张柯，陆剑

小波包分析和最小二乘支持向量机的电机故障诊断

张柯，陆剑

为了提高电机故障诊断的准确性，提出一种小波包分析和最小二乘支持向量机的电机故障诊断模型。首先，采集电机不同故障状态下输出信号，采用小波包对信号进行分解提取能量特征，然后，能量特征输入最小二乘支持向量机中进行训练，建立故障状态分类器，最后，采用仿真实验对模型的性能进行测试。实验结果表明，相对于其它电机故障诊断模型，本文模型获得更优的电机故障诊断结果，具有更高的实际应用价值。

故障诊断；小波包分析；最小二乘支持向量机；特征提取

0 引言

电机作为现代工业的主要能源动力设备，在生产和日常生活中发挥着越来越重要的作用。电机一旦发生故障，不但会损坏电机本身，造成整个系统崩溃，导致整个生产过程中断，造成巨大经济损失，甚至危及人们生命安全。通过对电机故障诊断能及早发现故障并对故障进行维修，减少经济损失，提高设备运行的可靠性和经济效益。因此对电机故障诊断技术研究成为能源领域研究的一个热点问题[1-2]。

在电机故障诊断过程中，电机常见故障的特征最明显地表现在振动信号的频率上，所以振动信号能很好反映电机的运行状态[3]。由于电机振动信号属于瞬变、非平稳随机信号，常常淹没于强背景中，是一种微弱信号，且信号频率波动范围很大甚至有跳动，而传统频谱分析方法是基于信号的傅里叶变换，其对信号从频域角度进行分析，缺乏对信号局部特征的分析，且傅里叶变换对平稳随机信号的分析有效，然后对于非平稳定振动信号可能将含有丰富故障信息的微弱信号作为噪声滤去[4]。……