p><p>　　指導(dǎo)教師 職稱 </p><p>　　完成日期 年 月 </p><p><b>　　摘 要</b></p>

3、;<p>　　隨著現(xiàn)代科學(xué)技術(shù)的發(fā)展和電氣化程度的提高，電機(jī)已是工業(yè)生產(chǎn)和日常生活中最主要的原動(dòng)力和驅(qū)動(dòng)裝置，已被廣泛地應(yīng)用于工業(yè)生產(chǎn)的各個(gè)領(lǐng)域。電機(jī)一旦發(fā)生故障，不僅會(huì)損壞電機(jī)本身，嚴(yán)重時(shí)還會(huì)使電機(jī)突然停機(jī)、生產(chǎn)線崩潰，給人們?cè)斐删薮蟮慕?jīng)濟(jì)損失和災(zāi)難性后果。因此，通過對(duì)電機(jī)的監(jiān)測(cè)和分析，可以及早發(fā)現(xiàn)故障和預(yù)防故障，減少突發(fā)事故造成的損失，并為實(shí)現(xiàn)檢修創(chuàng)造條件。如果能夠設(shè)計(jì)出一種故障診斷系統(tǒng)，在電機(jī)運(yùn)行時(shí)就能判斷出電機(jī)的運(yùn)

4、行狀態(tài)，及時(shí)發(fā)現(xiàn)電機(jī)故障，這將在很大程度上避免更大的損失發(fā)生。</p><p>　　基于離散DCT變換分析的過程監(jiān)測(cè)方法，由于充分利用了離散DCT變換分析算法在數(shù)據(jù)量壓縮方面的優(yōu)勢(shì)，利用離散DCT變換分析進(jìn)行故障監(jiān)測(cè)和診斷已經(jīng)得到較廣泛的研究。</p><p>　　本文首先介紹了電機(jī)故障診斷的目的和意義，在理論上詳述了DCT變換的原理和算法。接著本設(shè)計(jì)給出了感應(yīng)電機(jī)的三維正交軸X，Y，Z方

5、向的振動(dòng)樣本。對(duì)正常模式，軸承故障模式，軸承、轉(zhuǎn)子故障模式各取樣本，采用離散DCT變換，提取振動(dòng)信號(hào)的特征，并采用人工神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練并識(shí)別，經(jīng)測(cè)試得出，該方法對(duì)感應(yīng)電機(jī)故障診斷具有很好的實(shí)用性和有效性。</p><p>　　關(guān)鍵詞：感應(yīng)電機(jī)，故障診斷，數(shù)字信號(hào)處理，人工神經(jīng)網(wǎng)絡(luò)</p><p>　　Motor fault the design of a method of vibrati

6、on</p><p><b>　　Abstract</b></p><p>　　With the development of modern science and technology and a higher level of electrification, electrical, industrial production and daily life, an

7、d drive the main driving force has been widely used in industrial production in various fields. Motor in the event of failure, not only will damage the motor itself, but affects the whole system works, and even endanger

8、the personal safety, resulting in huge losses. Through the monitoring and analysis of the motor, you can prevent early detection of fai</p><p><b>　　朗讀</b></p><p>　　顯示對(duì)應(yīng)的拉丁字符的拼音</p

9、><p>　　Keywords: Induction motor, fault diagnosis, digital signal processing, artificial neural network</p><p><b>　　目錄</b></p><p><b>　　摘 要I</b></p><

10、;p>　　AbstractII</p><p><b>　　1 緒論4</b></p><p>　　1.1異步電動(dòng)機(jī)故障診斷的研究背景及意義4</p><p>　　1.2電機(jī)故障診斷技術(shù)5</p><p>　　1.2.1電機(jī)故障診斷技術(shù)概述5</p><p>　　1.3電機(jī)故障診斷

11、技術(shù)研究的現(xiàn)狀7</p><p>　　1.3.1目前常見的幾種電機(jī)故障類型[26]9</p><p>　　1.3.2 信號(hào)處理技術(shù)與診斷方法在故障診斷中的研究現(xiàn)狀9</p><p>　　1.4課題研究的主要內(nèi)容11</p><p>　　1.4.1主要研究工作11</p><p>　　本論文主要做了如下研究工作

12、：11</p><p>　　1.4.2 論文結(jié)構(gòu)11</p><p>　　2離散余弦變換及BP神經(jīng)網(wǎng)絡(luò)分析方法的理論基礎(chǔ)12</p><p>　　2.1離散DCT變換概述[34]12</p><p>　　2.2正交變換特性13</p><p>　　2.3 DCT原理13</p><p&g

13、t;　　2.3 DCT算法14</p><p>　　2.4 RBF神經(jīng)網(wǎng)絡(luò)16</p><p>　　3基于DCT分析的故障診斷實(shí)驗(yàn)與分析17</p><p>　　3.1實(shí)驗(yàn)問題與數(shù)據(jù)描述17</p><p>　　3.2 特征提取與分析診斷23</p><p><b>　　3.2.123</b

14、></p><p><b>　　3.2.223</b></p><p>　　3.3實(shí)驗(yàn)結(jié)果23</p><p><b>　　4 結(jié)論23</b></p><p>　　4.1全文總結(jié)23</p><p>　　4.2研究展望24</p><p&

15、gt;<b>　　參考文獻(xiàn)24</b></p><p>　　致謝錯(cuò)誤!未定義書簽。</p><p><b>　　附錄26</b></p><p><b>　　1 緒論</b></p><p>　　1.1異步電動(dòng)機(jī)故障診斷的研究背景及意義</p><p&

16、gt;　　隨著現(xiàn)代科學(xué)技術(shù)的進(jìn)步、生產(chǎn)系統(tǒng)的發(fā)展和設(shè)備制造水平的提高，生產(chǎn)系統(tǒng)中所采用的電機(jī)數(shù)量不斷增加，單機(jī)容量也在不斷提高，顯而易見，電機(jī)的正常工作對(duì)保證生產(chǎn)制造過程中的安全、高效、敏捷、優(yōu)質(zhì)及低耗運(yùn)行意義非常重大。電機(jī)的故障和停止運(yùn)行，不僅會(huì)損壞電機(jī)本身，而且會(huì)影響整個(gè)系統(tǒng)的正常工作，甚至?xí)＜叭松戆踩?，造成巨大的?jīng)濟(jì)損失，因此對(duì)電機(jī)故障的診斷要求十分迫切。通過對(duì)電機(jī)常見故障的診斷和分析，可以及早發(fā)現(xiàn)故障和預(yù)防故障的進(jìn)一步惡化，減

17、少突發(fā)事故造成的停產(chǎn)損失，防止對(duì)人員和設(shè)備安全的威脅，并為實(shí)現(xiàn)狀態(tài)檢修創(chuàng)造條件；還可為設(shè)計(jì)制造者提供經(jīng)驗(yàn)，積累數(shù)據(jù)，有助于電機(jī)性能及可靠性的改進(jìn)；同時(shí)對(duì)電機(jī)故障定位、決策及維修都是極其重要的[1]。</p><p>　　大型電機(jī)在系統(tǒng)中有著重要的地位和作用，一般除應(yīng)采取各種積極的維護(hù)措施消除或減少故障隱患之外，在故障初期便能可靠地診斷出故障的類型和成因是最理想的解決方法。為了能在電機(jī)有早期故障征兆時(shí)采取積極主動(dòng)的

18、調(diào)節(jié)措施，防止故障的進(jìn)一步惡化，應(yīng)配備故障在線監(jiān)視、檢測(cè)和智能診斷系統(tǒng)，通過對(duì)各種電氣量或非電氣量的連續(xù)監(jiān)視，分析早期故障征兆信號(hào)，并結(jié)合智能診斷系統(tǒng)進(jìn)行判別。在電機(jī)故障初期便能捕獲到故障信息，為實(shí)現(xiàn)合理的狀態(tài)檢修創(chuàng)造條件，這是電機(jī)最為理想的診斷和保護(hù)措施[2][3]。但早期故障微弱信號(hào)的獲取和智能診斷系統(tǒng)的準(zhǔn)確性，特別是在信號(hào)處理技術(shù)和特征提取環(huán)節(jié)上還存在很多困難，使得這種方法還未能取得理想效果并真正進(jìn)入實(shí)用化階段，一般只能靠定期停機(jī)

19、檢修來消除故障隱患[4]。鑒于此，科學(xué)工作者研究了多種診斷方法并將它們應(yīng)用于電機(jī)的故障診斷。電機(jī)發(fā)生故障時(shí)，信號(hào)中往往含有大量的時(shí)變、短時(shí)沖擊、突發(fā)性質(zhì)的成分,由此看來，電機(jī)等電力設(shè)備的故障診斷，其應(yīng)用效果必然會(huì)受到傳統(tǒng)信號(hào)處理技術(shù)的限制，尋找一種有效的信號(hào)處理技術(shù)成為電機(jī)故障診斷的迫切要求[5]。電機(jī)測(cè)試技術(shù)的發(fā)展與電機(jī)工業(yè)的發(fā)展密切相關(guān)，隨著經(jīng)濟(jì)的飛速發(fā)展，</p><p>　　電機(jī)故障診斷技術(shù)是上世紀(jì)70年

20、代興起的一門新技術(shù)，能在帶負(fù)載運(yùn)行的情況下，通過對(duì)電機(jī)狀態(tài)參數(shù)檢測(cè)和分析，判斷設(shè)備是否存在異常或故障，并判斷故障的位置、原因以及故障的劣化趨勢(shì)，從而可以確定合理檢修時(shí)間和方案。這門技術(shù)的出現(xiàn)，已在各生產(chǎn)部門和技術(shù)領(lǐng)域發(fā)展迅速并取得了很大成效，促進(jìn)了電機(jī)維修體制的一次變革，使電機(jī)維修體制由傳統(tǒng)的事后維修和預(yù)防維修方式，逐步變?yōu)轭A(yù)知維修(或狀態(tài)維修) [8]。由于減少了事故停機(jī)損失，提高了設(shè)備運(yùn)行的可靠性，降低了維修費(fèi)用，其優(yōu)越性已為越來越

21、多的技術(shù)人員所認(rèn)識(shí)。目前這項(xiàng)技術(shù)正在崛起，應(yīng)用領(lǐng)域不斷擴(kuò)展。</p><p>　　但早期故障微弱信號(hào)的獲取和智能診斷系統(tǒng)的準(zhǔn)確性，特別是在信號(hào)處理技術(shù)和特征提取環(huán)節(jié)上還存在很多困難，使得這種方法還未能取得理想的效果并真正進(jìn)入實(shí)用化階段，一般只能靠定期停機(jī)檢修來消除故障隱患[9]。正弦波供電且穩(wěn)態(tài)運(yùn)行時(shí)鼠籠式異步電動(dòng)機(jī)的故障特征和故障診斷方法已經(jīng)比較成熟；動(dòng)態(tài)變速過程中，信號(hào)中出現(xiàn)大量的時(shí)變、短時(shí)沖擊、突發(fā)性質(zhì)的成

22、分，這使得電機(jī)故障診斷和保護(hù)中廣泛應(yīng)用的基于穩(wěn)態(tài)信號(hào)的傳統(tǒng)分析方法，如Fourier變換、最大值算法、最小二乘法與遞推最小二乘法等產(chǎn)生了較大誤差[4]，不利于故障的及時(shí)診斷與保護(hù)的啟動(dòng)。異步電機(jī)的大部分故障來自于轉(zhuǎn)子[5]，其診斷也是比較困難的，對(duì)異步電機(jī)轉(zhuǎn)子繞組故障進(jìn)行深入機(jī)理分析和準(zhǔn)確診斷的研究具有重要意義。因此，如何防止電機(jī)故障的發(fā)生，能夠提前對(duì)嚴(yán)重故障進(jìn)行預(yù)測(cè)，并研制出相應(yīng)的故障診斷系統(tǒng)，已經(jīng)成為目前工程領(lǐng)域的研究課題，具有重大

23、的理論意義和經(jīng)濟(jì)價(jià)值。尋找一種有效的信號(hào)處理技術(shù)成為電機(jī)故障診斷的迫切要求。</p><p>　　1.2電機(jī)故障診斷技術(shù)</p><p>　　1.2.1電機(jī)故障診斷技術(shù)概述</p><p>　　電機(jī)診斷是設(shè)備診斷技術(shù)的一個(gè)部分，但是由于電機(jī)的工作原理和結(jié)構(gòu)上的種種特點(diǎn)，其診斷方法和采用的檢測(cè)技術(shù)和其它設(shè)備的診斷有所不同。根據(jù)電機(jī)的工作原理，在它內(nèi)部存在著幾個(gè)相互關(guān)聯(lián)

24、而又不可截然分割的工作系統(tǒng)。因此，電機(jī)診斷需涉及較多技術(shù)領(lǐng)域?！　‰姍C(jī)的功能是把機(jī)械能轉(zhuǎn)化變成電能(發(fā)電機(jī))或?qū)㈦娔苻D(zhuǎn)換成機(jī)械能(電動(dòng)機(jī))。因此，除永磁電機(jī)外，其他電機(jī)都有兩套電路，通過磁場(chǎng)相互耦合，在定、轉(zhuǎn)子問的氣隙內(nèi)實(shí)現(xiàn)能量交換，實(shí)現(xiàn)機(jī)、電能量轉(zhuǎn)換。因此，電機(jī)中大都存在相互獨(dú)立的電路和一個(gè)耦合電路的磁場(chǎng)?！　‰姍C(jī)繞組是實(shí)現(xiàn)能量轉(zhuǎn)換的核心部件，繞組內(nèi)導(dǎo)體之間，繞組對(duì)地之間均有不同的電壓。電機(jī)內(nèi)不同的電壓是由不同的絕緣材料組成的絕緣

25、結(jié)構(gòu)來隔離的。電機(jī)內(nèi)不同絕緣結(jié)構(gòu)構(gòu)成了一個(gè)整體，這就是電機(jī)的絕緣系統(tǒng)。</p><p>　　電機(jī)在進(jìn)行能量交換的過程中，往往會(huì)產(chǎn)生電損耗、機(jī)械損耗和介質(zhì)損耗。這些損耗最終都變成熱能散逸出來，并由冷卻介質(zhì)帶走，這就是電機(jī)的發(fā)熱和冷卻。電機(jī)的冷卻是通過軸上風(fēng)扇、強(qiáng)制鼓風(fēng)或密封的冷卻系統(tǒng)來實(shí)現(xiàn)的。電機(jī)內(nèi)的通風(fēng)溝、風(fēng)扇、擋風(fēng)罩以及鼓風(fēng)機(jī)、冷卻器、過濾器等構(gòu)成了電機(jī)的通風(fēng)系統(tǒng)[10]。　　綜上所述，電機(jī)內(nèi)部至少包括如下幾

26、個(gè)獨(dú)立的、又相互關(guān)聯(lián)的工作系統(tǒng)：(1)電路系統(tǒng)；(2)磁路系統(tǒng)；(3)絕緣系統(tǒng)；(4)機(jī)械系統(tǒng)；(5)通風(fēng)散熱系統(tǒng)?！　‰姍C(jī)運(yùn)行中出現(xiàn)的故障，將會(huì)涉及這些獨(dú)立的工作系統(tǒng)，因而電機(jī)的診斷比一般機(jī)械設(shè)備診斷涉及的技術(shù)領(lǐng)域更廣，包括電機(jī)學(xué)、熱力學(xué)和傳熱學(xué)、高電壓技術(shù)、材料工程、機(jī)械診斷學(xué)、電子測(cè)量學(xué)、信息工程技術(shù)、計(jì)算機(jī)技術(shù)等多個(gè)知識(shí)領(lǐng)域。由于電機(jī)存在幾個(gè)相互關(guān)聯(lián)的工作系統(tǒng)，故障起因和故障征兆往往表現(xiàn)出多元性，這為電動(dòng)機(jī)故障診斷增加了難度。

27、對(duì)電機(jī)進(jìn)行診斷時(shí)，必須熟悉診斷對(duì)象。</p><p>　　一般地，故障診斷要經(jīng)歷以下步驟：</p><p>　　1．用傳感器檢測(cè)設(shè)備的狀態(tài)信號(hào)，獲得設(shè)備運(yùn)行狀態(tài)的原始信息，如溫度、電壓、電流、振動(dòng)等能量信號(hào)或煙霧、銹蝕等物質(zhì)狀態(tài)信號(hào)。能夠反映設(shè)備故障的信號(hào)很多，若將所有信號(hào)都加以處理并參與故障診斷，勢(shì)必增加工作量，對(duì)診斷的實(shí)時(shí)性不利，因此選擇最能表征診斷對(duì)象工作狀態(tài)的信號(hào)。</p&g

28、t;<p>　　2．從檢測(cè)的原始信號(hào)中提取故障特征。對(duì)通過檢測(cè)而獲得的設(shè)備狀態(tài)信號(hào)進(jìn)行處理，并消除噪聲，以獲得最能反映各種故障的特征信號(hào)，作為故障診斷的征兆。</p><p>　　3．根據(jù)故障征兆和相關(guān)診斷信息的分析，進(jìn)行設(shè)備運(yùn)行狀態(tài)的識(shí)別，制定診斷決策。將待檢模式與己知模式進(jìn)行比較，實(shí)現(xiàn)狀態(tài)分類。</p><p>　　對(duì)應(yīng)于診斷過程中的信號(hào)檢測(cè)、征兆提取和狀態(tài)識(shí)別這三個(gè)步驟

29、，設(shè)備故障診斷主要內(nèi)容包括以下幾個(gè)方面，如圖1-1所示：</p><p>　　a)用合適的特征信號(hào)及相應(yīng)的觀測(cè)方式，在設(shè)備合適的部位，測(cè)取有關(guān)設(shè)備故障的特征信號(hào)。</p><p>　　b)采用合適的征兆提取方法與裝置，從特征信號(hào)中提取設(shè)備有關(guān)狀態(tài)的征兆。</p><p>　　圖1-1 故障診斷主要內(nèi)容[11]</p><p>　　c)采用合適

30、的狀態(tài)識(shí)別方法與裝置，依據(jù)征兆進(jìn)行推理和識(shí)別設(shè)備的有關(guān)狀態(tài)，包括不正常的狀態(tài)。</p><p>　　d)采用合適的狀態(tài)趨勢(shì)分析方法與裝置，依據(jù)征兆與狀態(tài)進(jìn)行推理而識(shí)別出有關(guān)狀態(tài)的發(fā)展趨勢(shì)，包括故障的早期診斷與預(yù)測(cè)。</p><p>　　系統(tǒng)狀態(tài)監(jiān)測(cè)主要應(yīng)用于系統(tǒng)設(shè)備運(yùn)行過程中對(duì)實(shí)時(shí)運(yùn)行狀態(tài)初步的識(shí)別。其主要功能是在系統(tǒng)運(yùn)行過程中，對(duì)系統(tǒng)的各種狀態(tài)變量及其信息進(jìn)行檢測(cè)，同時(shí)需要對(duì)得到的信息進(jìn)

31、行及時(shí)的分析、判斷，并結(jié)合系統(tǒng)現(xiàn)有的特性及其歷史正常過程對(duì)系統(tǒng)的實(shí)時(shí)工作狀態(tài)做出評(píng)價(jià)的過程。系統(tǒng)的狀態(tài)監(jiān)測(cè)為進(jìn)一步的故障診斷做必要的信息和數(shù)據(jù)準(zhǔn)備，是故障診斷系統(tǒng)運(yùn)行的前提及實(shí)現(xiàn)自動(dòng)化測(cè)試、診斷的基礎(chǔ)。</p><p>　　1.3電機(jī)故障診斷技術(shù)研究的現(xiàn)狀</p><p>　　設(shè)備狀態(tài)監(jiān)測(cè)與故障診斷技術(shù)是一種了解和掌握設(shè)備在使用過程中的狀態(tài)，確定其整體或局部正?；虍惓＃缙诎l(fā)現(xiàn)故障及其原因

32、，并能預(yù)報(bào)故障發(fā)展趨勢(shì)的技術(shù)。它的實(shí)質(zhì)是了解和掌握設(shè)備在運(yùn)行過程中的狀態(tài)、評(píng)價(jià)、預(yù)測(cè)設(shè)備的可靠性，早期發(fā)生故障，并對(duì)其原因、部位、危險(xiǎn)程度等進(jìn)行識(shí)別，預(yù)報(bào)故障的發(fā)展趨勢(shì)，并針對(duì)具體情況做出決策[12]。電機(jī)故障診斷技術(shù)是設(shè)備狀態(tài)監(jiān)測(cè)與故障診斷技術(shù)的一個(gè)部分。</p><p>　　設(shè)備診斷技術(shù)是20世紀(jì)60年代后半期首先在美國(guó)出現(xiàn)的，而它被應(yīng)用于電機(jī)是在20世紀(jì)80年代。1986年，P．J．Taver與J．Penm

33、an提出了電機(jī)狀態(tài)監(jiān)測(cè)的概念[13] [14]。20多年來，隨著傳感器、計(jì)算機(jī)、光纖、信號(hào)處理技術(shù)等的迅速發(fā)展與應(yīng)用，電機(jī)故障診斷技術(shù)有了較大的發(fā)展。</p><p>　　目前，用于電機(jī)故障診斷的技術(shù)有：</p><p>　　1．在線放電檢測(cè)法[15]：高壓電機(jī)定子的許多電氣故障都呈現(xiàn)出放電現(xiàn)象加劇的趨勢(shì)。利用電機(jī)定子出線端或定子繞組中性點(diǎn)引出線的電流互感器和高頻檢測(cè)儀，可辨別各種故障，但

34、是，由于電機(jī)內(nèi)部復(fù)雜的空間結(jié)構(gòu)和繞組接頭處的反射和局部諧振，確定基準(zhǔn)發(fā)電噪聲電平較為困難，在線放電檢測(cè)的應(yīng)用受到限制。</p><p>　　2．定子電流檢測(cè)法[16]：主要利用定子部分或者轉(zhuǎn)子部分的故障會(huì)引起電流信號(hào)的諧波分量發(fā)生變化，通過頻譜分析，尋找該故障獨(dú)有的特征頻率及幅值的變化，可以實(shí)現(xiàn)對(duì)故障的檢測(cè)，但是，由于定子電流信號(hào)比較復(fù)雜，因此需要進(jìn)一步研究和尋找新的特征指標(biāo)。</p><p&

35、gt;　　3．振動(dòng)檢測(cè)法[17]：當(dāng)電機(jī)發(fā)生某些故障時(shí)，例如定子繞組故障，會(huì)引起定子鐵芯上的徑向力變化，從而引起機(jī)體的異常振動(dòng)，通過振動(dòng)分析可以對(duì)其進(jìn)行診斷。但是由于電機(jī)的傳遞路徑比較長(zhǎng)，以及各種環(huán)境因素的干擾，使信號(hào)的信噪比較低，判斷效果不是十分理想。</p><p>　　4．磁通檢測(cè)法[18] [19]：主要利用探測(cè)線圈來檢測(cè)電機(jī)的軸向漏磁通，當(dāng)定子繞組故障時(shí)，磁通在徑向和圓周方向發(fā)生變化，通過這些變化來識(shí)別

36、故障。</p><p>　　5．絕緣檢測(cè)法[20] [21]：利用各種電氣試驗(yàn)和特殊診斷技術(shù)，對(duì)電機(jī)的絕緣結(jié)構(gòu)、工作性能和是否存在缺陷做出結(jié)論，并對(duì)絕緣剩余壽命做出預(yù)測(cè)。</p><p>　　6．溫度檢測(cè)法[22]：各種溫度檢測(cè)方法和紅外測(cè)溫技術(shù)，對(duì)電機(jī)各部分溫度進(jìn)行檢測(cè)和故障診斷。</p><p>　　7．振聲檢測(cè)法[23]：是對(duì)診斷的對(duì)象同時(shí)采集振動(dòng)信號(hào)和噪聲信

37、號(hào)，分別進(jìn)行信號(hào)處理，然后綜合診斷，因而可以大大提高診斷的準(zhǔn)確率，因此，振聲檢測(cè)和診斷廣泛地受到重視和應(yīng)用。對(duì)電機(jī)的故障診斷來說，振聲診斷同樣具有重要價(jià)值。</p><p>　　電機(jī)的故障往往通過電機(jī)的運(yùn)行表現(xiàn)出來，因此異步電機(jī)故障的分析一般通過對(duì)其運(yùn)行狀態(tài)特性的分析來進(jìn)行。從八十年代開始，國(guó)內(nèi)外的學(xué)者對(duì)電機(jī)的故障診斷進(jìn)行了大量的研究，從分析方法上來講一般有[24]：理論分析、試驗(yàn)研究、仿真研究等。</p&

38、gt;<p>　　(1)理論分析：理論分析是應(yīng)用一定的基本物理規(guī)律，對(duì)所分析的對(duì)象進(jìn)行理論分析研究，得出其運(yùn)行規(guī)律的數(shù)學(xué)表達(dá)式，然后依靠數(shù)學(xué)知識(shí)和實(shí)際運(yùn)行條件進(jìn)行理論計(jì)算，得出所需要的分析結(jié)果的研究方法，其結(jié)果是一種數(shù)學(xué)解析表達(dá)式。</p><p>　　(2)試驗(yàn)研究法：試驗(yàn)研究法是進(jìn)行電機(jī)故障分析的重要方法之一，它是在實(shí)驗(yàn)室通過模擬電機(jī)進(jìn)行故障動(dòng)態(tài)模擬試驗(yàn)的研究方法。對(duì)于那些不便于試驗(yàn)、難以建立數(shù)

39、學(xué)模型的故障分析，使用這種方法比較有優(yōu)勢(shì)，但是要模擬各種電機(jī)故障，還是比較困難的，存在一定的局限性。</p><p>　　(3)仿真研究：分為基于物理模型的物理仿真和基于數(shù)學(xué)模型的數(shù)字仿真。在電機(jī)故障分析中應(yīng)用較多的有場(chǎng)路耦合法、坐標(biāo)變換法和多回路法。我國(guó)著名學(xué)者高景德、王祥珩教授進(jìn)行了系統(tǒng)的研究和發(fā)展，完整地建立了在電機(jī)分析中具有重大意義的多回路理論[25]，為電機(jī)分析做出了杰出的貢獻(xiàn)。以單個(gè)線圈為基礎(chǔ)的多回路

40、分析法不僅可以研究現(xiàn)在己有方法所能研究的問題，而且可以解決諸如電機(jī)內(nèi)部故障、特殊結(jié)構(gòu)電機(jī)等電機(jī)內(nèi)部不對(duì)稱問題。</p><p>　　1.3.1目前常見的幾種電機(jī)故障類型[26]</p><p>　　電機(jī)故障分為軸承故障和導(dǎo)條斷裂故障2類。</p><p><b>　?。?）軸承的故障 </b></p><p>　　軸承是

41、各種類型電動(dòng)機(jī)的關(guān)鍵部件，其運(yùn)行狀態(tài)直接影響電動(dòng)機(jī)的運(yùn)行性能和使用壽命。統(tǒng)計(jì)表明：軸承故障約占電動(dòng)機(jī)故障的40%～50％。軸承故障的原因主要有軸系不平衡、角對(duì)中不良以及對(duì)中不良、軸承偏心、徑向軸承損傷、支承松動(dòng)、軸承支承剛度水平、垂直方向不等等。</p><p>　?。?）導(dǎo)條斷裂故障 </p><p>　　異步電動(dòng)機(jī)在運(yùn)行過程中，轉(zhuǎn)子導(dǎo)條受到徑向點(diǎn)磁力，旋轉(zhuǎn)點(diǎn)磁力，離心力，熱彎曲撓度力

42、等交變應(yīng)力的作用，加之轉(zhuǎn)子制造缺陷，導(dǎo)致導(dǎo)條故障。對(duì)繞線式異步電動(dòng)機(jī)而言，轉(zhuǎn)子繞組擊穿、開焊、匝間短路等是轉(zhuǎn)子常見故障，引起轉(zhuǎn)子故障的原因有轉(zhuǎn)子質(zhì)量偏心、轉(zhuǎn)子上部件松動(dòng)等。</p><p>　　1.3.2 信號(hào)處理技術(shù)與診斷方法在故障診斷中的研究現(xiàn)狀</p><p>　　用于電機(jī)故障診斷的信號(hào)有振動(dòng)、噪聲、溫度、壓力、電流、電壓等，統(tǒng)稱為檢測(cè)信號(hào)。檢測(cè)信號(hào)中蘊(yùn)含著能反映設(shè)備運(yùn)行狀態(tài)的重要信

43、息，但是一般情況下難以直接觀察出信號(hào)的特征，必須采用合適的方法對(duì)原始信號(hào)進(jìn)行處理以提取敏感的能反映故障征兆的特征[27]。故障信號(hào)處理技術(shù)就是對(duì)這些檢測(cè)信號(hào)進(jìn)行加工、變換，提取出對(duì)診斷有用的能反映故障的特征量，所以信號(hào)處理技術(shù)在整個(gè)故障診斷中起著十分重要的橋梁作用。目前常用的信號(hào)處理方法分信號(hào)時(shí)域分析方法、信號(hào)頻域分析方法和時(shí)頻分析方法[28]。</p><p>　　檢測(cè)信號(hào)如振動(dòng)、噪聲、溫度、壓力、電流、電壓等

44、，蘊(yùn)含了反映電力設(shè)備運(yùn)行狀態(tài)的重要信息，但一般情況下很難直接觀察出信號(hào)的特征，應(yīng)該采用合適的方法對(duì)檢測(cè)信號(hào)進(jìn)行處理以提取敏感的反映故障征兆的特征[29]。故障信號(hào)處理技術(shù)就是對(duì)這些檢測(cè)信號(hào)進(jìn)行加工、變換，提取出對(duì)診斷有用的特征量，所以信號(hào)處理技術(shù)在整個(gè)故障診斷過程中是起著重要的橋梁作用。在電機(jī)故障診斷中主要有時(shí)、頻分析方法，神經(jīng)網(wǎng)絡(luò)方法以及基于證據(jù)理論的方法。</p><p><b>　　信號(hào)時(shí)域分析方

45、法</b></p><p>　　自適應(yīng)濾波、時(shí)域平均與自相關(guān)分析是常用的幾種時(shí)域消噪方法，這些方法在消噪的同時(shí)保留了信號(hào)的時(shí)域特征，可用于分析信號(hào)特征。時(shí)間序列模型參數(shù)與統(tǒng)計(jì)分析參數(shù)(如方差、自相關(guān)系數(shù)等)是常用的信號(hào)時(shí)域特征參數(shù)提取方法，這些參數(shù)可用于電機(jī)故障診斷。</p><p>　　2． 信號(hào)頻域分析方法</p><p>　　以離散余弦變換(DCT

46、)為核心的經(jīng)典信號(hào)處理方法在故障診斷中發(fā)揮了巨大的作用，它包括：頻譜分析、相關(guān)分析、相干分析、傳遞函數(shù)分析．細(xì)化譜分析、時(shí)間序列分析、倒譜分析、包絡(luò)分析等[30]。常用的特征參數(shù)就是DCT譜和AR譜，DCT譜的幅值和相位充分反映了信號(hào)的各個(gè)組成頻率成分；AR譜是現(xiàn)代譜分析方法的代表，特別適于分析短序列隨機(jī)信號(hào)的功率譜。</p><p>　　(1)短時(shí)功率譜方法</p><p>　　短時(shí)功率

47、譜分析的基本思想是用一固定的滑動(dòng)窗沿時(shí)間軸將信號(hào)截取，劃分為短片段，允許前后片段之間有部分?jǐn)?shù)據(jù)重疊，計(jì)算每一段短信號(hào)的功率譜，將計(jì)算結(jié)果按時(shí)間順序排列就可以觀察出信號(hào)頻譜結(jié)構(gòu)的時(shí)變特征。短時(shí)分析方法突出了信號(hào)的局部特征，已在電機(jī)監(jiān)測(cè)、故障診斷中得到一定的應(yīng)用。</p><p><b>　　(2)時(shí)頻分布方法</b></p><p>　　量子物理學(xué)家Wigner和Vil

48、le首次提出了Wigner-Ville時(shí)頻分布，Classen等人系統(tǒng)地研究了這種方法在信號(hào)時(shí)頻分析中的應(yīng)用，L．Choen提出的Choen類時(shí)頻分布統(tǒng)一了在此之前所提出的各種時(shí)頻分布，即各種時(shí)頻分布都可以表示成原信號(hào)的時(shí)頻分布與一核函數(shù)的時(shí)頻分布的二維卷積(已經(jīng)證明短時(shí)功率譜也是一種時(shí)頻分布)，時(shí)頻分布的性能是由核函數(shù)所決定的。信號(hào)的時(shí)頻分布具有很高的時(shí)頻分辨率。但它不是待分析信號(hào)的線性函數(shù)，所以多頻率成分信號(hào)的時(shí)頻分布中包含有嚴(yán)重的

49、交叉干涉項(xiàng)，交叉干涉項(xiàng)的存在使時(shí)頻分布容易受到噪聲的干擾，如何減少時(shí)頻分布中的交叉干涉項(xiàng)也是目前研究的熱點(diǎn)[31]。</p><p><b>　　(3)小波分析方法</b></p><p>　　小波分析是近年來出現(xiàn)的一種新的信號(hào)時(shí)頻分析方法。它通過一個(gè)變尺度滑動(dòng)窗沿時(shí)間軸對(duì)信號(hào)進(jìn)行分段截取和分析，與短時(shí)Fourier分析很相似，但小波分析中的滑動(dòng)窗特性不是固定的，而是

50、隨著尺度因子而改變：在時(shí)問—頻率相平面的高頻段，滑動(dòng)窗的時(shí)窗寬度變窄而頻窗寬度變寬，具有較高的時(shí)間分辨率和低的頻率分辨率，在時(shí)間—頻率相平面的低頻段，滑動(dòng)窗的時(shí)窗寬度變寬而頻窗寬度變窄，具有較低的時(shí)間分辨率和高的頻率分辨率。由于良好的時(shí)頻局部化特征，小波變換可以準(zhǔn)確地抓住瞬變信號(hào)的特征，對(duì)信號(hào)中短時(shí)高頻成分進(jìn)行準(zhǔn)確定位，也能對(duì)信號(hào)中的低頻緩變趨勢(shì)進(jìn)行估計(jì)，這一點(diǎn)正是小波分析的精華所在．在離散小波變換的基礎(chǔ)上Wickerhauser進(jìn)一步

51、提出了小波包分析方法[32]，可以根據(jù)信號(hào)特征靈活地調(diào)整分析結(jié)果在各頻段的時(shí)間分辨率和頻率分辨率。小波分析方法已在電機(jī)監(jiān)測(cè)、故障診斷中得到一定的應(yīng)用。</p><p>　　3．人工神經(jīng)網(wǎng)絡(luò)方法</p><p>　　人們探索進(jìn)化求解的原理來解決問題。人工神經(jīng)網(wǎng)絡(luò)就是基于這種思想來模擬生物大腦的信息處理功能而構(gòu)成的計(jì)算模式。由于神經(jīng)網(wǎng)絡(luò)具有快速并行處理、聯(lián)想記憶、自組織和自學(xué)習(xí)以及非線性映射的

52、能力，同現(xiàn)有的動(dòng)態(tài)信號(hào)處理、模糊邏輯、專家系統(tǒng)等診斷技術(shù)相結(jié)合，為故障信號(hào)分析與處理、故障模式識(shí)別、故障診斷領(lǐng)域?qū)＜抑R(shí)的組織和推理等提供了新方法[33]。</p><p>　　1.4課題研究的主要內(nèi)容</p><p>　　1.4.1主要研究工作 </p><p>　　本論文主要做了如下研究工作：</p><p>　　(1)對(duì)于電機(jī)故障的多變

53、量數(shù)據(jù)，提取振動(dòng)信號(hào)，濾去高頻成分，提取核心特征，利用了離散DCT變換很好的能量壓縮性能，分析處理多變量數(shù)據(jù)集。</p><p>　　(2)在實(shí)驗(yàn)室成功搭建了實(shí)驗(yàn)平臺(tái)，利用電機(jī)的歷史正常運(yùn)行數(shù)據(jù)構(gòu)造了數(shù)字信號(hào)模型，并設(shè)計(jì)實(shí)驗(yàn)用正常數(shù)據(jù)和異常數(shù)據(jù)檢驗(yàn)數(shù)字信號(hào)模型的有效性，驗(yàn)證了使用離散DCT變換分析方法進(jìn)行實(shí)驗(yàn)可行性。</p><p>　　(3)對(duì)異步電動(dòng)機(jī)的正常歷史數(shù)據(jù)進(jìn)行分析，建立相應(yīng)數(shù)

54、字信號(hào)模型，確定數(shù)字信號(hào)模型的相關(guān)參數(shù)，并采用BP神經(jīng)網(wǎng)絡(luò)工具箱進(jìn)行識(shí)別并分類，對(duì)異步電動(dòng)機(jī)的狀態(tài)進(jìn)行監(jiān)測(cè)，實(shí)現(xiàn)異步電動(dòng)機(jī)運(yùn)行時(shí)狀態(tài)數(shù)據(jù)的采集和顯示，從而實(shí)現(xiàn)電機(jī)故障的分析。</p><p>　　1.4.2 論文結(jié)構(gòu)</p><p>　　本論文共分了四個(gè)章節(jié)對(duì)課題研究進(jìn)行了敘述。</p><p>　　第一章為引言部分，主要介紹了課題的背景和意義，故障診斷技術(shù)的概念、

55、意義及其研究現(xiàn)狀，以及主要研究工作和論文結(jié)構(gòu)。</p><p>　　第二章介紹了論文的理論基礎(chǔ)知識(shí)，重點(diǎn)介紹了信號(hào)處理過程監(jiān)控技術(shù)中的離散DCT變換和人工神經(jīng)網(wǎng)絡(luò)的原理和基本知識(shí)，包括其推導(dǎo)過程及性質(zhì)。</p><p>　　第三章為實(shí)驗(yàn)部分，主要介紹了實(shí)驗(yàn)系統(tǒng)平臺(tái)的設(shè)計(jì)與搭建，并在實(shí)驗(yàn)平臺(tái)上應(yīng)用離散DCT變換分析方法對(duì)一臺(tái)三相異步電動(dòng)機(jī)進(jìn)行操作，用離散DCT變換分析方法提取數(shù)據(jù)信息，構(gòu)造了

56、較為準(zhǔn)確的DCT分析模型，并通過大量實(shí)驗(yàn)，給出了各個(gè)實(shí)驗(yàn)圖和數(shù)據(jù)，特征提取分析實(shí)現(xiàn)離散DCT變換分析方法的處理數(shù)據(jù), 并采用BP神經(jīng)網(wǎng)絡(luò)工具箱進(jìn)行識(shí)別并分類，基本實(shí)現(xiàn)了對(duì)異步電動(dòng)機(jī)運(yùn)行狀態(tài)的診斷分析。</p><p>　　第四章為結(jié)論部分，對(duì)本課題進(jìn)行了總結(jié)，對(duì)后續(xù)的研究工作進(jìn)行了展望，并指出了本論文研究的不足之處。</p><p>　　2離散余弦變換及BP神經(jīng)網(wǎng)絡(luò)分析方法的理論基礎(chǔ)<

57、;/p><p>　　2.1離散DCT變換概述[34]</p><p>　　自1974年Ahmed、Natarajan和Rao首次提出離散余弦變換(DCT，Discrete Cosine Transform)以來，DCT已廣泛地應(yīng)用在圖象及數(shù)字信號(hào)處理中，特別是在數(shù)據(jù)壓縮領(lǐng)域，因?yàn)镈CT基向量類似于正交變換中的最佳變換——卡南．洛伊夫變換(KLT)。正交變換重要的應(yīng)用是數(shù)據(jù)壓縮，而其關(guān)鍵是給信號(hào)

58、以有效的表達(dá)方式，即將一組離散信號(hào)(N個(gè)采樣植)由時(shí)域映射到N維變換域，使其能量在變換域中更集中于某一區(qū)域。即，與在時(shí)域相比，該信號(hào)在變換域中的編碼只需用較少的比特?cái)?shù)表示，而不致引起明顯誤差，從而剔除了信息冗余度，壓縮了數(shù)據(jù)量。在均方誤差最小的意義下，獲得數(shù)據(jù)壓縮的最佳變換是卡南．洛伊夫變換(KLT)，它使得信號(hào)在變換域中各值之間互不相關(guān)。但KLT的變換矩陣是由原信號(hào)的協(xié)方差矩陣的本征矢量組成且沒有快速算法，在硬件上難以實(shí)現(xiàn)，所以沒有得

59、到廣泛的應(yīng)用，一般只做理論分析。對(duì)眾多的具有快速算法的正交變換(DFT、WHT、HT、DCT等等)的研究結(jié)果表明，DCT的性能最好，最接近KLT的正交變換，同時(shí)，它所產(chǎn)生的混疊現(xiàn)象較之DFT、WHT等要小得多，是一種高效的變換編碼方式。</p><p>　　所有的DCT都遵循下面的變換模式：</p><p>　　該模式是由Wang觀察得到的。四種不同dct實(shí)例的核函數(shù)分別是由：</p

60、><p>　　dct-i： </p><p>　　dct-iI： </p><p>　　dct-iii： </p><p>　　dct-IV： </p><p>　　定義。其中除了外，。</p>

61、<p><b>　　2.2正交變換特性</b></p><p>　　DCT是正交變換的一種。它是通過正交變換把圖象從空間域轉(zhuǎn)換到能量比較集中的變換域，然后對(duì)變換系數(shù)進(jìn)行量化、編碼，從而達(dá)到壓縮數(shù)據(jù)的目的。</p><p>　　正交變換之所以能夠壓縮數(shù)據(jù)，主要有以下性質(zhì)：</p><p>　　1.交變換具有熵保持性，即通過正交變換后

62、并不丟失信息。</p><p>　　2.變換具有能量保持性，并能把能量重新分配與集中。這就有可能采用熵壓縮法來壓縮系數(shù)，即在質(zhì)量允許的情況下，舍棄一些能量很小的系數(shù)，而對(duì)能量較大的系數(shù)分配較多的比特，對(duì)能量較小的系數(shù)分配較少的比特，從而使數(shù)據(jù)有較大的壓縮。</p><p>　　3.去相關(guān)性，可使高度相關(guān)的空間樣值變?yōu)橄嚓P(guān)性較弱的變換系數(shù)，從而減</p><p>　　

63、少空間樣值之間冗余度。</p><p>　　常見的正交變換有DFT(離散傅立葉變換)、DWHT(離散沃什——哈達(dá)瑪變換)、DCT(離散余弦變換)、ST(斜變換)、K-L(卡南一洛伊夫變換)等。目前，在圖象數(shù)據(jù)的壓縮編碼方案中廣泛采用DCT變換，有以下幾個(gè)原因：一是DCT變換接近最佳K—L變換。因?yàn)镵—L變換能產(chǎn)生非相關(guān)的變換系數(shù)(非相關(guān)變換系數(shù)對(duì)壓縮極為重要)，可以單獨(dú)處理各系數(shù)而不損失壓縮效率，但K—L變換至今

64、沒有快速算法，因此，因此無法用硬件來實(shí)現(xiàn)。二是用DCT而不用DFT的原因在于，DFT要進(jìn)行復(fù)數(shù)運(yùn)算，一次復(fù)數(shù)相當(dāng)于四次實(shí)乘和二次實(shí)加，因而DFT需要的運(yùn)算量很大，難于滿足實(shí)時(shí)圖象處理的要求，而DCT是一種實(shí)數(shù)域的變換，需要的運(yùn)算量比DFT要少很多。</p><p><b>　　2.3 DCT原理</b></p><p>　　正向一維離散余弦變換的定義由下式表示：<

65、;/p><p><b>　?。?-1）</b></p><p>　　其中，當(dāng)u=0時(shí)，，否則。式中是第u個(gè)余弦變換系數(shù)，u是廣義頻域變量，；是時(shí)域N點(diǎn)序列，。</p><p>　　反向一維離散余弦變換的定義由下式表示：</p><p><b>　　（2-2）</b></p><p&g

66、t;　　其中，各變量含義同（1）式。若定義為變換系數(shù)矩陣，為時(shí)域數(shù)據(jù)矩陣，則一維DCT的矩陣定義式可寫成如下形式：</p><p><b>　　；</b></p><p>　　正向二維離散余弦變換的定義由下式表示：</p><p><b>　?。?-3）</b></p><p>　　其中；當(dāng)時(shí)，。是

67、空間域象素的坐標(biāo)，表示空間域二維向量的象素值，是DCT空間的坐標(biāo)，是DCT空間中的變換系數(shù)值。，，式中表示的陣列為NxN。</p><p>　　反向二維離散余弦變換的定義由下式表示：</p><p><b>　?。?-4）</b></p><p>　　式中各變量含義同（3）式，若定義為變換矩陣，為空間數(shù)據(jù)陳列，為變換系數(shù)陣列，則二維DCT的矩陣

68、定義式可寫成如下形式：</p><p><b>　　；</b></p><p><b>　　2.3 DCT算法</b></p><p>　　FDCT和IDCT的二維變換，可以直接將NxN個(gè)數(shù)據(jù)輸入做變換，這種經(jīng)過最優(yōu)化的二維變換算法被稱作直接二維算法。當(dāng)然，也可以通過多重一維變換來實(shí)現(xiàn)二維變換，這是由于二維DCT的可分離屬

69、性，可以先在每一行上進(jìn)行一維變換，然后在每一列上再做一維變換，這種方法需要2N次N點(diǎn)一維DCT來實(shí)現(xiàn)NxN的二維DCT。</p><p>　　方程中的系數(shù)因子和在DCT變換中是固定不變的，許多DCT算法在處理該因子時(shí)選用不同的因子值或者省略該值。是固定不變的，許多DCT算法在處理該因子時(shí)選用不同的因子值或者省略該值。因?yàn)橐话闱闆r下選定的該值是2的冪，可以在后續(xù)的量化中加以處理，所以不會(huì)影響計(jì)算的復(fù)雜度。實(shí)現(xiàn)FDC

70、T和IDCT最直接的方法就是直接計(jì)算完全矩陣向量乘法，用該方法執(zhí)行一維DCT需要次乘法和次加法，二維DCT需要次乘法和次加法。盡管該方法需要最多的操作次數(shù)，但是最大的優(yōu)點(diǎn)是非常規(guī)則，最適合向量處理器或者深度流水線結(jié)構(gòu)，不會(huì)因?yàn)橛?jì)算不規(guī)則導(dǎo)致不能充分利用處理資源。大部分已提出的快速算法復(fù)雜度為（1-D DCT）和（2-D DCT）。</p><p>　　奇偶分解法是DCT中最明顯的可以減少乘法和加法次數(shù)的方法。該算

71、法利</p><p>　　用余弦系數(shù)的對(duì)稱性和反對(duì)稱性。以8點(diǎn)DCT為例進(jìn)行說明：</p><p><b>　　（2-6）</b></p><p>　　式中表示。觀察（6）式會(huì)發(fā)現(xiàn)，第一列和最后一列除了符號(hào)不同外，數(shù)值一樣；第二列和倒數(shù)第二列也是同樣，其它列以此類推。利用矩陣的對(duì)</p><p>　　稱性和反對(duì)稱性將矩陣

72、分為左右兩部分，則(6)式可重新表示如下：</p><p><b>　?。?-7）</b></p><p>　　此種表達(dá)方式只需要計(jì)算32次乘法和32次加法，而前面所述完全矩陣向量乘法需要64次乘法和56次加法來完成變換。對(duì)(7)式的余弦系數(shù)矩陣的左上角1／4做分解處理，則可以進(jìn)一步減少乘法的次數(shù)。以8點(diǎn)DCT為例，變換為(8)式只需要22次乘法和28次加法。<

73、/p><p>　　利用(7)式計(jì)算DCT被稱作一級(jí)奇偶分解算法，利用(8)式被稱作全級(jí)奇偶分解，或者簡(jiǎn)單的稱做奇偶分解算法。在(8)式中，22次乘法里有2次涉及到比例因子，如果將整個(gè)余弦矩陣乘以，就可以在改變其他因子</p><p><b>　　（2-8）</b></p><p>　　的同時(shí)，消除這兩次乘法。這種方法尤其適合二維DCT的行列法。因?yàn)?/p>

74、在兩次1-D變換中都乘以，對(duì)結(jié)果的影響相當(dāng)于乘以2，可以在最后結(jié)束時(shí)，對(duì)結(jié)果進(jìn)行右移一位校正，通常并不消耗額外的時(shí)間或者硬件資源。這種方法稱作比例奇偶分解算法。</p><p>　　與完全矩陣向量乘法相比，一級(jí)奇偶分解算法需要較少的運(yùn)算，但是不規(guī)則，而全級(jí)奇偶分解算法和比例分解算法需要的運(yùn)算更少，也更不規(guī)則。與現(xiàn)有的其它一些快速算法相比，比例奇偶分解算法不是最快的，但是它的優(yōu)點(diǎn)在于所有的乘法都可以并行執(zhí)行，適于并

75、行或流水線操作，以縮短等待時(shí)間。</p><p>　　2.4 RBF神經(jīng)網(wǎng)絡(luò)</p><p>　　徑向基函數(shù)(radial basis脅ction，RBF)神經(jīng)網(wǎng)絡(luò)又稱為局部感知場(chǎng)網(wǎng)絡(luò)，是一種三層前饋網(wǎng)絡(luò)，一般由3個(gè)部分組成：輸入層、隱含層和輸出層。結(jié)構(gòu)如圖2-1：</p><p>　　圖2-1RBF神經(jīng)網(wǎng)絡(luò)</p><p>　　RBF神經(jīng)網(wǎng)

76、絡(luò)工作的基本思想是：RBF神經(jīng)網(wǎng)絡(luò)的隱含層基函數(shù)采用的是徑向基函數(shù)，它是一種局部分布的關(guān)于中心點(diǎn)對(duì)稱的非線性函數(shù)，這樣一旦RBF的中心確定以后，就可以將輸入向量直接映射到隱含層空間，即輸入層和隱含層之間不需要連接權(quán)值。隱含層到輸出層的映射是線性的，即網(wǎng)絡(luò)的輸出是隱含層單元輸出的線性加權(quán)和，此處的權(quán)值是網(wǎng)絡(luò)的可調(diào)參數(shù)。</p><p>　　3基于DCT分析的故障診斷實(shí)驗(yàn)與分析</p><p>

77、;　　3.1實(shí)驗(yàn)問題與數(shù)據(jù)描述</p><p>　　本文研究感應(yīng)電機(jī)的3類故障模式：正常運(yùn)轉(zhuǎn)、軸承故障、軸承、轉(zhuǎn)子故障。實(shí)驗(yàn)系統(tǒng)如圖3-1所示。</p><p>　　圖3-1 傳感器布置與測(cè)試系統(tǒng)</p><p>　　這里取X方向的振動(dòng)信號(hào)作為故障分析的研究對(duì)象，有數(shù)據(jù)分析得，每類故障100個(gè)樣本，每個(gè)樣本2048個(gè)采樣點(diǎn)，采樣頻率是10KHz。每類取前70個(gè)位訓(xùn)練

78、樣本，后30個(gè)作為測(cè)試樣本。以下個(gè)圖為9個(gè)方向的振動(dòng)信號(hào)以及所對(duì)應(yīng)的特征向量。</p><p>　　（A）正常運(yùn)轉(zhuǎn)——X軸方向振動(dòng)信號(hào)</p><p>　?。˙）正常運(yùn)轉(zhuǎn)——Y軸方向振動(dòng)信號(hào)</p><p>　　（C）正常運(yùn)轉(zhuǎn)——Z軸方向振動(dòng)信號(hào)</p><p>　　圖3-2正常運(yùn)轉(zhuǎn)的振動(dòng)數(shù)據(jù)</p><p>　?。ˋ

79、）軸承故障——X軸方向振動(dòng)信號(hào)</p><p>　　（B）軸承故障——Y軸方向振動(dòng)信號(hào)</p><p>　?。–）軸承故障——Z軸方向振動(dòng)信號(hào)</p><p>　　（A）軸承、轉(zhuǎn)子故障——X軸方向振動(dòng)信號(hào)</p><p>　　（B）軸承、轉(zhuǎn)子故障——Y軸方向振動(dòng)信號(hào)</p><p>　　（C）軸承、轉(zhuǎn)子故障——Z軸方向

80、振動(dòng)信號(hào)</p><p>　　3.2 特征提取與分析診斷</p><p>　　分別取三類故障模式的樣本100個(gè)（一個(gè)列向量作為一個(gè)樣本），即構(gòu)成一個(gè)2048·100的一個(gè)大矩陣，并按下列步驟計(jì)算求出特征樣本：</p><p>　　電機(jī)轉(zhuǎn)子三個(gè)方向的振動(dòng)向量x，y，z互為正交，各對(duì)應(yīng)通道4,5,3。</p><p>　　（1）現(xiàn)取通道

81、4的信號(hào)賦給signal_n由于信號(hào)太長(zhǎng)，取2048個(gè)采樣點(diǎn)為一個(gè)樣本，將一列信號(hào)轉(zhuǎn)換為2048行173列的矩陣，然后對(duì)此矩陣的每一列即每個(gè)樣本作余弦變換即得出了特征向量。</p><p>　　（2）取特征矩陣的前100列作為樣本矩陣，對(duì)每個(gè)樣本進(jìn)行分段，以128個(gè)采樣點(diǎn)為一段，共分為16段，并對(duì)每個(gè)列向量進(jìn)行取正并求和。</p><p>　?。?）由于求和后的系數(shù)過大，程序無法運(yùn)算，故需

82、找到每列最大值，每列數(shù)除以每列最大值即為可運(yùn)行的系數(shù)。</p><p>　　（4）將每個(gè)向量矩陣的前70列作為神經(jīng)網(wǎng)絡(luò)的訓(xùn)練樣本，后30列作為測(cè)試樣本，假設(shè)目標(biāo)向量正常時(shí)輸出01，軸承故障為10，軸承、轉(zhuǎn)子故障為11以方便識(shí)別。</p><p><b>　　3.2.1</b></p><p><b>　　3.2.2 </b>

83、;</p><p><b>　　……</b></p><p><b>　　3.3實(shí)驗(yàn)結(jié)果</b></p><p>　　按照上述診斷方法，實(shí)驗(yàn)結(jié)果表明：正確診斷率為 。實(shí)驗(yàn)證明基于DCT，神經(jīng)網(wǎng)絡(luò)分析方法的上述三類故障模式診斷是可行的，也是合理的。</p><p><b>　　4 結(jié)論

84、</b></p><p><b>　　4.1全文總結(jié)</b></p><p>　　電機(jī)作為驅(qū)動(dòng)裝置在人們的日常生活和工農(nóng)業(yè)生產(chǎn)中占據(jù)了重要的地位，一旦發(fā)生故障，將給人們?cè)斐刹豢晒懒康膿p失。因此，對(duì)電機(jī)進(jìn)行故障診斷尤為重要。20世紀(jì)60年代，故障診斷技術(shù)作為一門學(xué)科逐漸發(fā)展起來。早期人們依據(jù)對(duì)設(shè)備的觸摸。對(duì)聲音、振動(dòng)等狀態(tài)特征的感受，憑借工匠的經(jīng)驗(yàn)，可以判斷

85、某些故障的存在，并提出修復(fù)措施。后來，人們又通過測(cè)量電機(jī)的電流、電壓、振動(dòng)、溫度等參數(shù)來判斷電機(jī)是否處于故障狀態(tài)。離散余弦變換在處理數(shù)據(jù)時(shí)可對(duì)其降維壓縮的作用，使得基于DCT變換的故障檢測(cè)方法在電機(jī)故障診斷中得到了較好的應(yīng)用。</p><p>　　本文的主要工作如下：</p><p>　　第一，在閱讀了大量文獻(xiàn)的基礎(chǔ)上，詳細(xì)介紹了電機(jī)故障診斷的研究目的、意義、研究現(xiàn)狀以及存在問題；介紹了電

86、機(jī)的故障類型；重點(diǎn)介紹了給出了離散余弦變換的原理和算法，并從故障檢測(cè)應(yīng)用的角度給出了特征向量的提取和神經(jīng)網(wǎng)絡(luò)的識(shí)別，為數(shù)字信號(hào)分析狀態(tài)監(jiān)測(cè)方法的應(yīng)用提供了理論基礎(chǔ)。</p><p>　　第二，實(shí)驗(yàn)數(shù)據(jù)的處理，通過大量實(shí)驗(yàn)，給出了各個(gè)實(shí)驗(yàn)的振動(dòng)信號(hào)圖、特征向量圖和數(shù)據(jù)，應(yīng)用MATLAB對(duì)電機(jī)故障的振動(dòng)信號(hào)進(jìn)行了仿真，用特征提取和神經(jīng)網(wǎng)絡(luò)識(shí)別分析實(shí)現(xiàn)分析方法的處理數(shù)據(jù),基本實(shí)現(xiàn)了對(duì)異步電動(dòng)機(jī)運(yùn)行狀態(tài)的診斷分析。<

87、;/p><p><b>　　4.2研究展望</b></p><p>　　使用離散余弦變換分析方法進(jìn)行電機(jī)故障診斷分析中有一定的可行性，但和實(shí)際應(yīng)用還有一定差距，有待于進(jìn)一步的研究，主要有：</p><p>　　（1）繼續(xù)研究故障特征提取方法，只有快速的提取可靠、正確的故障特征，才能準(zhǔn)確判斷故障類型。</p><p>　?。?

88、）文中均在空載狀態(tài)下采集的 故障信號(hào)，下一步應(yīng)考慮電機(jī)帶半伏在滿負(fù)載時(shí)的情況。對(duì)采集的數(shù)據(jù)處理時(shí)，可采用DCT變換與其他智能技術(shù)相結(jié)合，例如與模糊邏輯的結(jié)合等。</p><p>　　由于本人自身水平有限，文中不妥與錯(cuò)誤之處在所難免，懇請(qǐng)各位專家、老師和同學(xué)批評(píng)指正。</p><p><b>　　參考文獻(xiàn)</b></p><p>　　[1]沈標(biāo)正

89、，電機(jī)故障診斷技術(shù)[M]．北京：機(jī)械工業(yè)出版社，1996年</p><p>　　[2]姜建國(guó)等．故障診斷學(xué)及其在電工中的應(yīng)用[M]．北京：科學(xué)出版社，1995</p><p>　　[3]P．J．達(dá)夫勒，J．彭曼[英]著．姜建國(guó)，史家燕譯．電機(jī)的狀態(tài)監(jiān)測(cè)[M]．北京：水利電力出版社,1992</p><p>　　[4]李偉清．發(fā)電機(jī)故障檢查分析與預(yù)防[M]．北京：中國(guó)

90、電力出版社．1996．</p><p>　　[5]李偉消，王緇禹．發(fā)電機(jī)故障檢查分析及預(yù)防[M]．北京：中國(guó)電力出版社，1996</p><p>　　[6]呂鋒，王秀青．電機(jī)設(shè)備故障診斷技術(shù)的新進(jìn)展[J]．上海海運(yùn)學(xué)院學(xué)報(bào)，2001,20(3)：1-4</p><p>　　[7]惆東華，席裕庚，張鐘俊．故障檢測(cè)與診斷技術(shù)[J]．控制理論與應(yīng)用，1991，8(1)：1

91、．10</p><p>　　[8]袁小宏，屈梁生．故障診斷中多傳感器信息冗余性的研究[J]．振動(dòng)、測(cè)試與診斷,2003，23(1)：58-61</p><p>　　[9]陳慶祥．球磨機(jī)電機(jī)籠故障原因分析與處理[M]．大電機(jī)技術(shù)，1997．1</p><p>　　[10]蹇國(guó).電機(jī)故障的診斷方法[J].工程機(jī)械與維修.2008,8：168-169</p>

92、<p>　　[11]周粉利.基于HHT變換的電機(jī)故障診斷研究[D].武漢科技大學(xué).2009,5:8-20</p><p>　　[12]Mohamed EI Hacherni Benbouzid．A review of induction motors signature analysis asa medium for fault detection[J]．IEEE Transactions on In

93、dustrial Electronics，2000，47(5)：984-993</p><p>　　[13]PJ．Tavner，B．G Gaydon，D．M．Ward．Monitoring generators and large motors[J]．Electric Power Applications，IEE Proceedings BVolume 133，Issue 3，May 1986 Page(s)：1

94、69—180</p><p>　　[14]J．Penman，W．E．Bryan．Condition monitoring of electrical drives[J]．Electric Power Applications，IEE Proceedings BVolume 133，Issue 3，May 1986 Page(s)：142—148</p><p>　　[15]P J Tavn

95、er and J Pennman．Condition Monitoring of Electrical Machines[M]，1987,John Wiley,New Y．ork．</p><p>　　[16]T G Habefler,R G Harley,and R M Tallam etc．Complete Current—Based Induction Motor Condition Monitoring：

96、Stator,Rotor,Bearing,and Load[J]，IEEE CIEP,2002，VIII，3-8．</p><p>　　[17]T Lindh，J Ahola,and J K Kamarainen etc．Bearing Damage Detection Based On Statistical D-iscrimination of Stator Current[J]，SDEMPED,2003，2

97、4-26，177·181．</p><p>　　[18]梁霖．基于電流法的鼠籠異步電機(jī)故障特征提取及自動(dòng)診斷[D]．西安交通大學(xué)碩士論</p><p><b>　　文，2001年．</b></p><p>　　[19]蔡正國(guó)．神經(jīng)網(wǎng)絡(luò)用于轉(zhuǎn)子在線振動(dòng)監(jiān)測(cè)中的譜型預(yù)報(bào)[J]．西安交通大學(xué)學(xué)報(bào)．1994．12，28(9)：2-6．<

98、/p><p>　　[20]S Frnchtenecht,E Pittius,and H Seinsch．A Diagnostic System for Three·Phase Asynchronous Machines[J]．Proc．Institute of Electrical Engineering Conf．l989，13—15，163·171．</p><p>　

99、　[21] 董建園，段志善，熊萬里．異步電機(jī)定子繞組故障分析及其診斷方法[J]．中國(guó)電機(jī)工程學(xué)報(bào)，1999，V01．19，No．3，26--30．</p><p>　　[22]J Penman，H G Sedding and B A Lloyd etc．Detection and Location of Inter-Turn Short Cir-cuits in the Stator Windings of Op

100、erating Motors[J]．IEEE Trans．Energy Conversion，1994，V01．9，No．4，652·658．</p><p>　　[23]G CStone，H G Sedding and M J Costello．Application of Partial Discharge Testing to Motor and Generator Stator Winding

101、Maintenance[J]．IEEE Trans．Ind．Applicat,1996，V01．32，No．2，459—464．</p><p>　　[24]馬宏忠．大型交流電機(jī)故障分析和診斷系統(tǒng)的研究[D]．[博士學(xué)位論文]．南京：東南大學(xué)．2002</p><p>　　[25]A．Yazidi，H．Henao，G．A Capolino，“Improvement of Frequency

102、 Resolution for</p><p>　　three·phase induction Machine Fault Diagnosis”[M]．2005 IEEE</p><p>　　[26]徐倆倆．基于神經(jīng)網(wǎng)絡(luò)的感應(yīng)電機(jī)故障診斷研究[D].揚(yáng)州大學(xué).2009,5:9-27</p><p>　　[27]張雨，徐小林，張建華等．設(shè)各狀態(tài)檢測(cè)與故障診斷

103、的理論和實(shí)踐[M]．長(zhǎng)沙：國(guó)防科</p><p>　　技大學(xué)出版杜，2000．4．30 </p><p>　　[28]張賢達(dá)，保錚．非平穩(wěn)信號(hào)分析與處理[M]．北京：國(guó)防工業(yè)出舨社，1998．12．30 </p><p>　　[29]楊叔子，王俊蜂，何嶺松．基于因特網(wǎng)的設(shè)備故障遠(yuǎn)程協(xié)作診斷技術(shù)[J]．中國(guó)機(jī)械工</p><p>　　程，199

104、9．10 </p><p>　　[30]楊叔子，王俊蜂，何嶺松．基于因特網(wǎng)的設(shè)備故障遠(yuǎn)程協(xié)作診斷技術(shù)[J]．中國(guó)機(jī)械工程，1999．10</p><p>　　[31]馬宏忠大型交流電機(jī)故障分析與診斷系統(tǒng)的研究[D]：[博士學(xué)位論文]．南京：東南</p><p><b>　　大學(xué)，2001 </b></p><p>　　[

105、32] 黃允凱．電機(jī)故障診斷中信號(hào)處理方法的研究[D]：[碩士學(xué)位論文]．南京：東南大</p><p><b>　　學(xué)．2001</b></p><p>　　[33]黎文鋒，鄧?yán)^忠，沈雷．神經(jīng)網(wǎng)絡(luò)在電機(jī)故障診斷中的應(yīng)用綜述[J]．電氣應(yīng)</p><p>　　用，2006，25(3)：45．47</p><p>　　[34