文献类型：期刊文章

作　　者：王红君[1] 刘冬生[1] 岳有军[1]

机构地区：[1]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天津300191

出　　处：《电气传动》

基　　金：国家高技术研究发展计划(863计划)项目(2007AA041401);天津市自然科学基金重点项目(08JCZDJC18600,09JCZDJC23900);天津市高等学校科技发展基金项目(2006ZD32)

年　　份：2010

卷　　号：40

期　　号：3

起止页码：69-73

语　　种：中文

收录情况：BDHX、BDHX2008、CSA、JST、ZGKJHX、核心刊

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。

关 键 词：故障诊断 小波分析 神经网络 振动信号

分 类 号：TP277]