基于小波分析和神经网络的电机故障诊断方法研究

• 作者: 刘冬生 岳有军 王红君
• 来源期刊: 电气传动
• 学科: 工学
• 关键词: 故障诊断 小波分析 神经网络 振动信号
• 年，卷（期）: 2010,（3）
• 所属期刊栏目: 控制
• 页码范围: 69-73
• 页数: 5页
• 分类号: TP277
• 字数: 4362字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-2095.2010.03.017

摘要

在电机故障诊断技术中,电机振动信号最能全面反映电机的运行状态.由于电机振动信号属于非平稳随机信号,传统的傅里叶变换从频域角度进行信号分析,只能说明信号中某频率成分幅值的大小和频率密度,不能检测奇异信号点的时域信息,而且还可能将含有丰富故障信息的微弱信号作为噪声滤去.因此,不能完全满足故障信号特征提取的要求.为解决这一问题,提出一种基于小波分析和神经网络的电机故障诊断方法,该方法采用小波时频分析技术对电机故障振动信号进行消噪滤波,通过小波包分解系数求取频带能量,根据各个频带能量的变化提取故障特征,应用BP神经网络进行故障识别,并采用Matlab仿真软件予以实现.结果表明,该方法不需要建立电机的故障诊断模型,能有效提高电机故障诊断的准确性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	岳有军	天津理工大学天津市复杂系统控制理论及应用重点实验室	99	546	12.0	19.0
2	王红君	天津理工大学天津市复杂系统控制理论及应用重点实验室	89	630	11.0	22.0
3	刘冬生	天津理工大学天津市复杂系统控制理论及应用重点实验室	3	66	2.0	3.0