【正文】 而小波尺度圖通常不 用于機器的故障診斷中 。為了提高高頻區(qū)域中小波變換的分辨率，小波包變換得以被提出，小波包變換是基于小波變換提取了小波函數(shù)線性區(qū)域的分析方法。為了提高分辨率，可以采取下面的信號重構(gòu)方法。采用梯度搜索技術(shù)，使網(wǎng)絡(luò)的實際輸出值與期望輸出值得誤差均方值最小。所謂中是用聯(lián)軸節(jié)聯(lián)接起來的兩根軸的中心線存在偏差，如產(chǎn)生軸線平行偏移，軸線生角偏移或者是兩者的組合。這種渦動頻率一般大約為轉(zhuǎn)軸轉(zhuǎn)動角速度的一半，稱為半速渦動。 本文采用松散型小波神經(jīng)網(wǎng)絡(luò)進行電機轉(zhuǎn)子軸承的故障診斷研究。根據(jù)上節(jié)所述方法步驟，本課題主程序設(shè)計流程圖如圖 44 所示。模擬輸入是采集卡的最基本的功能。 (2) 采樣頻率的確定 在實際的采樣過程中，考慮到抗混濾波器的非銳截止性，實際工作中會把采樣頻率提高一些，一般取 fs≥（ 3～ 4） fmax (3) 采樣長度的確定 采樣長度即采樣時間的長短。 小波神經(jīng)網(wǎng)絡(luò)故障診斷系統(tǒng)的學(xué)習(xí)訓(xùn)練 通過振動信號采集系統(tǒng)采樣得到 6 組樣本信號，用于訓(xùn)練 BP 神經(jīng)網(wǎng)絡(luò)。利用小波包分析故障信號 ,克服了傳統(tǒng)的基于傅里葉變換的信號分析方法難以對故障信號中的微弱信號和奇異信號成分進行特征提取的缺點 ,進一步利用神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)訓(xùn)練功能進行狀態(tài)識別 ,不需要建立故障診斷模型。實際上，由于檢測轉(zhuǎn)子軸的振動往往要比測量軸承座內(nèi)座或外殼的振動 需要更高的監(jiān)測條件和技術(shù)，其中最基本的條件就是合理的安裝傳感器，因為測量轉(zhuǎn)子振動的非接觸式傳感器，安裝前一般需要加工設(shè)備外殼，保證傳感器與軸頸之間沒有其他物體，在不具備條件時可采取測量外殼或軸承座等措施。位數(shù)多，量化步長 R 就較小，誤差也會相應(yīng)減小。數(shù)據(jù)采集設(shè)備的工作過程為首先按一定的等長度時間間隔對模擬信號進行采樣即離散化，然后將每一個瞬時模擬量通過模數(shù) 轉(zhuǎn)換裝置轉(zhuǎn)換成數(shù)字量即量化，于是得到幅值和時間均離散的數(shù)字信號。以能量為元素構(gòu)造特征向量，特征向量構(gòu)造如下： 45 信號的小波包分解對信號進行更細致的頻率劃分，將不同的頻率分量分解到相應(yīng)的 頻帶上，其節(jié)點系數(shù)的能量值主要依賴于諧波成分的幅度及分布，反映信號的特征信息。 小波神經(jīng)網(wǎng)絡(luò)系統(tǒng) 小波神經(jīng)網(wǎng)絡(luò)的結(jié)合途徑 小波分析由于其基函數(shù)的自動伸縮和平移特性，已成為信號處理的重要工具。由于動靜部分碰摩而產(chǎn)生的振動具有豐富的頻譜特征，占據(jù)超低頻、低頻和高頻的各個頻帶，特征頻率復(fù)雜，特 別是對于早期的微弱的碰摩故障，故障信號的特征提取相對困難。由于轉(zhuǎn)子、軸承、殼體、密封和固定等部分的結(jié)構(gòu)及加工和安裝方面的缺陷，使電機在運行時引起振動，振動的加劇又往往是電機破壞的主要原因，所以對電機這樣的旋轉(zhuǎn)機械進行振動監(jiān)測和分析是非常必要的。 神經(jīng)網(wǎng)絡(luò)識別系統(tǒng)的輸入層接收待識別樣本的特征向量，經(jīng)過隱層神經(jīng)元的運算，輸出層的輸出就是識別結(jié)果，輸出層的每個神經(jīng)元代表一類，哪個輸出神經(jīng)元獲勝，該樣本就是該輸出神經(jīng)元所代表的那一類（所謂獲勝就是該單元的輸出遠大于其他單元的輸出）。小波包算法的基本思想是將第一次分解結(jié)果的高頻部分和低頻部分利用二抽取運算，保留其偶數(shù)部分或奇數(shù)部分（即每隔一個數(shù)保留一個）。 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。 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 。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。 （ 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。 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。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。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。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。 （ 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。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）。 顯然 ， 這與變換域中的時間信息緊密聯(lián)系在一起 。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。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。 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)。振動參數(shù)更能直接地、快速準(zhǔn)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。 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。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。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(zhǔn)備。 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。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。 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。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。 實驗過程及結(jié)果評析 根據(jù) 節(jié)所述的振動信號采集方法，本實驗采用加速度傳感器拾取直流電動機機體振動信號，測點布置在直流電動機的機殼上，采用數(shù)據(jù)采集卡進行對將傳感器信號進行 A/D 轉(zhuǎn)換，得到樣本訓(xùn)練信號和測試信號，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(zhǔn)備。但在實際應(yīng)用中，考慮到成本因素， A/D 板的位數(shù)也不可一味求高，能滿足系統(tǒng)使用要求即可。通過信號調(diào)理的各種功能，如信號的放大、隔離、濾波、多路轉(zhuǎn)換以及直接變送器調(diào)理等，使得數(shù)據(jù)采集系統(tǒng)的可靠性及性能得到極大地改善 3. 數(shù)據(jù)采集卡 數(shù)據(jù)采集卡的功能主要有模擬輸入，數(shù)字輸出，計數(shù)器 /計時器等。 Matlab 為小波分析為提供了基于 Simulink 的小波工具箱（ WaveletToolbox ），提供了圖形化的函數(shù)功能和命令，方便易用，可以用于創(chuàng)新算法研究上，但利用 Simulink 小波工具箱方法進行信號處理缺乏編程靈活性，所以本課題仍讓利用高級語言編程方法編寫 .m 文件進行程序設(shè)計，程序執(zhí)行效率明顯提高，有利于程序移植和嵌入式智能診斷軟件開發(fā)。目前有兩種結(jié)合途徑： 松散型結(jié)合 ，緊致 性結(jié)合 。但失穩(wěn)后，軸頸不僅繞軸頸中心高速旋轉(zhuǎn)，而且軸頸中心本身將繞平衡點甩轉(zhuǎn)或渦動。這些故障都會引起電機在運行過程中的強烈振動，因此對電機故障按振動原因可以分為： 1. 不對中 不對中是電機的常見故障，大多數(shù)發(fā)生在負載聯(lián)軸器部位。 BP 算法原理 BP 學(xué)習(xí)算法的基本原理是梯度最速下降法，核心思想使調(diào)整權(quán)值使網(wǎng)絡(luò)總誤差小。隨著分解層數(shù)的增加，頻段劃分得越來越細。因此，當(dāng)信號在高頻區(qū)域分布緊密時小波變換很難提高其分辨率。 在工程應(yīng)用方面 ， 連續(xù)小波變換系數(shù)的平方通常被稱為小波尺度圖 。從理論上上講，小波分析理論是建立在實變函數(shù)、復(fù)變函數(shù)、泛函分析、調(diào)和分析等近代