本文關(guān)鍵詞：基于小波分析的感應(yīng)電動機故障診斷

  更多相關(guān)文章： 小波包分析 故障診斷 感應(yīng)電機 小波基

【摘要】：隨著現(xiàn)代化生產(chǎn)方式的普及與發(fā)展,生產(chǎn)過程對設(shè)備的依賴逐漸大于對人的依賴。電機作為應(yīng)用廣泛的工業(yè)設(shè)備,成為了現(xiàn)代化生產(chǎn)中必要的組成。電機的故障診斷也越發(fā)的重要,成為電機運行的安全衛(wèi)士。電機故障診斷的終極目標是有效防治故障,確保電機正常運行。首先是提取信號,查明原因,清除異常;其次是實時監(jiān)測,防患未然,避免損失;最后是明確根源,徹底修護,根除障礙。而診斷技術(shù)的發(fā)展歷程中,信號的處理是關(guān)鍵的一環(huán),目前大多數(shù)的研究都集中于此。本文介紹了電機的主要故障類型,比較了目前主流的故障診斷技術(shù)手段,并對定子電流法以及振動分析法進行了闡述以及討論。在診斷系統(tǒng)重要的信號處理部分,本文采用了小波包分析法,在Matlab上,對基于改進的小波包分析法的振動信號分析法以及定子電流法進行診斷驗證,成功的分離出故障類別的特征頻率,檢測出了故障類型,驗證了本文提出的改進的感應(yīng)電機故障診斷方案的可行性。具體來說,本文首先介紹了電機故障診斷的研究背景和意義,對國內(nèi)外電機故障診斷技術(shù)的發(fā)展歷程進行了概述,并對電機的故障類型分布以及故障原因進行了數(shù)據(jù)對比、分析;其次,對傅里葉分析以及小波分析的數(shù)學原理進行了闡述。在此章節(jié)的最后一節(jié)圍繞兩種變換中,基的不同展開討論,小波變換相對于傅里葉變換的優(yōu)勢在這部分內(nèi)容中得到了簡單明了的分析。因此,本文采用小波分析作為信號處理的數(shù)學方法,對故障的精確診斷提供支持;進一步,對小波包分析法在實際應(yīng)用中呈現(xiàn)的問題,進行了探討分析。提出了3個改進方案,分別是特定故障最佳小波基選擇算法、頻率混淆改善算法(包括頻率交錯調(diào)整以及改善的單節(jié)點重構(gòu)算法)、小波包結(jié)合傅里葉確定故障特征頻率;最后,將小波包應(yīng)用改進方案分別與電機振動分析法以及定子電流法進行整合,提出了改進的電機振動分析法以及改進的定子電流法,并且通過實驗驗證改進診斷算法以及最佳小波基算法的可行性。通過本文的論證以及對比,驗證了小波包分析在故障診斷領(lǐng)域應(yīng)用上的優(yōu)勢,小波分析的引入為故障診斷提供了更加精確的可能。而特定故障的最佳小波基算法可以篩選出適合故障特征的小波基,可以進一步的結(jié)合人工智能進行故障分析識別。隨著小波分析研究的深入,小波分析在故障診斷領(lǐng)域的運用會愈加卓越。
【關(guān)鍵詞】：小波包分析 故障診斷 感應(yīng)電機 小波基
【學位授予單位】：華南理工大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：TM346
【目錄】：

• 摘要4-6
• ABSTRACT6-11
• 第一章 緒論11-25
• 1.1 研究背景和意義11-12
• 1.2 國內(nèi)外電機故障診斷概況12-14
• 1.3 電機故障診斷技術(shù)的主要研究內(nèi)容14-15
• 1.4 感應(yīng)電動機常見的故障分布統(tǒng)計以及常見診斷手段15-23
• 1.4.1 感應(yīng)電動機常見故障分布案例統(tǒng)計15-22
• 1.4.2 感應(yīng)電動機常見的故障診斷方法22-23
• 1.5 本文的主要工作23-25
• 第二章 小波分析理論基礎(chǔ)25-40
• 2.1 傅里葉變換及其改進25-27
• 2.1.1 傅里葉變換25
• 2.1.2 窗.傅里葉變換25-26
• 2.1.3 傅里葉變換于信號處理的局限性26-27
• 2.2 小波變換27-38
• 2.2.1 小波基函數(shù)27-32
• 2.2.2 連續(xù)以及離散小波變換32-33
• 2.2.3 多分辨率分析33
• 2.2.4 信號多分辨率分解與重構(gòu)33-36
• 2.2.5 小波包分析36
• 2.2.6 小波優(yōu)勢分析36-38
• 2.3 本章小結(jié)38-40
• 第三章 應(yīng)用于感應(yīng)電機故障診斷的小波包分析改進40-54
• 3.1 小波包分析應(yīng)用于故障診斷的可行性討論40-41
• 3.2 小波包快速算法頻率混淆調(diào)整41-46
• 3.3 信號能量結(jié)合傅里葉變換作為故障判斷標準46-49
• 3.4 特定故障最佳小波基的選取49-53
• 3.5 本章小結(jié)53-54
• 第四章 基于小波包分析的振動信號特征分析54-68
• 4.1 感應(yīng)電動機的振動信號特征分析54-59
• 4.1.1 定子異常產(chǎn)生的定子電磁振動54-55
• 4.1.2 轉(zhuǎn)子導體異常引起的電磁振動55-56
• 4.1.3 轉(zhuǎn)子不平衡產(chǎn)生的機械振動56-57
• 4.1.4 滾動軸承異常產(chǎn)生的機械振動57-58
• 4.1.5 轉(zhuǎn)子不對中產(chǎn)生的機械振動58
• 4.1.6 密封和間隙動力失穩(wěn)產(chǎn)生的振動58-59
• 4.2 改進的振動信號分析法流程59-60
• 4.3 改進的振動信號分析法應(yīng)用于轉(zhuǎn)子不對中故障診斷60-67
• 4.3.1 轉(zhuǎn)子不對中故障小波基函數(shù)選擇60-63
• 4.3.2 轉(zhuǎn)子不對中故障的診斷63-66
• 4.3.3 不同小波基分解效果對比66-67
• 4.4 本章小結(jié)67-68
• 第五章 基于小波包分析的電機定子電流信號特征分析68-95
• 5.1 感應(yīng)電動機的定子電流特征分析(MCSA)68-72
• 5.1.1 電流特征成因68
• 5.1.2 故障電流特征頻率68-72
• 5.2 改進的定子電流特征分析流程72-73
• 5.3 定子電流分析法應(yīng)用于轉(zhuǎn)子斷條故障分析診斷73-83
• 5.3.1 轉(zhuǎn)子斷條故障小波基函數(shù)選擇73-77
• 5.3.2 轉(zhuǎn)子斷條故障的診斷77-81
• 5.3.3 不同小波基分解效果對比81-83
• 5.4 定子電流分析法應(yīng)用于匝間短路故障診斷83-94
• 5.4.1 匝間短路故障的特征83-84
• 5.4.2 匝間短路故障小波基函數(shù)選擇84-86
• 5.4.3 匝間短路故障的診斷86-92
• 5.4.4 不同小波基分解效果對比92-94
• 5.5 本章小結(jié)94-95
• 結(jié)論95-96
• 參考文獻96-102
• 攻讀碩士學位期間取得的研究成果102-103
• 致謝103-104
• 附件104

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 雷宏峰;王朝暉;郭存杰;;電機故障診斷中電流信號采集的研究[J];電機技術(shù);2005年04期

2 陳祥訓;對幾個小波基本概念的理解[J];電力系統(tǒng)自動化;2004年01期

3 周靜,陳允平,周策,梁勁;小波系數(shù)軟硬閾值折中方法在故障定位消噪中的應(yīng)用[J];電力系統(tǒng)自動化;2005年01期

4 胡國勝,任震,黃雯瑩;小波變換在電力系統(tǒng)中應(yīng)用研究[J];電力自動化設(shè)備;2002年03期

5 王紅君;劉冬生;岳有軍;;基于小波分析和神經(jīng)網(wǎng)絡(luò)的電機故障診斷方法研究[J];電氣傳動;2010年03期

6 李建平,張萬萍,陳廷槐,徐問之;多種小波基應(yīng)用性能分析(Ⅰ)[J];重慶大學學報(自然科學版);1998年02期

7 常廣;張振乾;王毅;;高壓斷路器機械故障振動診斷綜述[J];高壓電器;2011年08期

8 張中民,盧文祥,楊叔子,張英堂;滾動軸承故障振動模型及其應(yīng)用研究[J];華中理工大學學報;1997年03期

9 沈艷霞,紀志成,姜建國;電機故障診斷的人工智能方法綜述[J];微特電機;2004年02期

10 趙學智,陳統(tǒng)堅,彭永紅,葉邦彥;卷積型小波包變換及其快速算法[J];信號處理;2002年06期

中國博士學位論文全文數(shù)據(jù)庫 前1條

1 魏云冰;小波變換在電機故障診斷與測試中的應(yīng)用研究[D];浙江大學;2002年

中國碩士學位論文全文數(shù)據(jù)庫 前4條

1 司方坤;基于小波包分析的感應(yīng)電機故障診斷技術(shù)的研究[D];西安電子科技大學;2011年

2 勾軼;基于小波分析的中小型電機故障診斷研究[D];沈陽工業(yè)大學;2004年

3 劉蕾蕾;基于小波分析的電機故障信號診斷研究[D];哈爾濱理工大學;2007年

4 孫鴻婷;基于FFT和小波變換的電能質(zhì)量實時監(jiān)測儀的研究[D];西安科技大學;2010年

，

本文編號：703519