基于小波包變換和Elman人工神經(jīng)網(wǎng)絡的電機故障診斷系統(tǒng)的研究.pdf_第1頁
已閱讀1頁,還剩48頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

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

2、與監(jiān)測以及對電機工作故障的分析,設計了一種基于小波包變換與Elman人工神經(jīng)網(wǎng)絡的電機故障診斷系統(tǒng),通過小波包變換對采集數(shù)據(jù)進行信號處理與特征值提取,并利用神經(jīng)網(wǎng)絡的模式識別能力對電機的工作狀況進行判定。
   本文研究分析了電機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)絡進行訓練,作為樣本信號;另一組用于對訓練好的神經(jīng)

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

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

最新文檔

評論

0/150

提交評論