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

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