论文部分内容阅读
随着现代科学技术的进步和社会经济的不断发展,电机在生产中和日常生活中发挥着越来越重要的作用。电机产生故障时不仅会损坏电机本身,而且会影响整个系统或者家用电器的正常工作,甚至危及人身安全,造成巨大的经济损失。通过对常见故障的诊断和分析,可以及早发现故障和预防故障的进一步恶化,减少突发事故造成的停产损失,并为实现状态检修创造条件。 电机的故障诊断和维护与电机本身一样由来已久,电机设备在运行过程中,不仅会产生振动,还会发出强烈的噪声,机械设备的噪声信号中蕴涵着丰富的设备状态信息,所以噪声信号同样能够应用于机械设备的故障诊断。如果机械的声音突然发生了变化,就往往说明机械有了故障,需要进行修理。随着近年对噪声的要求日益严格,电机的噪声成为影响电机寿命和市场效益的重要因素。 本文详细的研究了盲源分离技术和小波变换在电机声频故障诊断中的研究应用。由于电机发生故障时,往往是多种故障同时发生,这时采集到的声音信号包含了多种故障的信号特征,如何将这多种信号混合在一起的信号,最大可能独立分离开,是正确诊断出故障的前提条件。本文采用了较为成熟的盲源信号分离理论,采用一种已知的盲源分离算法,对采集到的信号进行了分离,取得不错的效果。由于电机发生故障时,故障信号中往往含有大量的时变、短时冲击、突发性质的成分,传统的信号分析方法,如Fourier变换,不能有效地提取出电机的故障特征。而小波变换作为一种时频分析方法,它在时频域都具有表征信号局部特征的能力,能通过时频窗的灵活变换来突出信号的不同频率成分。 本文的对电机进行故障诊断的步骤是:一,利用盲源分离理论将采集到的信号,按照一种已知的分离算法进行分离;二,再将分离出的单个信号利用小波进行分析,按照信号在不同的能量层的分布作为判断的一个依据;三,利用数理统计理论的参数区间估计方法,能够较好判断出电机故障种类和位置。这种方法容易实现,为在线及时故障诊断创造了条件。