基于小波神经网络的电动机转子故障诊断

• 作者: 荣明星
• 来源期刊: 机械制造与自动化
• 学科: 工学
• 关键词: 故障诊断 小波变换 神经网络 电动机 振动信号
• 年，卷（期）: 2013,（2）
• 所属期刊栏目: 电气技术与自动化
• 页码范围: 191-194
• 页数: 4页
• 分类号: TP316.8
• 字数: 3368字
• 语种: 中文

摘要

在电动机故障诊断技术中,基于振动和定子电流频率成分的检测是电动机故障检测的两种主要手段.讨论了基于振动故障信号的检测方法.由于电动机振动信号是非平稳随机信号,故障信号中往往含有大量的时变、短时突发性质的成分,传统的傅里叶信号分析不能有效地提取电动机的故障特征,而且还可能将含有丰富故障信息的微弱信号作为噪声去除.因此,引入比小波分析更强的小波包变换技术来提取信号的故障特征信息,得到的结果作为神经网络的输入信号,用神经网络的L-M优化算法来进行训练,然后用BP神经网络来进行故障识别.采用Matlab软件进行仿真,证实该方法对电动机故障诊断的有效性和准确性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	荣明星	黑龙江科技学院电气与信息工程学院	2	12	2.0	2.0