【正文】 信號(hào)，并將信號(hào)數(shù)據(jù)存入上位機(jī)，為離線故障診斷系統(tǒng)實(shí)驗(yàn)做準(zhǔn)備。表明本文所設(shè)計(jì)的小波神經(jīng)網(wǎng)絡(luò)系統(tǒng)能夠?qū)χ绷麟妱?dòng)機(jī)的故障準(zhǔn)確地進(jìn)行診斷。實(shí)驗(yàn)結(jié)果證明了該方法的正確性和有效性 ,可以擴(kuò)展應(yīng)用到電機(jī)綜合故障 診斷系統(tǒng)研究與應(yīng)用之中。 圖 48 測(cè)試信號(hào) 利用小波包對(duì)測(cè)試信號(hào)進(jìn)行分析，提取的特征向量如表 44 所示 ： 表 44 測(cè)試信號(hào)特征向量 將 3 組測(cè)試測(cè)試向量輸入到神經(jīng)網(wǎng)絡(luò)進(jìn)行狀態(tài)識(shí)別，測(cè)試結(jié)果如表 45 所示。 旋轉(zhuǎn)機(jī)械振動(dòng)信息的采集，一般應(yīng)在水平、垂直和軸向三個(gè)方向進(jìn)行，因?yàn)椴煌收显诓煌臏y(cè)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(duì)中的軸向振動(dòng)較大。 在信號(hào)分析中，采樣點(diǎn)數(shù)一般選為 2m 個(gè)，使用較多的是 51 102 2048 和 4096 等。對(duì) 8 位 A/D 板來說，量化級(jí)數(shù)為 28=256，則量化步長(zhǎng) R 便為所測(cè)量最大電壓幅值的 1/256。然而這里涉及到一個(gè)采樣精度、采樣頻率和采樣長(zhǎng)度的問題，兩個(gè)參數(shù)的確定規(guī)則如下： (1) 采樣精度的確定 模擬信號(hào)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(xiàng)內(nèi)容。 2. 信號(hào)調(diào)理模塊 對(duì)于絕大多數(shù)數(shù)據(jù)采集系統(tǒng)來說，信號(hào)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(jī)振動(dòng)信號(hào)采集系統(tǒng) 信號(hào)處理方法是本文的研究重點(diǎn)，并在做了詳細(xì)的理論研究和方法仿真，然而準(zhǔn)確地采集電機(jī)狀態(tài)信號(hào)卻是準(zhǔn)確對(duì)其進(jìn)行故障診斷的第一步，所以對(duì)下面對(duì)電機(jī)振動(dòng)信號(hào)采集系統(tǒng)進(jìn)行了詳細(xì)介紹。同時(shí)，故障信號(hào)與特征信號(hào)相比，在相同的頻帶內(nèi)信號(hào)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(huì)映射地隨之改變，因此，可將頻帶節(jié)點(diǎn)的小波包系數(shù)的能量值作為表征電機(jī)振動(dòng)信號(hào)的特征量，為下一步智能故障診斷做好準(zhǔn)備。 小波神經(jīng)網(wǎng)絡(luò)故障診斷的步驟與實(shí)現(xiàn) 振動(dòng)信號(hào)的小波包能量特征提取方法 本文采用分析電機(jī)振動(dòng)信號(hào)診斷其轉(zhuǎn)子故障，以他勵(lì)直流電動(dòng)機(jī)轉(zhuǎn)子三種典型狀 態(tài)：正常、轉(zhuǎn)子不對(duì)中、軸承碰摩為例進(jìn)行研究。神經(jīng)網(wǎng)絡(luò)由于可以實(shí)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(shí)別的能力，適用于診斷的自動(dòng)化。 仿真信號(hào)有以下三部分組成： 41 42 43 以上 f (t1)為分段正弦信號(hào)， f (t2)為近似矩形脈沖信號(hào)（產(chǎn)生奇異點(diǎn)）， f (t3)為隨機(jī)白噪聲信號(hào)，其中 t ∈ Z。 4. 油膜振動(dòng) 油膜振動(dòng)是軸承軸頸帶動(dòng)潤(rùn)滑油高速流動(dòng)時(shí)，高速油流反過來激勵(lì)軸頸，使其發(fā)生強(qiáng)烈振動(dòng)的一種自激振動(dòng)現(xiàn)象。有關(guān)研究指出，如果在二階振動(dòng)頻率上的振幅是工頻振幅的 3075%時(shí)，此時(shí)不對(duì)中可被電機(jī)軸承受相當(dāng)長(zhǎng)的時(shí)間；當(dāng)二階頻率振幅是工頻振幅的 75150%時(shí)，則軸承可能發(fā)生故障，應(yīng)加強(qiáng)狀態(tài)監(jiān)測(cè)；當(dāng)二階頻率振幅超過工頻振幅時(shí)，不對(duì)中會(huì)對(duì)聯(lián)軸節(jié)產(chǎn)生嚴(yán)重影響。振動(dòng)參數(shù)更能直接地、快速準(zhǔn)確地反映電機(jī)的運(yùn)行狀態(tài)，所以把對(duì)振動(dòng)參數(shù)的監(jiān)測(cè)作為對(duì)電機(jī)狀態(tài)進(jìn)行診斷的主要依據(jù)，通過對(duì)振動(dòng)信號(hào)的分析，可以推斷出振動(dòng)原因和故障類型。 M 個(gè)輸入節(jié)點(diǎn)， L 個(gè)輸出節(jié)點(diǎn)，網(wǎng)絡(luò)的隱含層共有 q 個(gè)單元的 BP 神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(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(jiǎn)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(jìn)行下一步分解時(shí)，不僅將低頻部分進(jìn)行分解，同時(shí)也將高頻部分進(jìn)行分解，對(duì)分解結(jié)果仍采用二抽取運(yùn)算，這樣無論在低頻段還是在高頻段都具有相同的時(shí)頻分辨率。小波包變換的這種分辨率模式保證了原始信號(hào)的信息不會(huì)因?yàn)樽儞Q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(jiǎn)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(jì)算機(jī)運(yùn)算實(shí)現(xiàn)的重要理論前提。 顯然 ， 這與變換域中的時(shí)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(shí)傅立葉分析的方法 ,將信號(hào)與一個(gè)函 數(shù)相乘，類似于短時(shí)傅立葉變換中將信號(hào)與窗函數(shù)相乘，并且連續(xù)小波變換是將 時(shí)域信號(hào)分成不同的時(shí)間片段進(jìn)行計(jì)算的。這是一種最初有 Gabor 提出的較為簡(jiǎn)單的時(shí)頻分析方法，而且窗函數(shù)都是短時(shí)函數(shù)，所以又稱該方法為 Gabor 變換或短時(shí)傅 立葉變換（ STFT）。 F (ω )是ω 的連續(xù)函數(shù)，稱為信號(hào) f (t )的頻譜密度，簡(jiǎn)稱頻譜。 （ 4）對(duì)直流電動(dòng)機(jī)的常見故障及其振動(dòng)分析進(jìn)行了研究，全面介紹了振動(dòng)信號(hào)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(xì)介紹了基于小波包的信號(hào)能量特征提取方法和步驟，并利用 MATLAB 軟件 編程軟件予以實(shí)現(xiàn)；并且詳細(xì)介紹了應(yīng)用 BP 神經(jīng)網(wǎng)絡(luò)進(jìn)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(shí)現(xiàn)；系統(tǒng)闡述了振動(dòng)信號(hào)采集系統(tǒng)及其相關(guān)問題；并對(duì)論文所述故障診斷方法進(jìn)行了仿真實(shí)驗(yàn)研究。 (2) 特征提取 (信號(hào)處理 )：將初始模式向量進(jìn)行信號(hào)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(duì)診斷工作有價(jià)值的，既敏感又直觀的信息。電機(jī)是工業(yè)領(lǐng)域中最主要的動(dòng)力能源和驅(qū) 動(dòng)設(shè)備，各行各業(yè)的使用場(chǎng)和性能要求千差萬別，因此電機(jī)的種類、型號(hào)、結(jié)構(gòu)林林總總，不同的環(huán)境對(duì)電機(jī)有不同的使用要求，不同的電機(jī)有不同的工作原理。 設(shè)備故障診斷技術(shù)的發(fā)展?fàn)顩r 設(shè)備故障診斷技術(shù)是從上世紀(jì) 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(hù)被廣泛應(yīng)用于電機(jī)設(shè)備系統(tǒng)中 ， 其主要目的是當(dāng)電機(jī)發(fā)生故障或異常時(shí) ,在可能實(shí)現(xiàn)的最短時(shí)間和最小區(qū)域內(nèi) ， 自動(dòng)將電機(jī)故障設(shè)備從系統(tǒng)中切除 ， 或發(fā)出信號(hào)由值班人員消除異常工況根源 ， 以避免事故發(fā)生惡化?！盎谛〔ǚ治龊蜕窠?jīng)網(wǎng)絡(luò)的電機(jī)故障診斷方法 ”研究報(bào)告 摘要 電機(jī)是現(xiàn)代工業(yè)中最主要的動(dòng)力能源和驅(qū)動(dòng)設(shè)備之一，不僅需要進(jìn)一步提高電機(jī)驅(qū)動(dòng)自動(dòng)化水平，更要求電機(jī)的運(yùn)行具有很高的可靠性、安全性和穩(wěn)定性。繼電保護(hù)經(jīng)歷了 4 個(gè)發(fā)展階段 ， 第一個(gè)階段是基于電磁式保護(hù)裝置 ， 第二個(gè)階段是基于晶體管式繼電保護(hù)裝置 ， 第三個(gè)階段是基于集成電路繼 電保護(hù)裝置 ， 最后一個(gè)階段是基于微機(jī)繼電保護(hù)裝置 ， 也是目前使用最廣泛的繼電保護(hù)裝置。此外還可以為電機(jī)制造商提供經(jīng)驗(yàn) ， 積累數(shù)據(jù) ,有利于電機(jī)性能的提升 ， 增強(qiáng)可靠性。 電機(jī)故障診斷技術(shù) 自 19 世紀(jì)發(fā)明電機(jī)以來，由于電能應(yīng)用方便，且電機(jī)的性能優(yōu)良，便于控制，所以得到了迅速普及。電機(jī)故障診斷的基本實(shí)施過程，如圖 11 所示： 圖 11 電機(jī)診斷基本過程 (1) 信號(hào)檢測(cè)：按不同的診斷目的選擇最能表現(xiàn)工作狀態(tài)的信號(hào)，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(duì)小波包用于非平穩(wěn)信號(hào)特征提取進(jìn)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(diǎn)的基礎(chǔ)上，深入研究了 BP 神經(jīng)網(wǎng)絡(luò)的拓?fù)浣Y(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(jìn)行故障狀態(tài)模式識(shí)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(shí)對(duì)稱函數(shù)；在某個(gè)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(shí)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(hào)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(shí)數(shù) a ，τ 的二維連續(xù)變量。 3. Morlet 小波 (圖 21,a)：它是一個(gè)具有解析表達(dá)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(shí)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(gè)尺度上有