基于最优小波基的电机故障信号特征提取研究

小波变换去噪中最关键的问题是最优小波基的选取,使其能够将噪声从原始信号中分离出来。针对电机故障的特点,提出了一种基于信号的最优小波基选取方法。将信号小波变换的能量阈值曲线作为小波基函数的适用性评价指标。通过训练神经网络,选取适合该信号的最优小波基,最后采用平移不变量(TI)小波阈值法实现信号去噪。在此基础上对750W化纤电机进行了测试,实验结果表明,该方法能准确找出适合特定信号的最优小波基。训练后的神经网络可直接用于其它类型电机的信号去噪处理,具有实用价值。

我国机床工业产品性能及实力分析

针对电机的结构和故障特点,借鉴免疫系统中抗体不仅能被抗原识别,也能被其它抗体识别的特点,对传统阴性选择算法进行改进,建立了反馈免疫算法模型,并将其应用于电机多故障耦合模式下的精确诊断。该算法通过检测器间激励度矩阵反映各个故障间的相互耦合效应,从而获得多故障耦合情况下的电机故障特征;诊断过程中综合分析电机的机械和电气特征可有效避免误诊和漏诊的情况发生,提高诊断的准确率。对JSZ148-4型三相异步电动机的诊断实例表明了本文所提出算法的正确性和实用性。