基于小波包變換和Elman人工神經(jīng)網(wǎng)絡(luò)的電機(jī)故障診斷系統(tǒng)的研究.pdf

1、隨著現(xiàn)代工業(yè)的飛速發(fā)展，尤其是流水線技術(shù)在工業(yè)生產(chǎn)中被廣泛應(yīng)用之后，電機(jī)已經(jīng)成為了現(xiàn)代工業(yè)技術(shù)發(fā)展的重要基礎(chǔ)。而對于現(xiàn)代電機(jī)的設(shè)計不僅僅是如何提高其驅(qū)動能力的問題，同時其工作的安全性、穩(wěn)定性和可靠性也成為電機(jī)運(yùn)行過程中不可忽視的重要層面。因此如何對電機(jī)的工作狀況尤其是工作過程中發(fā)生的故障進(jìn)行有效的模式識別將對工業(yè)生產(chǎn)過程穩(wěn)定有序的進(jìn)行造成重要影響。
　　 本文在總結(jié)了傳統(tǒng)的電機(jī)故障診斷方法的基礎(chǔ)上，通過對電機(jī)工作中振動信號的采集

2、與監(jiān)測以及對電機(jī)工作故障的分析，設(shè)計了一種基于小波包變換與Elman人工神經(jīng)網(wǎng)絡(luò)的電機(jī)故障診斷系統(tǒng)，通過小波包變換對采集數(shù)據(jù)進(jìn)行信號處理與特征值提取，并利用神經(jīng)網(wǎng)絡(luò)的模式識別能力對電機(jī)的工作狀況進(jìn)行判定。
　　 本文研究分析了電機(jī)在工作過程中常見的工作狀況，并針對外殼破裂、基座松脫、轉(zhuǎn)子不對中等三種常見工作故障模式以及正常工作狀況通過傳感器采集兩組不同的振動信號。一組用于對神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，作為樣本信號；另一組用于對訓(xùn)練好的神經(jīng)

3、網(wǎng)絡(luò)進(jìn)行性能測試，作為測試信號。對于用于訓(xùn)練學(xué)習(xí)的振動信號用小波包變換的方法對信號進(jìn)行特征值提取得到信號的特征向量，并對神經(jīng)網(wǎng)絡(luò)系統(tǒng)進(jìn)行訓(xùn)練。對測試信號進(jìn)行同樣的特征向量提取，并通過訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)對電機(jī)的工作狀況進(jìn)行診斷。
　　 本文對上述所設(shè)計的診斷系統(tǒng)在Matlab平臺上進(jìn)行了系統(tǒng)仿真，驗證了算法的有效性和準(zhǔn)確性。測試結(jié)果符合實(shí)際測試信號對應(yīng)的不同狀態(tài)，結(jié)果證明了本文中所設(shè)計的基于小波包變換和Elman人工神經(jīng)網(wǎng)絡(luò)電機(jī)故障