电机生产线噪声故障自动识别

电机振声信号蕴涵着丰富的电机状态信息,因此提出利用电机振声信号实现电机生产线噪声出厂检测。考虑工业现场环境的影响,系统首先采用小波分析对振声信号进行消噪,提取有用信号;再利用小波技术多分辨率的特点,从能量分布角度出发,结合概率论参数区间估计法获得各频段能量区间,对故障电机进行自动识别。系统基于LabVIEW软件平台,实现电机振声信号的实时采集、分析和后处理。现场应用表明,该系统效果良好。     

电机故障自动识别在电机生产线上的应用

电机出厂检测非常重要。为了确保质量控制,目前电机厂多是通过操作者听电机声音判定噪声故障。而该文将研究模式识别技术在小型电动机生产线上电机故障检测中的应用。由于工业现场环境,系统首先采用小波分析对振声信号进行消噪,提取有用信号。再利用小波技术多分辨率特点和小波能谱熵提取故障信号的特征信息,最后结合概率论参数区间估计法获得小波熵带,对故障电机自动识别。     

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。     

基于小波分析的电机故障振声诊断方法

小波分析能够将信号划分到不同频段内，而且在时一频两域都具有表征信号局部特征能力。基于小波分析的电机故障振声诊断方法，充分利用小波分析在处理急剧变化的高度不稳定信号时更加有效的优越性，在对电机振声故障暂态信号的多尺度分析基础上，有效的检测出故障及其类型，实现了电机故障的在线诊断，通过仿真结果验证了此方法的有效性。     

空调电机振声信号的盲源分离故障特征提取

电机振声信号蕴涵着丰富的电机状态信息,文中提出利用电机振声信号对电机进行故障诊断,实现噪声出厂检测.由于观测信号信噪比较小,难于提取电机振声信号故障特征.应用肓分离技术从观测信号提取独立的声源信号,提出了基于峭度的盲源分离开关算法,可以在源信号概率密度函数未知时提取独立分量,消除相邻部件辐射噪声的干扰.实验证明该算法成功分离电机振声信号,有效提取故障特征.     

基于小波变换的无刷直流电机逆变器故障诊断

故障诊断是实现电机容错控制的前提,为了提高电机系统的可靠性,针对无刷直流电机驱动系统中逆变器功率管的开路故障,采用小波变换对电机三相电流信号进行分析,为了能快速地提取故障信息,提出利用3层以上细节信号的乘积作为检测信号,根据乘积信号的小波变换能够准确找到故障点,以低频小波信号的能量值作为提取特征来识别发生故障的逆变器功率管。该方法故障识别可靠性高,信号特征提取算法简单。仿真及实验结果验证了所提方法的有效性和准确性。     

基于线调频小波变换能量谱的电机故障信号处理

提出了一种基于高斯线调频小波变换诊断电机故障的新方法。线调频小波变换是信号的时间-频率-尺度变换, 具有比小波变换及其它时频分析更强的非平稳信号分析功能。利用高斯线调频小波变换作电机故障信号的能量谱估计,可提取电机故障信号的频率成份。试验结果表明,这种方法比Fourier变换和小波变换频率分布的能量更集中。     

小波包在电机故障诊断中的应用

针对常用的时域和频域分析在诊断电机故障时存在不能同时诊断出故障时间和类型的瓶颈问题,利用在时频两域都具有表征信号特征能力的小波,对采集来的电机振动信号进行小波包分解。利用分解的小波系数,在各个频段上进行小波信号重构,并计算信号各个频段的能量特征值,提取故障特征,诊断故障发生的时间和故障类型。     

基于小波包能量谱分析的电机故障诊断

小波包是继小波分析后提出的一种新型的多尺度分析方法[1],解决了小波分析在高频部分分辨率差的缺点,体现了比小波分析更好的处理效果。文章描述了小波包分析方法的基本原理及其实现算法,并从能量分布的角度出发,阐述了在电机故障诊断中,利用小波包分析方法将模糊故障信号进行量化、分解,从而便于用单片机进行处理、判断的一种新的应用途径,在实验室中模拟各种电机故障进行了实验验证,实验进一步表明基于小波包能量谱分析的电机故障诊断方法是一种方便灵活并且准确度很高的故障诊断方法。     

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.     

水电机组振动信号去除高频噪声技术综述

本文针对水电机组振动信号消噪方法进行了系统地总结.将现行的振动信号去噪方法中的基于Fourier变换的传统振动信号去噪方法和以提升法为代表的新型振动信号预处理技术两类技术进行了全面地分析,并比较了各自的优缺点.利用提升法的第二化小波变换对水电机组振动信号进行消噪具有计算速度快、无需选择小波基函数、处理结果更为合理的优势.最后,进一步给出了水电机组振动信号消噪技术的主要发展方向.     

渐进信号瞬时频率提取及其在电机性能测试中的应用

平稳相位原理表明,渐进信号在连续小波变换时频平面上的分布呈现脊线的形态,信号的主要参数可以从其对应脊上的信息中提取出来.本文根据分析母小波在特定中心频率条件下小波脊线与信号瞬时频率的关系,提出了渐进信号瞬时频率的提取方法.根据直流电机起动电枢电流信号中高频分量的渐进特性,将其应用到电机性能测试系统中,实验结果表明该方法能实现无转矩-转速传感器的电机性能快速准确测试.由于小波基函数的时频局部特性,该方法具有良好的去噪性能.     

基于LabVIEW的心音信号采集与小波去噪系统的实验研究

利用数据采集卡构建的数据采集系统一般价格昂贵且难以与实际要求完全匹配。介绍了一种基于LabVIEW和声卡的心音信号采集系统,并通过调用LabVIEW中的MATLAB Script节点对信号进行了小波去噪。该方法具有实现简单、界面友好、性能稳定、经济、功能较强等特点,适合心音信号的实验性研究,并为低成本下构建数据采集系统提供了一种思路。通过与数学软件MATLAB的结合使用,很好地补充了LabVIEW的开发功能,大大的拓宽虚拟仪器的开发范围。     

基于小波包能量分析和信号融合的异步电机转子故障诊断

为提高异步电机转子故障诊断的可靠性,文中介绍了一种基于小波包能量分析和信号融合的异步电机转子故障诊断方法。采用定子电流信号和振动信号的频谱特征融合作为转子断条以及气隙偏心故障的诊断依据,首先对信号进行小波包分解,获得不同小波包频带节点下对应的能量分布,并与正常电机信号进行比较,进而对能量异常的信号频段进行小波包节点重构,最后通过快速傅里叶变换识别故障特征频率,诊断电机故障是否发生。通过仿真分析,验证了该方法的有效性和实用性,对于电机运行状态的准确监测具有重要意义。     

基于BP神经网络和小波包能量熵的异步电动机故障诊断

为了高效解决异步电动机故障问题,提出了一种基于反向传播(BP)神经网络和小波包能量分析的异步电动机故障诊断系统。采用定子电流信号作为异步电动机的故障信号,运用小波包能量分析对采集的定子电流信号进行分析,提取出相应的故障特征向量。为了提高诊断的准确性,提取信号时域、频域的特征,输入到BP神经网络中进行训练学习。经过足够多的训练后,用测试样本对其精确率进行测试。通过所提方法,可以及时排除及修正异步电动机故障,提高工厂的经济效益。     

基于小波收缩的心音降噪最优化分析

基于小波收缩技术提出一种最优化降噪方案用于去除心音信号噪声。依据频带相似匹配原则,分析心音信号频率特征和Haar、Daubechies、Symlets和Coiflets正交小波的特性,基于分析结果选取了Coif5小波并确定最优小波包进行分解重构。另外,提出一种光滑连续的自适应弹性阈值函数,能够克服硬阈值函数间断点问题,并基于4种阈值规则定量评价了其在不同信噪比下的降噪效果。仿真结果表明,当信噪比小于50 d B时,本优化方案配合启发式阈值规则能保留充足的心音细节信息,同时有效去除噪音。     

汽车雨刮电机电磁干扰特征提取方法

针对汽车内部严重的电磁兼容问题,需要对车内电磁干扰源进行准确的分析.采用小波变换方法对汽车雨刮电机干扰信号进行多尺度分解,利用分解得到的各高频子带的小波系数特点,提出了小波域内突变参数和不平衡参数的计算方法,分并且提取各小波系数的累积能量参数、突变参数以及不平衡参数,并与重构后的各层细节信号的波形特征作了对比分析.结果表明,小波系数的累积能量参数、突变参数和不平衡参数能够准确描述原始信号中不同成分信号的特征,对电磁干扰源的识别和分类具有指导价值.此外,这种方法对其他电磁干扰信号的特征提取具有参考价值.     

基于传声器阵列电动汽车用电机系统噪声源识别研究

为了满足电动汽车电机驱动系统工作噪声源定位的研究需要,在基于波束成型理论分析的基础上,利用十字形阵列进行了噪声源识别试验研究,确定了该电机系统工作过程中的的主要噪声源依次为风扇、变速箱和电机本体的部分区域。为了验证试验结果,与基于声强测试理论的分布测点法试验结果进行了对比研究。结果表明,在试验条件下,基于声阵列的电动汽车用电机系统噪声源识别方法比基于声强测试理论的分布测点法更为快捷,而识别效果相同。进一步说明声阵列方法在工作环境中有效实现机械或电气设备噪声源定位的可行性。     

基于改进CEEMDAN和小波阈值的雨声信号去噪算法研究

为了从混杂着各种噪声的雨声信号中提取到较为纯净的雨声信号，本文提出基于改进完全自适应噪声集合经验模态分解（CEEMDAN）和小波阈值相结合的雨声信号去噪方法。方法引入互相关函数寻找CEEMDAN的最优分解层数F值，并通过CEEMDAN算法按最优分解层数F层分解，将信号分解成多个频率由高到低的本征模态分量（IMF）;利用小波阈值，滤除高频IMF分量中的噪声分量，最后将去噪后的高频IMF分量和未经去噪的低频IMF分量进行信号重构，提取出较为纯净的雨声信号；实验表明，本文选用方法的去噪效果相对于经验模态分解（EMD）去噪算法、小波阈值去噪算法等传统方法具有一定的优势，去噪后的雨声信号能够准确反映出环境雨情的特征，提高雨情分析的精确度。     

基于虚拟仪器的电机故障声测系统

采用虚拟仪器技术构建了一套电机故障声频检测系统。系统基于LABVIEW虚拟仪器软件平台,实现电机声信号的实时采集、分析和后处理,达到检测故障电机的目的。除了功率谱和1/3倍频程分析,系统在LABVIEW平台下,采用MATLABSCRIPT节点方法完成小波变换,实现噪声信号的特征向量提取。现场应用表明该系统效果良好。