有色噪声的特征提取及其在电动机故障诊断中的应用

摘要

电动机是所有大型机械设备的动力源装置。为了保证工农业生产的正常进行,需要对电动机的健康状况进行密切监视。当电动机发生故障时,将会表现出各种异常现象,其中发出的噪声信号的差异是比较明显的特征之一。
　　 本文针对电动机在不同状态下发出的噪声的不同,以不同的噪声信号的特征值作为电动机故障诊断的依据。分析和对比了噪声的分类方式、性质以及各种特征提取方法,得到自然界中的任何噪声都是有色噪声以及小波变换,特别是小波包变换,是提取有色噪声特征的有效工具的结论;对伪白噪声和粉红噪声进行了深入的分析和研究,提出了伪白噪声的白化模型和粉红噪声的ARMA模型生成法,并且利用本文提到的有色噪声的特征提取方法对构建的两个模型进行仿真,验证了模型的效果;利用在有色噪声的研究中取得的理论成果进行电动机的故障诊断。
　　 本文设计了一个将信号的检测方法,信号的分析与特征提取方式以及神经网络故障诊断技术相结合的电动机故障诊断系统。其基本过程是:由信号采集模块对电动机产生的有色噪声信号进行检测;利用小波包分解技术对采集到的信号进行分析和特征提取:再利用RBF神经网络技术对提取的信号的特征进行识别和判断,对电动机的运行状态进行决策。
　　 以型号为Y90S-4的中型电动机为实际对象,利用该故障诊断系统对模拟设置的几种常见的电动机故障信号进行实时检测和诊断,并进行了相关的仿真实验。由Matlab仿真实验的结果可知,该系统在电动机故障诊断过程中取得极好的效果。同其他故障诊断系统相比,它具有许多优势,例如诊断速度快,精确度高,结构简单,成本低廉等。因此,它具有更好的发展前景和广阔的市场空间,可以被大量地应用于工农业生产实践中。