资料下载
×
基于小波分析和神经网络的电机故障诊断方法研究
消耗积分:5 |
格式:rar |
大小:313 |
2010-11-12
王娟
分享资料个
摘要:在电机故障诊断技术中,电机振动信号最能全面反映电机的运行状态。由于电机振动信号属于非
平稳随机信号,传统的傅里叶变换从频域角度进行信号分析,只能说明信号中某频率成分幅值的大小和频率
密度,不能检测奇异信号点的时域信息,而且还可能将含有丰富故障信息的微弱信号作为噪声滤去。因此,不
能完全满足故障信号特征提取的要求。为解决这一问题,提出一种基于小波分析和神经网络的电机故障诊断
方法,该方法采用小波时频分析技术对电机故障振动信号进行消噪滤波,通过小波包分解系数求取频带能量,
根据各个频带能量的变化提取故障特征,应用BP 神经网络进行故障识别,并采用Matlab 仿真软件予以实
现。结果表明,该方法不需要建立电机的故障诊断模型,能有效提高电机故障诊断的准确性。
平稳随机信号,传统的傅里叶变换从频域角度进行信号分析,只能说明信号中某频率成分幅值的大小和频率
密度,不能检测奇异信号点的时域信息,而且还可能将含有丰富故障信息的微弱信号作为噪声滤去。因此,不
能完全满足故障信号特征提取的要求。为解决这一问题,提出一种基于小波分析和神经网络的电机故障诊断
方法,该方法采用小波时频分析技术对电机故障振动信号进行消噪滤波,通过小波包分解系数求取频带能量,
根据各个频带能量的变化提取故障特征,应用BP 神经网络进行故障识别,并采用Matlab 仿真软件予以实
现。结果表明,该方法不需要建立电机的故障诊断模型,能有效提高电机故障诊断的准确性。
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
评论(0)
发评论
- 相关下载
- 相关文章
