原菊梅

(太原工业学院 自动化系， 山西 太原 030008)

小波和余弦变换的电机轴承故障特征参数构造

原菊梅

(太原工业学院 自动化系， 山西 太原 030008)

针对传统故障诊断特征参数的应用缺陷， 提出了一种小波和余弦变换的感应电机轴承故障特征参数提取方法. 首先， 根据感应电机轴承振动信号的特点选择合适的小波滤波器和信息代价函数， 并将感应电机轴承振动信号分解到各个不同的频域子空间； 然后， 基于离散余弦变换的频域能量聚集性对分解后的信号构造感应电机轴承故障特征参数， 并对实际感应电机轴承正常、 内圈故障、 外圈故障和滚珠故障4种状态的振动信号进行分析， 验证了所构造的特征参数能有效地实现电机轴承的早期故障检测与诊断； 最后， 与传统故障诊断特征参数方法进行了比较， 说明所提出的特征参数构造方法对于感应电机轴承早期故障的诊断优于传统故障诊断特征参数方法.

小波包； 离散余弦变换； 故障诊断； 电机； 轴承

振动信号分析法是目前最常用的轴承故障诊断方法之一. 振动信号的传统处理方法有通过相关函数、 充分统计量、 时域指数、 频域指数等直接分析测量信号， 提取诸如方差、 峭度、 功率谱重心指标等时频域特征值来检测故障的发生， 但是， 这些方法对于轴承早期故障的诊断效果都不理想. 近几年， 人工神经网络(Artificial Neural Networks， ANN)、 支持向量机(Support Vector Machine， SVM)、 模糊逻辑(Fuzzy Logic)和进化算法(Evolving Algorithms， EA)等各种智能化技术都已成功应用……