基于小波变换的火炮随动系统电机故障分析诊断

基于小波能量谱分析的电机故障诊断①张敬春,谷爱昱,莫慧芳(广东工业大学自动化学院,广州510090)摘要:电机是一种复杂的旋转机械,故障种类多而且难以辨别,利用傅里叶变换对噪声信号分析很难得出满意的结果。

为了对小功率异步电机的常见故障进行正确快速地声频诊断,采用小波分析技术对小功率异步电机的几种常见故障噪声进行了多分辨率分析,从能量分布的角度出发,快速且较为准确地诊断出电机故障,诊断效果明显好于傅里叶分析。

表明小波分析是对电机故障进行声频诊断的有效方法,同时也提供了一种思路,为电机故障在线实时诊断提供了理论依据。

关键词:电机;小波;噪音;故障诊断;能量谱中图分类号:TM301.4 文献标识码:A 文章编号:100328930(2006)0320055204Fault D i agnosis for Electr ic M otor Ba sed onW avelet-Energy Spectru mZHAN G J ing2chun,GU A i2yu,M O H u i2fang(Co llege of A u tom ati on,Guangdong U n iversity of T echno logy,Guangzhou510090,Ch ina)Abstract:It is difficult to identify vari ous faults of electric mo to rs by using FFT to analyze the no ise signal. T h is paper introduces w avelet theo ry and app lies it to the common fault diagno sis of m icro2pow er inducti on mo to r.Several types of fault no ise are analyzed w ith m ulti2reso luti on analysis.T he results show that the p ropo sed m ethod has a better perfo r m ance in rap idity and validity.It also sheds ligh t on further research. Key words:electric mo to r;w avelet;no ise;fault diagno sis;energy spectrum1　前言 小功率异步电动机,特别是单相异步电动机在家用电器中应用十分广泛。

基于小波变换的电气设备故障诊断技术1李淑娥邸敏艳吕锋（河北师范大学电子系050031）摘要小波变换具有良好的时——频特性，因此可以有效地用于电气设备故障诊断。

在对电气设备进行故障分析、故障诊断过程中，利用小波变换进行故障信号的故障时刻检测具有重要意义。

小波变换用于电气设备故障诊断就是对电气设备各种电磁、机械等信号进行实时监测控制，判别其状态，以求在故障初期或故障时刻发出警报，并随时进行处理、排除故障。

对信号进行特征提取，是故障诊断的关键。

突变信号往往表明电气设备发生了某类故障，如果能对突变信号进行有效识别，就可以进行故障诊断、故障分析、从而排除故障。

本文分析了电气设备故障的奇异性，通过仿真得出小波变换用于电气设备故障诊断的方法，以准确检测奇异点，提取故障时刻。

关键词小波变换；信号检测；奇异点；故障时刻。

中图分类号：TM711The Tecnology Of The Fault DiagnosisIn The Electricity Equipments Based On The Wavelet TransformationLi Shue Di Minyan Lv Feng(Electrical department of Hebei Normal University ，Shijiazhuang 050031)Abstract:Because of the wavelet transformation has the good hour-frequency characteristic, So it can be availably used for the fault diagnosis in the electricity equipments. At the proceeds of the electric appliances equipments analyze and examination,It’s so important that uses the wavelet transformation to the electric appliances equipments examination,The wavelet transformation uses for the electric appliances equipments examination is the examination of solid hour for the physics signal of electromagnetism、machine etc.Distinguish its appearance、send out the alert at the early or every moment in the electric equipments breakdown and handle、expel the breakdown in the time. Withdrawing the signal characteristic is a key to fault diagnosis.The mutation signal usually expresses the electricity equipments have a certain fault take placed. If we can identify the mutation signal, So we can proceed the fault diagnosis, the fault analysis and the fault expel. This text analyzes the stange of the fault in the electricity equipments, and draws a conclution of the wavelet transformation used in the electricity equipments fault.So it can withdraw the fault time, and1本课题为国家自然科学基金资助（NO：60374020）；河北省自然科学基金资助（NO：F2004000180）；河北省教育厅自然科学研究资助（NO:2003240）.prove the correctness of the strang point examination.Key words: wavelet transformation; signal detection; strange point; fault diagnosis.1、 引言小波变换作为一种信号的时间――尺度分析和时间――频率分析法，能有效地从信号中提取信息，由于小波函数具有良好的时――频特性，因而小波分析方法为信号的时――频分析提供了有力的工具。

基于小波变换信号处理的故障诊断方法作者：孙丽君郑善亮来源：《大东方》2015年第10期摘要：本文着重介绍基于小波变换信号处理的故障诊断方法。

所谓基于信号处理的方法，通常是利用信号模型，如相关函数、频谱、自回归滑动平均、小波变换等，直接分析可测信号，提取诸如方差、幅值、频率等特征值，从而检测出故障。

故障诊断时，对采集的信号进行小波变换，在变换后的信号中除去由于输入变化引起的奇异点，剩下的奇异点即为系统发生的故障点。

关键词：小波变换；信号处理；小波除噪为保证发动机安全、高效的运行，对其进行状态检测与故障诊断非常重要。

由于内燃机在一个工作循环内转速是波动的，其转速的波动由瞬时转速来表达，发动机转速中包含各缸的气体压力、外负载、曲轴的转角等大量可供提取的内部状态信息，且转速测取方便。

目前文献对瞬时转速的研究多为如何利用瞬时转速判断气缸的压缩性、扭矩及发动机的工作状态等，总的来说研究得很少。

本文以发动机断缸故障为例，探讨了发动机转速信号小波分析法的可行性。

1实验及怠速信号采集1.1实验过程实验在Volvo B230F型电控发动机（点火顺序为1-3-4-2）上进行，试验数据见表1.1。

试验在怠速下进行，切断第4和第2缸的供油采集转速传感器的正常和异常信号，记录发动机转速、点火提前角、喷油脉宽等参数的变化。

表1.1 实验数据从表1.1可以看出，当发动机两个缸断油时，喷油脉宽增到4.0 ms，油耗和点火提前角不变，发动机转速基本不变，但有不稳现象。

这是因为：断缸后，转速有下降趋势，为了维持怠速工况稳定，电脑指令喷油脉宽由2.6ms增加到4.0ms，保持总供油量不变，故转速基本不变。

但由于供油量变化与转速变化不同步，加之各缸混合气均匀性恶化，故运转出现不稳现象。

1.2小波除噪各状态下的转速波形具有明显的干扰现象，这些干扰与各缸工作程度差异、传感器振动有关，同时干扰对故障特征参数提取有影响，所以去除干扰信号保留状态信息是诊断中的一个重要环节。

应用天地 2008年 2月第 27卷第 2期基于小波包能量谱分析的电机故障诊断唐友怀张海涛罗珊姜喆(工程兵工程学院南京 210007摘要 :小波包是继小波分析后提出的一种新型的多尺度分析方法 [1], 解决了小波分析在高频部分分辨率差的缺点 , 体现了比小波分析更好的处理效果。

文章描述了小波包分析方法的基本原理及其实现算法 , 并从能量分布的角度出发 , 阐述了在电机故障诊断中 , 利用小波包分析方法将模糊故障信号进行量化、分解 , 从而便于用单片机进行处理、判断的一种新的应用途径 , 在实验室中模拟各种电机故障进行了实验验证 , 实验进一步表明基于小波包能量谱分析的电机故障诊断方法是一种方便灵活并且准确度很高的故障诊断方法。

关键词 :小波包 ; 故障诊断 ; 能量谱 ; 电机中图分类号 :TP182文献标识码 :AB ased on w avelet p acked energy motor fau lt diagnosisHaitao L uo Shan Jiang Zhe(College of Engineering Corps , Nanjing 210007Abstract :The wavelet packed is presented as a new kind of multiscale analysis technique followed Wavelet analysis. it re 2solved t he wavelet analysis disadvantage on t he part of high frequency resolution lower , showed better treat ment effect t han wavelet analysis. The f undamental and it s realization arit hmetic of t he wavelet packed analysis met hod are described in t his paper. A new application approach of t he wavelet packed met hod on t he motor fault diagnosis from energy distrib 2uting angle is expatiated. And given t he experimental met hod and t he conclusion. and a new application approach which is convenient for t he microchip to process and judge by using t he wavelet packed analysis met hod to make the f uzzy motor fault diagnosis signals quantized and analyzedis proposed in t his paper. K inds of motor fault s experiment s are simulated in t he lab and t he experiment s prove t hat it is a more convenient and accurate motor fault diagnosis met hod which is based on wavelet packed enemy spectrum analysis.K eyw ords :wavelet packed ;failure diagnosis ;enemy spectrum ;motor作者简介 :唐友怀 (19742 , 讲师 , 主要研究方向为电力工程及其自动化、氢能发电、机电一体化等。

基于小波分析的电机故障诊断研究
电机作为工业生产中关键设备，在操作中如果发生故障就会给企业带来大量的损失。

为了有效检测和诊断电机故障，近期已经有许多电机故障检测和诊断的方法应用于实际价值场合。

其中，小波分析作为一种新兴的非常有效的故障诊断方法，可以用来分辨杂波信号中的脉冲和非脉冲特征，以及从持续的有序的绘图中分辨出不同版本信号。

此外，小波分析也可以被用来检查被测电机参数变化的细微变化，可以用来精准判断电机的可靠性和可用性，指导电机维修操作，提供实时运行监测及趋势分析。

因此，将小波分析应用于电机故障检测和诊断具有重要意义。

首先，为了有效提取电机故障特征，必须采用科学的信号处理技术和算法。

其次，由于故障信号的非平稳性，经常会受到背景噪声的干扰，因此，在处理过程中，必须使用合适的抗噪技术，例如统计分布叕函数和回归方法，来对不同信号进行噪声抑制。

此外，还可以利用小波分析，形成多维特征空间，从而有效提取出电机故障信号的特征，准确定位故障源头，以及诊断电机故障的类型，进而提升电机运行的可靠性和安全性。

在此基础上，研究者还需采取更多的方法，改进小波分析中的算法性能，准确预测和发现电机故障的根源，从而使得早期的电机检测和故障诊断更加可靠和准确。

同时，研究者还需努力探索新的强大计算机算法和微处理器，将其与小波技术相结合，实现高效的故障检测技术，以提高电机的运行效率。

基于小波变换的故障诊断方法与实践故障诊断是一项关键的技术，它在各个领域都有着广泛的应用。

随着科技的不断发展，传统的故障诊断方法已经不能满足实际需求。

而基于小波变换的故障诊断方法则成为了一种新的选择。

小波变换是一种数学工具，它可以将一个信号分解成不同尺度的频谱成分。

这种分解可以帮助我们更好地理解信号的特性。

在故障诊断中，我们可以利用小波变换将信号分解成不同频率范围的子信号，从而更容易检测出故障信号的存在。

在实践中，基于小波变换的故障诊断方法有着广泛的应用。

以机械故障诊断为例，我们可以将机械振动信号进行小波变换，得到不同频率范围的子信号。

通过分析这些子信号的能量分布和频谱特性，我们可以判断机械系统是否存在故障。

例如，当机械系统存在轴承故障时，其振动信号会在特定频率范围内出现异常，通过小波变换可以更容易地检测到这些异常信号。

除了机械故障诊断，基于小波变换的方法还可以应用于电力系统的故障诊断。

电力系统中存在各种故障类型，如短路、过载等。

通过对电力信号进行小波变换，我们可以得到不同频率范围的子信号，从而更容易检测到故障信号的存在。

例如，当电力系统存在短路故障时，其电流信号会在特定频率范围内出现异常，通过小波变换可以更容易地检测到这些异常信号。

除了故障诊断，基于小波变换的方法还可以应用于故障定位。

在实际应用中，我们往往需要确定故障发生的位置，以便进行修复。

通过对信号进行小波变换，我们可以得到不同位置上的频谱成分，从而更容易确定故障发生的位置。

例如，在电力系统中，当存在短路故障时，我们可以通过对电流信号进行小波变换，得到不同位置上的频谱成分，从而确定短路故障发生的位置。

总之，基于小波变换的故障诊断方法在现代技术中有着广泛的应用。

通过对信号进行小波变换，我们可以更好地理解信号的特性，从而更容易检测到故障信号的存在。

在实践中，我们可以将这种方法应用于各个领域，如机械故障诊断、电力系统故障诊断等。

通过不断的实践和研究，基于小波变换的故障诊断方法将会得到进一步的发展和完善。

基于小波变换的故障诊断技术研究近年来，工业设备的智能化和自动化不断推进，工业自动化是工业现代化和信息化的重要标志。

而故障诊断是工业自动化的基础，是确保机器设备正常运行的重要一环。

因此，研究和发展故障诊断技术，对提高工业自动化的水平具有重要意义。

基于小波变换的故障诊断技术是目前最主流的一种方法，它可以尽可能多地获取故障信号的各种特征，并从各种角度对故障信号进行分析和判断。

一、小波变换的原理及特点小波变换是一种多尺度分析方法，它可以将时域信号转化到频域和时频域内进行分析。

相比于傅里叶变换和小波变换，小波变换具有多尺度分析能力、时间-频率局部性等特点。

小波变换分析的信号可以为非平稳信号，同时又不会丢失其时间信息。

如果需要对信号的高频部分、低频部分、振荡部分等进行分析，特别是对瞬态信号，诸如故障信号等进行分析，小波变换更具有优势。

二、基于小波变换的信号分析方法基于小波变换的信号分析方法实际上就是用小波变换分析信号，寻找信号存在的规律，并最终找到故障的存在。

目前，基于小波变换的信号分析方法包括以下几种。

1、小波包分析方法小波包分析方法是一种信号分析方法，它可以将信号拆分成不同的频带，分析信号的低频部分、高频部分以及干扰项等，从而提取故障信号的各个特征。

2、小波功率谱分析法小波功率谱分析方法是利用小波变换对信号进行频域分析，计算不同频率下信号的功率谱，根据功率谱的不同变化以及信号的频率分布情况来判别故障是否存在。

3、小波包分解演示法小波包分解演示法是利用小波变换对信号进行分解，得到不同频率的信号分量，对各个信号分量进行振动信号检测，发现故障信号振动路径变化、振动幅度变化、振动频率变化以及振动形态变化等，从而判断故障是否存在。

三、基于小波变换的故障诊断技术的应用基于小波变换的故障诊断技术应用于各个领域，特别是机械、汽车、飞行器等涉及重要的设备工业领域。

常用的故障诊断包括轴承寿命评估、发动机燃烧不稳定性分析、机械泵腔诊断等。

基于小波变换的火炮随动系统电机故障分析诊断
白颖;赵岩;李峻年
【期刊名称】《舰船电子工程》
【年(卷),期】2014(034)002
【摘要】针对火炮随动系统维护的重要性,论文从检测火炮随动系统电机振动入手,应用小波变换理论对电机的运行状态进行处理和分析,进而通过诊断软件检测电机是否有故障,并找出电机运行时产生故障的位置和原因,达到对随动电机进行预知维修的目的,提高火炮系统作战能力.
【总页数】4页(P115-118)
【作者】白颖;赵岩;李峻年
【作者单位】92941部队94分队葫芦岛125001;92941部队94分队葫芦岛125001;海军驻葫芦岛431军代室葫芦岛 125001
【正文语种】中文
【中图分类】TJ391
【相关文献】
1.新型自行火炮随动系统故障诊断系统与实现 [J], 黄林昊;龚长红;杨云飞
2.基于iRMX操作系统的火炮随动性能测控系统 [J], 赫赤;曹健;赵克定;韩东霏
3.双电机消隙技术在某火炮随动系统中的应用 [J], 张原;周璐璐
4.基于转子磁链定向的感应电机火炮随动系统设计 [J], 王铮言;吕明
5.基于ASAPSO的火炮随动系统模糊控制策略 [J], 王继超;冷育明;戚延辉;王磊
因版权原因，仅展示原文概要，查看原文内容请购买。

基于小波分析的电机故障诊断研究【摘要】电机作为现代工业的主要能源动力设备，其作用不言而喻。

如果拖动生产设备的电机出现故障，将使生产过程中断，造成巨大的经济损失。

因此，针对电机的故障监测与诊断技术的研究，具有重要的理论研究价值和工程实践意义。

本文分析了小波分析的特征，进行了基于小波分析的电机故障诊断实证分析。

【关键词】小波分析电机故障诊断中图分类号：u472.42 文献标识码：a 文章编号：从电机启停运行过程中的电流、温度和振动等信号可以提取故障特征信息。

其中属于非平稳随机信号的振动信号最能全面反映电机的运行状态。

然而实践证明基于傅里叶变换的频域分析方法不能有效提取电机振动信号中蕴含的故障信息，无法满足故障信号特征提取的要求。

小波分析采用多分辨率分析的方法，时间窗和频率窗可以根据信号的具体形态动态地调整，低频部分采用低的时间分辨率，提高频率分辨率，而在高频部分可以采用较低的频率分辨率来换取精确的时间定位。

因此，小波分析广泛应用于时频分析领域。

一、小波分析的特征1、采用小波的原因传统的基于傅立叶变换的fft 频谱分析对平稳随机信号分析和处理很有效，然而它只对信号中的正弦成分进行统计，实际的振动诊断信号中可能包含早期的微弱信号与大量的非平稳信号，比如摩擦、旋转失速、机械松动、电磁故障等。

利用基于傅立叶变换的频谱分析显得无能为力。

后来采用加窗fft 也就是st ft ( 短时fft) 。

它的基本思想是把信号分成很多段，每段近似为平稳信号。

但是stft 是单分辨率的分析方法，适用于分析具有固定不变带宽的突变信号，无法对非平稳信号进行完全的分析。

近年来兴起的小波分析技术具有良好的时频局部化特性，不仅可以分析平稳的随机信号，还可以分析非平稳的随机信号。

因此，小波分析迅速成为故障诊断中比较理想的信号处理工具。

小波分析方法中两个重要方面是积分小波变换和小波级数。

小波变换可以解决有奇异变化的信号，小波分解可以把高频和低频波按不同的波带分解清楚。

基于小波分析和神经网络的电机故障诊断系统研究的开题报告一、研究背景和意义电机是工业生产中不可或缺的设备，其运作稳定性和可靠性对工业生产的影响巨大。

然而，电机故障是常见的问题，如轴承故障、电路故障等，如果未能及时发现和处理，可能导致设备停机、生产损失甚至人员伤亡。

因此，建立一套完整、准确、可靠的电机故障诊断系统对于提高设备运行效率、降低生产维护成本、保障工作环境安全等具有重要意义。

传统的电机故障诊断方法基本上依赖于人工诊断，这需要专业的技术人员进行现场检查和分析。

由于故障种类繁多，某些故障不易直接观察到，因此准确诊断电机故障可能需要耗费大量时间和资源。

这促使学者们探索数字信号处理和机器学习等技术在电机故障诊断中的应用。

基于数字信号处理和机器学习的电机故障诊断系统有诸多优点，包括具有实时性、高精度、高效性和可自动化等特点。

小波分析和神经网络是数字信号处理和机器学习技术中应用较为广泛的两个方向。

小波分析可以对信号进行时频分析，提取信号特征；神经网络可以处理大型数据集，并学习数据集中的规律以从中得出结论。

因此，研发一种基于小波分析和神经网络的电机故障诊断系统，是一项很有前景和挑战性的研究工作。

二、研究内容和方法本课题拟通过如下步骤来开展基于小波分析和神经网络的电机故障诊断系统的研究：1.采集电机信号数据首先，需要收集不同工况下的电机信号数据，并对数据进行初步处理和特征提取。

2.小波分析对于采集到的电机信号数据，将采用小波分析方法对其进行时频分析，并提取出一些有意义的特征参数。

这些特征参数可以作为后续神经网络的输入。

3.神经网络建模建立一个基于BP神经网络的电机故障诊断模型，并利用采集到的电机信号特征数据进行训练和验证。

同时，考虑到电机故障类型可能较多，需要设计并训练多种不同类型故障的神经网络模型。

4.系统集成和测试将小波分析和神经网络模型应用于电机故障诊断系统中，构建完整的系统框架，并进行相关测试和优化。

基于小波分析的电机故障信号诊断研究的开题报告
一、研究背景与意义：
电机作为工业生产中广泛使用的动力设备，在运转过程中容易出现
故障问题，导致设备的停机维修和生产线的质量降低。

因此，非常有必
要开展基于小波分析的电机故障信号诊断研究。

小波分析作为一种信号分析方法，已被广泛应用于机械故障诊断领域。

因此，利用小波分析方法对电机故障信号进行分析，可以更好地区
分和定位电机故障，提高设备的可靠性和生产效率。

二、研究内容：
本研究将采用小波分析方法对电机故障信号进行诊断研究，主要研
究内容包括：
1.电机故障信号采集方法研究；
2.小波变换及其应用原理研究；
3.基于小波分析的电机故障诊断方法研究；
4.电机故障信号识别和分类算法研究。

三、研究方法：
本研究将采用实验研究和数学计算方法相结合的方式，通过实验采
集电机故障信号，利用小波分析方法对信号进行分析，并运用数学计算
方法进行建模和算法开发。

四、预期成果与创新性：
本研究预期将能够实现基于小波分析的电机故障信号诊断方法研究，识别常见故障类型，如轴承故障、齿轮故障等。

同时，本研究具有较强
的创新性，将小波分析方法应用于电机故障信号诊断领域，为电机故障
诊断领域提供一种新的思路和方法。