基于小波变换的无刷直流电机智能故障诊断的研究

摘要

随着现代科学技术的进步和生产应用的不断发展，无刷直流电机在工业、商业、航空、军事等领域中发挥着越来越重要的作用。无刷直流电机故障不仅会损坏电机本身，而且会影响整个系统的正常工作，甚至危及人身安全，造成巨大损失。通过对常见故障的诊断和分析，可以及早发现故障并预防故障的进一步恶化，减少停产损失，并为实现故障检修创造条件。 电机发生故障时，故障信号中往往含有大量的时变、短时冲击、突发性质的成分，传统的信号分析方法如Fourier变换，分析效果不佳，不能有效提取电机的故障特征。小波变换作为一种时频分析方法，它在时频域都具有表征信号局部特征的能力，能通过时频窗的灵活变换来突出信号的不同频率成分。考虑到小波变换处理非平稳信号的优越性，本论文主要研究如何将小波变换应用于电机逆变器故障诊断过程，以逆变器电路故障时输出电流波形作为故障信息，利用小波分析的方法提取故障特征，形成特征向量，作为神经网络的输入训练样本，从而实现故障元件的定位。研究内容和结论如下： （1）针对逆变器功率管短路故障，通过主回路故障情况分析，在分析功率管短路时考虑了尽可能多的故障类型，作为小波故障特征提取的故障信息。故障分析表明：可分类的故障类型主要包括两大类，一类是一个桥臂上的功率管故障，一类是两个桥臂上的功率管同时故障。 （2）获得故障信息以后，进行小波多尺度分析，得到经过五层分解的细节信号小波系数值的能量，然后进行归一化处理形成特征向量，作为神经网络的输入。 （3）利用故障特征向量对建立好的BP神经网络分类器进行训练，采集新的故障数据验证网络并实现故障元件的定位。实验结果表明，诊断效果良好。

目录

文摘

英文文摘

论文说明：图表目录

声明

第1章 绪论

1.1课题研究的目的和意义

1.2电机故障诊断技术研究的现状

1.3故障检测与诊断方法介绍

1.3.1传统故障检测方法及其比较

1.3.2最新故障诊断理论及方法

1.4小波变换理论的研究及其在电机系统中的应用

1.4.1小波变换在电机故障诊断系统中的应用概况

1.4.2小波变换检测电机故障的优越性

1.5本文的主要研究内容

第2章小波分析理论与傅里叶分析对比研究

2.1引言

2.2傅里叶变换的原理及仿真分析

2.2.1傅里叶分析的原理

2.2.2傅里叶变换仿真实验及结果分析

2.3小波变换的理论及仿真分析

2.3.1小波变换的原理

2.3.2小波变换的特点

2.3.3小波变换仿真实验及结果分析

2.4小波函数的特征与选取

2.4.1小波基的特性

2.4.2小波函数的选取

2.4.3分解尺度的确定

2.5多分辨率分析和Mallat算法

2.5.1多分辨率分析

2.5.2一维Mallat算法

2.6小波变换和傅里叶变换对比

2.6.1傅里叶分析和小波分析进行比较

2.6.2傅里叶分析的不足之处

第3章基于小波分析的逆变器故障特征提取

3.1逆变器故障研究

3.1.1逆变器故障工况分析

3.1.2逆变器故障分类

3.2逆变器短路故障仿真研究

3.2.1仿真软件介绍

3.2.2逆变器短路故障仿真分析

3.3小波多分辨率分析提取信号故障特征向量

第4章利用神经网络分类器进行故障分类

4.1人工神经网络基本理论

4.1.1神经元模型

4.1.2神经元中的激励函数

4.2 BP神经网络算法分析研究

4.2.1 BP网络结构图

4.2.2 BP网络算法流程图

4.2.3 BP网络学习算法

4.3利用神经网络实现逆变器故障诊断

4.3.1 BP神经网络模型的建立原则

4.3.2 BP神经网络的训练与仿真

4.3.3逆变器的故障诊断结果

结论与展望

参考文献

致谢

附录