禹杭，高海波，付博，林治国，尚前明，盛晨兴

1.武汉理工大学 能源与动力工程学院，湖北 武汉 430063 2.中船黄埔文冲船舶有限公司，广东 广州 510000

永磁同步推进电机作为一种新型的电机，相对传统的同步电机长度和体积降低了40%，且因其具有高效率、高功率密度等优点，使得永磁同步电机的应用愈加广泛。电机在运行过程中一旦发生故障，会对设备的生产、安全等造成不同程度的影响，并产生难以估计的损失，因此开展其故障诊断研究工作具有重大意义[1]。永磁电机振动信号中蕴含大量特征信息，利用振动信号对电机进行故障诊断是目前的研究热点。

由于永磁电机运行环境包含诸多复杂多变的因素，采集到的振动信号往往是复杂的非周期、非线性信号，其信号随机性大，幅值波动性强，特征提取困难。对此近年来关于电机的特征提取与故障诊断已有较多研究，常用的方法可分为时域法[2]、频域法[3]及时频域法[4]。其中基于时域特征的故障诊断方法多利用智能化的方式来实现。Xu Tongle 等[5]提出了一种基于局部均值分解(local mean decomposition，LMD)形态学滤波和最小二乘支持向量机(least square support vector machine，LS-SVM)的旋转机械故障诊断方法，对振动信号混合降噪，再用LMD 分解得到的能量比特征作为故障特征，实现了轴承的故障诊断；陈勇等[6]用定子电流信号和振动信号的频谱特征融合作为匝间短路故障判断依据，结合改进小波包变换算法与快速傅里叶变换，实现了永磁电机匝间短路的故障检测；黄文静[7]提取原始信号的时域特征参数均值、标准差、峭度、偏度、样本熵，经LMD 分解得到的能量特征来表征其轴承真实运行状态，用粒子群优化的BP 神经网络得到了较好的诊断效果。……