【正文】 目前 ， 許多國家的大學(xué)和公司都在開展電機故障診斷技術(shù)的研究工作其中取得了較好研究成果的研究機構(gòu)主要集中在歐洲、美國、日本的一些知名大學(xué)和一些知名電氣公司 ， 例如 ： 美國的紐約大學(xué)、弗吉尼亞大學(xué)、南加利福尼亞大學(xué)等 ,日本的京東大學(xué)、大阪大學(xué)等 ， 德國的通用電氣公司和美國的 ENTEK 公司等 。此外還可以為電機制造商提供經(jīng)驗 ， 積累數(shù)據(jù) ,有利于電機性能的提升 ， 增強可靠性。這可能導(dǎo)致一系列問題 ， 比如繼電保護可能會突然斷開整個生產(chǎn)線中的電源 ， 使整個生產(chǎn)線上的設(shè)備突然停電 ， 不會造成其他設(shè)備的 損害 ， 也會造成一定的經(jīng)濟損失。繼電保護經(jīng)歷了 4 個發(fā)展階段 ， 第一個階段是基于電磁式保護裝置 ， 第二個階段是基于晶體管式繼電保護裝置 ， 第三個階段是基于集成電路繼 電保護裝置 ， 最后一個階段是基于微機繼電保護裝置 ， 也是目前使用最廣泛的繼電保護裝置。由于電機大量的應(yīng)用 ,使用環(huán)境的不同 ,所驅(qū)動的負載也各盡不同等原因 ， 導(dǎo)致了電機故障時有發(fā)生 ， 特別是一些運行環(huán)境惡劣、負載沖擊性很大的場合中運行的電機 ， 其故障率更高?！盎谛〔ǚ治龊蜕窠?jīng)網(wǎng)絡(luò)的電機故障診斷方法 ”研究報告 摘要 電機是現(xiàn)代工業(yè)中最主要的動力能源和驅(qū)動設(shè)備之一，不僅需要進一步提高電機驅(qū)動自動化水平，更要求電機的運行具有很高的可靠性、安全性和穩(wěn)定性。近些年來 ,因關(guān)鍵電機設(shè)備故障而引起的事故時有發(fā)生 ， 造成了慘重的經(jīng)濟損失。目前繼電保護被廣泛應(yīng)用于電機設(shè)備系統(tǒng)中 ， 其主要目的是當(dāng)電機發(fā)生故障或異常時 ,在可能實現(xiàn)的最短時間和最小區(qū)域內(nèi) ， 自動將電機故障設(shè)備從系統(tǒng)中切除 ， 或發(fā)出信號由值班人員消除異常工況根源 ， 以避免事故發(fā)生惡化。正如文獻 [1]中所描述的 ： “設(shè)備的繼電保護 ,并不意味著能夠預(yù)防事故的發(fā)生 ， 它只能在事故發(fā)生后采取行動 ； 它是在懸崖絕壁下的救護車 ,而不是懸崖頂上保護行人的柵欄。 設(shè)備故障診斷技術(shù)的發(fā)展狀況 設(shè)備故障診斷技術(shù)是從上世紀 60 年代發(fā)展起來的一門新學(xué)科，從科學(xué)發(fā)展的大環(huán)境來看，設(shè)備故障診斷技術(shù)的產(chǎn)生也是各學(xué)科交叉發(fā)展的必然。其中部研究成果 已 經(jīng)被轉(zhuǎn)化成產(chǎn)品投放到市場 ， 如美國的 ENTEK 公司的交流感應(yīng)電機診斷儀。電機是工業(yè)領(lǐng)域中最主要的動力能源和驅(qū) 動設(shè)備，各行各業(yè)的使用場和性能要求千差萬別，因此電機的種類、型號、結(jié)構(gòu)林林總總，不同的環(huán)境對電機有不同的使用要求，不同的電機有不同的工作原理。 狀態(tài)監(jiān)測和故障診斷；故障診斷的四個步驟為 ： 信號檢測、特征提取 (信號處理 )、狀態(tài)識別和診斷決策。 (2) 特征提取 (信號處理 )：將初始模式向量進行信號處理，維數(shù)壓縮，形式變換，去掉冗余信息，提取故障特征，形成待檢模式，獲得對診斷工作有價值的，既敏感又直觀的信息。 主要研究內(nèi)容 由上述可知，自動化設(shè)備運行的穩(wěn)定性受到了世界各個國家的普遍重視，故障診斷技術(shù)也成為各國學(xué)者競相研究的熱點。 （ 4）對直流電動機的常見故障及其振動分析進行了研究，全面介紹了振動信號處理方法；介紹了小波與神經(jīng)網(wǎng)絡(luò)的結(jié)合方法，詳細介紹了基于小波包的信號能量特征提取方法和步驟，并利用 MATLAB 軟件 編程軟件予以實現(xiàn)；并且詳細介紹了應(yīng)用 BP 神經(jīng)網(wǎng)絡(luò)進行故障診斷分類的方法和步驟，并利用 MATLAB 軟件編程軟件予以實現(xiàn)；系統(tǒng)闡述了振動信號采集系統(tǒng)及其相關(guān)問題；并對論文所述故障診斷方法進行了仿真實驗研究。 小波變換的基本原理 傅立葉分析 眾所周知，傅立葉變換與傅立葉分析是現(xiàn)代數(shù)字信號處理技術(shù)的基石，它將信號分析從時域引入到頻域內(nèi)分析，可以從物理上對一個信號的進行更加清楚的解釋。 F (ω )是ω 的連續(xù)函數(shù)，稱為信號 f (t )的頻譜密度，簡稱頻譜。在實際應(yīng)用中，大量接觸到的是一段時間序列，既非周期也非無限長，理論上應(yīng)用 DTFT，但為了便于計算機實現(xiàn)，通常直接應(yīng)用 DFT 公式進行求取，即： 傅 立 葉變換時一種全局變換，描繪的是整個時間段內(nèi)頻率的特性，而沒有刻畫特定時間段或頻率段的特性，所以在分析很多非平穩(wěn)信號時具有很大的局限性，比如軸承故障振動信號、地震信號和語音信號等，他們的統(tǒng)計特性隨時間變化，即信號的頻率是時變的；從實時性角度來說，從傅 立 葉變換的定義可以看出，傳統(tǒng)的傅里葉變換是針對（ ?∞ ,+∞ ）所有的信號，即需要將所有信號采集完成才能給出結(jié)果，這樣就滿足不了實時處理的要求。這是一種最初有 Gabor 提出的較為簡單的時頻分析方法，而且窗函數(shù)都是短時函數(shù)，所以又稱該方法為 Gabor 變換或短時傅 立葉變換（ STFT）。這個基本小波稱為母小波，伸縮和平移產(chǎn)生的小波成為子小波或者小波基函數(shù)。連續(xù)小波分析也是采用一種類似于短時傅立葉分析的方法 ,將信號與一個函 數(shù)相乘，類似于短時傅立葉變換中將信號與窗函數(shù)相乘，并且連續(xù)小波變換是將 時域信號分成不同的時間片段進行計算的。所謂 “ 小 ” 是指它具有衰減性 ； 而稱之為 “ 波 ” 則是指它的波動性 ， 其振幅正負相間的震蕩形式 。 顯然 ， 這與變換域中的時間信息緊密聯(lián)系在一起 。 連續(xù)小波變換理論通常只適合于理論的分析和推導(dǎo)，由于現(xiàn)代計算機都采用數(shù)字處理方法，因此連續(xù)小波變換必須離散化，即進行離散小波變換（ DWT）以便于應(yīng)用計算機進行數(shù)值計算。 多分辨率分析 與 提出了多分辨分析概念，簡稱 MRA（ MultiResolution Analysis），多分辨率分析又稱為多尺度分析，是小波 分析中的重要概念之一，也是小波分析計算機運算實現(xiàn)的重要理論前提。 2. Daubechies 小波：它是由著名小波學(xué)者 Ingrid Daubechies 所創(chuàng)造，她發(fā)明的緊支集正交小波是小波領(lǐng)域的里程碑，使得小波的研究由理論轉(zhuǎn)為可行Daubechies 系列小波簡寫為 dbN，其中 N 表示階數(shù)。其解析形式如下： 2 2( ) C e c o s (5 )xxx? ?? 28 此外，還有 Symlets 小波、 Mexican Hat 小波、 Meyer 小波 （圖 21 ,b） 、 Gauss小波等。小波包基本繼承了相應(yīng)小波函數(shù)的基本屬性，比如正交性以及頻率分布等。小波包變換的這種分辨率模式保證了原始信號的信息不會因為變換增加或者減少信息。 圖 22 三層小波包分解樹結(jié)構(gòu)圖 圖中 A 表示低頻， D 表示高頻，末尾的序號數(shù)表示小波包分解的層數(shù) (即尺度數(shù) )。在進行下一步分解時，不僅將低頻部分進行分解，同時也將高頻部分進行分解，對分解結(jié)果仍采用二抽取運算，這樣無論在低頻段還是在高頻段都具有相同的時頻分辨率。 下面直接給出小波包分解和重構(gòu)算法的演算公式， 設(shè) ()nnjjg t U? ， 則 ()njgt可表示為： 210 由此得出小波包分解算法如下： 211 小波包重構(gòu)算法如下： 212 第三章 基于 BP 網(wǎng)絡(luò)的故障診斷方法的研究 神經(jīng)網(wǎng)絡(luò)概述 神經(jīng)網(wǎng)絡(luò)是一種新型智能計算信息處理系統(tǒng)。因此，人工神經(jīng)網(wǎng)絡(luò)作為故障診斷的信息處理工具 。同時神經(jīng)網(wǎng)絡(luò)識別也成為神經(jīng)網(wǎng)絡(luò)最成功和最有前途的應(yīng)用領(lǐng)域之一。 反向傳播 BP 網(wǎng)絡(luò) 1986 年， 和 提出了一種利用誤差反向傳播訓(xùn)練算法的神經(jīng)網(wǎng)絡(luò)，簡稱 BP(Back Propagation)網(wǎng)絡(luò)，是一種具有隱含層的有導(dǎo)師指導(dǎo)的多層前饋網(wǎng)絡(luò)。網(wǎng)絡(luò)學(xué)習(xí)過程式一種誤差邊向后傳播邊修正權(quán)系數(shù)的過程。 M 個輸入節(jié)點， L 個輸出節(jié)點，網(wǎng)絡(luò)的隱含層共有 q 個單元的 BP 神經(jīng)網(wǎng)絡(luò)拓撲結(jié)構(gòu)如下圖 31 所示。 第四章 直流電機故障診斷系統(tǒng) 直流電機結(jié)構(gòu)及故障分析 本文以診斷實驗直流電動機轉(zhuǎn)子系統(tǒng)機械類故障為主，診斷方法具有通用性。振動參數(shù)更能直接地、快速準確地反映電機的運行狀態(tài)，所以把對振動參數(shù)的監(jiān)測作為對電機狀態(tài)進行診斷的主要依據(jù)，通過對振動信號的分析，可以推斷出振動原因和故障類型。一般由制造安裝時存在軸線偏移或長期運行中磨損引起。有關(guān)研究指出，如果在二階振動頻率上的振幅是工頻振幅的 3075%時，此時不對中可被電機軸承受相當(dāng)長的時間；當(dāng)二階頻率振幅是工頻振幅的 75150%時，則軸承可能發(fā)生故障，應(yīng)加強狀態(tài)監(jiān)測；當(dāng)二階頻率振幅超過工頻振幅時，不對中會對聯(lián)軸節(jié)產(chǎn)生嚴重影響。水平方向的振值超差或發(fā)生劇變是不平衡故障的顯著特征，而且由不平衡引起的振動頻率一般與轉(zhuǎn)速同頻。 4. 油膜振動 油膜振動是軸承軸頸帶動潤滑油高速流動時，高速油流反過來激勵軸頸，使其發(fā)生強烈振動的一種自激振動現(xiàn)象。在轉(zhuǎn)軸的臨界轉(zhuǎn)速比較低時，渦動頻率可能與轉(zhuǎn)軸的某一臨界轉(zhuǎn)速相等，其渦動振幅將被共振放大，即產(chǎn)生強烈的振動，此時稱為油膜振動。 仿真信號有以下三部分組成： 41 42 43 以上 f (t1)為分段正弦信號， f (t2)為近似矩形脈沖信號（產(chǎn)生奇異點）， f (t3)為隨機白噪聲信號，其中 t ∈ Z。然后再選擇 db6 系列小波，利用 Mallat 算法對上述消噪信號進行 3 層分解，檢測奇異點，重構(gòu)結(jié)果如圖 43