【正文】 信號，并將信號數(shù)據(jù)存入上位機，為離線故障診斷系統(tǒng)實驗做準備。表明本文所設(shè)計的小波神經(jīng)網(wǎng)絡(luò)系統(tǒng)能夠?qū)χ绷麟妱訖C的故障準確地進行診斷。實驗結(jié)果證明了該方法的正確性和有效性 ,可以擴展應(yīng)用到電機綜合故障 診斷系統(tǒng)研究與應(yīng)用之中。 圖 48 測試信號 利用小波包對測試信號進行分析，提取的特征向量如表 44 所示 ： 表 44 測試信號特征向量 將 3 組測試測試向量輸入到神經(jīng)網(wǎng)絡(luò)進行狀態(tài)識別，測試結(jié)果如表 45 所示。 旋轉(zhuǎn)機械振動信息的采集，一般應(yīng)在水平、垂直和軸向三個方向進行，因為不同故障在不同的測試方向上敏感程度是不同的，例如不平衡故障一般在水平方向，碰摩故障主要反映在垂直方向，而不對中的軸向振動較大。 在信號分析中，采樣點數(shù)一般選為 2m 個，使用較多的是 51 102 2048 和 4096 等。對 8 位 A/D 板來說，量化級數(shù)為 28=256，則量化步長 R 便為所測量最大電壓幅值的 1/256。然而這里涉及到一個采樣精度、采樣頻率和采樣長度的問題，兩個參數(shù)的確定規(guī)則如下： (1) 采樣精度的確定 模擬信號離散采樣過程就是模 /數(shù) (A/D)轉(zhuǎn)換的過 程，包括采樣、量化、編碼等項內(nèi)容。 2. 信號調(diào)理模塊 對于絕大多數(shù)數(shù)據(jù)采集系統(tǒng)來說，信號調(diào)理是非常重要的。 圖 45 BP 神經(jīng)網(wǎng)絡(luò)故障診斷程序流程圖 電機振動信號采集系統(tǒng) 信號處理方法是本文的研究重點，并在做了詳細的理論研究和方法仿真，然而準確地采集電機狀態(tài)信號卻是準確對其進行故障診斷的第一步，所以對下面對電機振動信號采集系統(tǒng)進行了詳細介紹。同時，故障信號與特征信號相比，在相同的頻帶內(nèi)信號的能量發(fā)生了較大的變化，其相應(yīng)小波包系數(shù)的能量值也會映射地隨之改變，因此，可將頻帶節(jié)點的小波包系數(shù)的能量值作為表征電機振動信號的特征量，為下一步智能故障診斷做好準備。 小波神經(jīng)網(wǎng)絡(luò)故障診斷的步驟與實現(xiàn) 振動信號的小波包能量特征提取方法 本文采用分析電機振動信號診斷其轉(zhuǎn)子故障，以他勵直流電動機轉(zhuǎn)子三種典型狀 態(tài)：正常、轉(zhuǎn)子不對中、軸承碰摩為例進行研究。神經(jīng)網(wǎng)絡(luò)由于可以實現(xiàn)輸入到輸出的非線性映射，并具有自學(xué)習(xí)和模式識別的能力，適用于診斷的自動化。 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。 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。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長的時間；當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。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。 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。 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)。因此，人工神經(jīng)網(wǎng)絡(luò)作為故障診斷的信息處理工具 。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。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。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。 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。 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。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）。 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。 （ 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。 (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。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。 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。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。“基于小波分析和神經(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。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。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。 電機故障診斷技術(shù) 自 19 世紀發(fā)明電機以來，由于電能應(yīng)用方便，且電機的性能優(yōu)良，便于控制，所以得到了迅速普及。電機故障診斷的基本實施過程，如圖 11 所示： 圖 11 電機診斷基本過程 (1) 信號檢測：按不同的診斷目的選擇最能表現(xiàn)工作狀態(tài)的信號，為故障分析診斷提供依據(jù)。 （ 2）在介紹了傅里葉分析和小波分析的基礎(chǔ)上，系統(tǒng)的闡述了多分辨率分析及小波包分析理論，從理論上對小波包用于非平穩(wěn)信號特征提取進行了可行性研究； （ 3）在介紹了人工神經(jīng)元模型和神經(jīng)網(wǎng)絡(luò)優(yōu)點的基礎(chǔ)上，深入研究了 BP 神經(jīng)網(wǎng)絡(luò)的拓撲結(jié)構(gòu)和其正向傳播和反向調(diào)整的算法原理，從理論上研究了應(yīng)用 BP 網(wǎng)絡(luò)進行故障狀態(tài)模式識別的優(yōu)越性。這組規(guī)范正交基即為熟知的： 0co s ( )af kw t? 21 0si n( )bf k w t? 22 經(jīng)典的傅 立 葉變換（ FT）定義如下： ( ) ( ) jtF f t e dt?? ?? ???? ? 23 ( ) ( ) jtF t f e d????? ???? ? 24 其中式（ 24）稱為傅 立 葉反變換（ IFT）。這里的窗函數(shù)選擇必須是實對稱函數(shù)；在某個小區(qū)間外迅速衰減為 0。 連續(xù)小波變換最初提出來是作為一種解決短時傅立葉變換中分辨率問題的方 法。 變量 ?是與窗函數(shù)的位置有關(guān)的 ， 隨著窗通過信號的不同區(qū)域 ， ? 也隨之發(fā)生變換 。離散化后的小波變換系數(shù) ( , )fWT j k 與連續(xù)小波變換系數(shù)( , )fWT a? 相比，前者是關(guān)于整數(shù) j ， k 的二維離散序列，而后者是關(guān)于實數(shù) a ，τ 的二維連續(xù)變量。 3. Morlet 小波 (圖 21,a)：它是一個具有解析表達式的小波，但它不具有正交性，所以只能滿足連續(xù)小波的允許條件，同時不存在緊支集，不能做離散小波變換和正交變換。因此小波包變換在每一個尺度上有