小波降噪及Hilbert变换在电机轴承故障诊断中的应用

针对振动信号降噪处理及故障特征提取是机械故障诊断的重点问题,为了有效消除高频信号的影响,并充分提取出电机轴承的低频故障特征。提出利用小波降噪及Hilbert变换的方法对采集的电机轴承振动数据进行处理并提取其故障特征信息。首先,运用小波降噪对采集到的振动数据进行降噪处理,抑制噪声干扰,然后对其进行Hilbert变换解调出故障特征频率。通过对现场测取的轴承振动数据进行信号处理可以达到理想的诊断效果,由此得知,该方法能通过电机轴承振动信号进行故障特征信息处理,有效地进行轴承故障分析及诊断。     

基于振动监测的电机轴承故障智能诊断

电机轴承故障是电机常见故障之一。对电机轴承故障进行精确诊断是确保电机安全稳定运行的必要措施。现提出了一种基于振动监测的电机轴承故障智能诊断方法。利用振动加速度传感器监测电机轴承振动,采集电机振动加速度数据,然后对电机振动加速度数据进行时域分析和频域分析,提取与电机轴承故障相关的时域特征参数和频域特征参数,再依据电机故障故障特征参数判断电机是否存在轴承故障。实际应用表明,电机轴承故障智能诊断方法可对电机轴承故障进行精确诊断。     

基于数据综合采集系统的电机故障诊断实验平台设计与实现

针对电机故障诊断科研和教学的需要,设计了异步电机故障诊断实验平台。为了综合模仿电机的不同故障,实验平台设立了多组不同故障的电机,通过基于USB2080型数据采集卡的数据综合采集系统,对电机的故障信息进行采集,利用计算机的分析功能,对电机的故障进行诊断。克服了传统的基于单一数据分析电机故障的缺点,实验结果表明该实验平台具有良好的效果。     

可穿戴定位系统阵列惯性器件故障检测方法

通过阵列惯性器件构成的可穿戴自主定位系统，可显著提高人员的定位精度，但是可穿戴自主定位系统中的阵列式惯性器件在工作过程中难以避免出现故障。针对应急救援人员穿戴的自主定位系统中阵列加速度计的噪声增大现象，提出了一种基于卷积神经网络的阵列加速度计故障检测方法，使用广义似然比检验对比得到阵列陀螺仪对照数据，再通过CNN计算加速度计数据与陀螺仪对照数据的映射结果，实现了对阵列加速度计噪声增大故障的快速检测。通过十二IMU阵列数据融合和故障检测试验结果表明，该检测方法能够快速有效检测地出阵列惯性器件中的加速度计噪声增大典型故障，故障检测率≥98%，效果明显。     

小波阈值算法与包络谱分析结合的电机故障诊断方法

针对采集的电机故障信号中噪声干扰的问题,提出一种基于贝叶斯估计的小波收缩新阈值与包络谱分析结合的电机故障诊断方法。新阈值的选取考虑了故障信号经小波变换后在不同尺度上的去噪特性,更符合噪声在各层中的分布情况;改进阈值函数对故障信号进行降噪处理,并基于包络谱分析处理故障信号,可提取电机故障信号的特征信息。通过对仿真信号分析与实例分析,结果表明该方法能够有效地降低噪声干扰并识别出电机故障类型。     

基于时序特征模式识别的牵引电机过流实时诊断

针对牵引传动系统电机过流的实时诊断与精确故障溯源问题,提出了一种基于故障时序特征模式识别的实时诊断方法。首先对导致牵引电机过流的常见故障源进行分析,接着通过总结与工况强关联的事件时序变化规律,离线设计出电机过流故障时序特征模式诊断规则库,然后在线实时采集相关的传感器信号以及系统工况信息,计算相关特征量和事件标志,并与离线设计好的工况事件时序特征模式诊断规则库中各模式及诊断规则进行实时匹配,从而实现牵引电机过流故障的实时诊断与精确溯源。最后,基于现场故障案例数据进行测试,验证了所提方法的有效性。     

基于小波与参数区间估计法的电机故障诊断

为利用电机噪声信号对电机进行出厂故障诊断,采用小波分析技术对小功率异步电动机噪声信号进行多分辨率分析。从能量分布出发,结合概率论参数区间估计法获得不同故障各频段能量区间,对电机进行故障诊断。实验证明,不同故障的各频段能量区间不同,根据能量分布区间可以有效地诊断电机故障类型。     

基于小波能量谱分析的电机故障诊断

电机是一种复杂的旋转机械,故障种类多而且难以辨别,利用傅里叶变换对噪声信号分析很难得出满意的结果。为了对小功率异步电机的常见故障进行正确快速地声频诊断,采用小波分析技术对小功率异步电机的几种常见故障噪声进行了多分辨率分析,从能量分布的角度出发,快速且较为准确地诊断出电机故障,诊断效果明显好于傅里叶分析。表明小波分析是对电机故障进行声频诊断的有效方法,同时也提供了一种思路,为电机故障在线实时诊断提供了理论依据。     

基于一维RepVGG协同领域自适应的电机滚动轴承故障诊断

在使用传统机器学习类方法对电机滚动轴承故障进行诊断时,电机运行工况的变化以及采集信号时的噪声干扰,会出现源域训练集和目标域测试集分布不一致的问题。提出了基于一维RepVGG协同领域自适应的故障诊断方法。RepVGG具有精度高和速度快的特点,使用一维RepVGG实现对电机滚动轴承信号的特征提取;基于提取的特征,在网络顶层结构中使用集成优化目标函数来实现域自适应,并完成轴承故障诊断。基于凯斯西储大学轴承数据集,对该方法进行了实验验证。实验结果表明,在电机变工况运行时,改进方法为诊断性能优于现有其他诊断方法。     

基于信息融合技术的电机故障诊断

为了从多方面反映电机系统状态,实现对电机故障模式的自动识别和准确诊断,将数据融合技术与神经网络相结合,建立电机故障诊断系统。首先在数据融合级上对故障特征量进行分类处理,然后采用多层神经网络进行故障特征级融合和电机故障的局部诊断,获得彼此独立的证据,再运用DS(DempserShafer)证据理论融合算法对各证据进行融合,最终实现对电机故障的准确诊断。诊断测试试验证明,该诊断系统提高了电机故障诊断的精度,能够满足诊断的实时性要求。     

基于ZigBee的电机故障诊断系统设计

针对目前集群现场电机故障诊断采用有线传感网络的诸多局限性,提出了一种利用ZigBee无线传感网络构建电机故障诊断系统的设计方案.设计了无线模块的硬件系统和软件系统以及上位机诊断界面,以ZigBee组建的无线传感网络实现电机的电压、电流和温度数据的采集,结合基于数学模型的电机故障诊断算法进行电机故障诊断.结果表明,该系统能准确地采集电机工作电压、电流和温度数据,并可以诊断电机的工作状态以及能对故障电机实施紧急停机操作,为工程应用提供了重要的依据.     

基于改进贝叶斯网络的电机轴承故障诊断

针对电机轴承振动信号受噪声干扰影响特征提取和传统贝叶斯网络故障诊断准确率低的问题,提出一种基于改进贝叶斯网络的电机轴承故障诊断方法。采用自适应噪声集合模态分解的方法对数据进行降噪处理,增加了模型的鲁棒性;采用差分进化和模拟退火算法对蝗虫算法进行优化,增强蝗虫算法的全局和局部搜索能力;将优化后的蝗虫算法应用于贝叶斯网络结构学习构建轴承故障诊断模型;通过实验对比证明,该方法对轴承的多故障分类具有更强的学习能力和更高的准确率,实验对部分样本的故障诊断率达到97.15%,平均准确率达到98.73%。     

基于无模型自适应控制方法的直流电机调速系统

设计了一种应用数据采集卡的无模型学习自适应直流调速系统,将基于全格式线性化的单人单出非线性离散时间系统的无模型自适应控制方法应用在直流电机速度控制中,控制器的设计是无模型的,弥补了经典自适应控制阶数高时在线计算量过大而不能适应于系统快速变化过程的不足.系统包括控制部分和实时仿真部分,实现了转速采集、电机控制、参数修改及轨迹绘制的实时过程.采用Visual Basic(VB)编写的控制软件,通过动态链接库调用的方式控制数据采集卡.实验结果展示了该方法的稳定性和抑止外部干扰的有效性和鲁棒性.     

一种基于CGAN-CNN的同步电机转子绕组匝间短路故障诊断方法

由于同步电机故障样本数量较少,为解决同步电机故障诊断中普遍存在的样本不平衡问题,提出了一种基于条件生成式对抗网络(CGAN)和卷积神经网络(CNN)的同步电机转子绕组匝间短路故障诊断方法.首先,对传感器收集到的数据进行预处理,对正常样本和故障样本分别添加标签后输入CGAN中生成大量新样本,将生成的新样本与原始样本混合并划分训练集和测试集;然后,利用CNN训练平衡后的数据集,充分、精准地提取有效故障特征;最后,在输出端利用Softmax分类器输出故障分类结果.通过实验证明,与非平衡数据集相比,利用平衡数据集后的故障识别准确率十分稳定且达到99.5％以上,同时与平衡的原始样本数据相比,生成样本避免了噪声和其他干扰,故障诊断的准确率也更高.     

基于小波分析和神经网络的电机故障诊断方法研究

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.     

阵列式表面肌电信号采集仪

采用阵列式电极,通过空间滤波方法可提高表面肌电信号的MUAP分辨能力。本文实现的阵列式表面肌电信号采集仪由表面肌电电极阵列、信号调理电路和数据采集部分构成。表面肌电电极阵列实现了镀金圆盘式和弹簧探针式两种类型,信号调理电路对电极上的肌电信号进行放大和滤波,数据采集部分将调理后的信号转换成数据并进行显示和存储。电极阵列和前级信号调理电路集成在一起,有效的降低了微弱信号通过导线传输所引入的干扰。通过实验,验证了这种阵列式表面肌电采集仪在研究肌肉中动作电位传播和利用空间滤波提高MUAP分辨力的可行性,并证实了镀金圆盘式电极在降低噪声方面、弹簧探针式电极在缩短MUAP时长方面的优势。     

基于多场耦合的断条状态下感应电机电磁振动噪声规律研究

对于电机的电磁振动噪声问题,仅通过电磁计算激励源特性分析较难预测电机实际的振动噪声情况。本文基于电磁场、结构场及声场的多场耦合分析方法,以YE2-90L-4感应电机为例,结合电机结构与实际安装方式,对断条状态下的电机电磁激振力、结构振动响应以及电机周围声场声压分布进行多场联合仿真,从而计算出断条故障对于电机振动噪声的影响。最后通过进行故障试验,发现断条故障所导致的电机电磁振动噪声规律与仿真结果较吻合,该方法在电机设计初期便能对实际运行的振动噪音进行准确评估。     

一种基于PCI总线的暂态电量采集系统的研制

在电力系统故障中,对故障信号进行快速采集是进行判断和操要求能对信号进行高速的数据采集,且对采集来的数据进行实时处理.目前一般国内相关产品的采样率＜30 MHz,且大多数还不能对数据进行实时处理.设计了一种高速暂态电量采集系统,利用闪烁AD进行模数转换,高速大容量SDRAM缓存数据,FPGA实时控制和处理,PCI总线实现嵌入式系统与工控机的高速数据传输的高速数据采集系统.实验表明,PCI的实时高速采集系统可以实现高达100 MHz的采样速度,既可广泛应用于微机保护,故障定位等电力系统监测与控制的场合,也可用于雷达定位、航空航天等场合.     

基于多数据融合的电机故障诊断方法研究

电机作为各类电驱设备的主要动力装置,具有结构简单、控制方便、能效高、无污染等优点。在电机运行过程中,受载荷多变、零部件老化、散热条件差等影响,故障频发,进而降低电驱装置的工作效率和稳定性。此外,电机故障种类繁多,各故障的征兆与表现又极其相似,不同故障产生的原因也错综复杂,这极大地提高了电机故障诊断的难度。传统的电机故障诊断过程中多是基于单一传感器信号,存在不确定性大、诊断精度差等问题,为克服上述缺点,提出一种基于多传感器参数融合的电机故障诊断方法,基于振动加速度计和电流传感器信号,结合BP神经网络算法和D-S证据理论对电机故障进行准确辨识,提高电机故障诊断的准确性。简要介绍了多传感器数据融合技术的结构框架,在分析异步电机典型故障机理的基础上,对基于BP神经网络学习算法和D-S证据理论的多传感器数据融合电机故障诊断系统进行详细分析,并通过实例对所提出故障诊断方法的有效性进行验证。研究结果表明,采用所提出的多数据融合电机故障诊断方法可以高置信度地诊断出电机的故障类型。