基于小波包和EMD相结合的电机轴承故障诊断

摘要

电机是现代社会生产中应用最广泛的一种驱动机械，随着现代化科学技术的进步和生产系统的不断发展，电机在生产中发挥着越来越重要的作用。异步电动机尤以其结构简单、制造成本低廉、可靠性高、使用寿命长、维修方便等特点广泛应用于生产、生活等领域中。电机的故障和停止运行，不仅会损坏电机本身，而且会影响整个生产系统的正常工作，甚至会危及人身安全，造成巨大的经济损失和恶劣的社会影响，因此对电机故障的诊断要求十分迫切。
　　 电机故障中几乎一半的故障与轴承有关，这是因为轴承是电机中工作条件最为恶劣的部件，它起着承受载荷和传递载荷的作用。由于受到载荷、安装、润滑状态等因素的影响，运转一段时间后会产生各种不同类型的故障。因此滚动轴承是电机中较为薄弱的环节，其运行状态是否正常往往直接影响到整台机器的性能。
　　 本文以电机轴承为研究对象，针对电机滚动轴承的内圈故障、滚动体故障及其组合故障进行分析，详细地阐述了电动机故障的机理，分析了造成各种故障的原因，得出了几种常见故障的频率表现。在实验中，我们采集了电机故障轴承的振动信号进行分析。
　　 故障检测技术中，信号故障特征的分析与提取是故障诊断的关键，直接关系到故障诊断的准确性，电机的故障信号是非平稳信号，傅里叶变换不能有效地提取电机的故障特征，小波变换具有良好的时频局部性，能够将信号在任意频段进行划分，本文采取小波包变换提取信号的故障特征信息。又由于小波包对噪声信号具有较好抑制作用，消噪特性非常明显，本文通过比较小波与小波包对信号的消噪效果，证明小波包对信号具有最优的降噪效果。
　　 经验模式分解(EMD)是一种基于信号局部特征的新的信号处理方法，通过它可得到使瞬时频率有意义的时间序列——基本模态分量(IMF)，特别适合于非线性、非平稳信号的分析处理，并获得表达信号特征的信息。
　　 本文将二者的优点结合起来，提出一种小波和EMD相结合进行轴承故障诊断的新方法，该方法能够突出表现电机轴承在故障状态下的振动信号产生的数据特征并将其有效地提取出来，克服了快速傅立叶变换的局限性。
　　 并采用该方法分别对实验所得的轴承内圈故障、滚动体故障及其组合故障信号进行处理，提取故障特征并判定故障类型，取得了良好的效果。此方法可以较好地解决电机的轴承故障诊断问题，且更加准确、清晰化。