機械故障診斷之非穩態信號特徵擷取技術.pdfVIP

先進工程學刊第七卷 第三期 95 Journal of Advanced Engineering Vol. 7, No. 3, pp. 95-100 / July 2012 機械故障診斷之非穩態信號特徵擷取技術 Feature Extraction Techniques of Nonstationary Signal for Fault Diagnosis in Machinery System 1 1 2 2 *2 2 王俊傑 廖錦棋 張耕與 方俊傑 張永鵬 康淵 Chun-Chieh Wang1 1 2 2 *2 2 , Chin-Chi Liao , Kang-Yu Chang , Jun-Jie Fang , Yeon-Pun Chang , Yuan Kang 摘要 以往機械故障診斷環境在轉速固定或穩態狀態下，如核電廠主汽機所使用的 泵、馬達等關鍵設備，應用頻譜分析方法（如傅立業轉換，Fast Fourier Transform ， FFT ）提取信號之頻譜特徵，作為辨識故障成因之根據。但對於瞬間轉速變化大 的機械設備，如風力發電機齒輪箱或 3C 組裝用之機械手臂等，所產生的信號模 式大部分為非穩態信號，其信號特徵會隨分析時間長度而平均化，無法被突顯， 導致在故障診斷或辨識上之困難。為了改善此缺點，本文提出時頻階次譜方法。 此方法結合短時傅立業轉換（Short-Time Fourier Transform ，STFT ）與轉速頻率階 次方法，擷取非穩態狀態信號的階次特徵。此種信號特徵不因轉速變化而改變， 可有效作為機械設備在非穩態狀態下之故障辨識。此外，本文將階次特徵輸入倒 傳遞類神經網路（Back Propagation Neural Network ，BPNN ），進行齒輪轉子實驗- 平台於非穩態狀態下故障診斷，驗證時頻階次譜方法之可行性。 關鍵詞 ：非穩態信號，短時傅立業轉換，倒傳遞類神經網路，時頻階次譜方法 Abstract Previously, spectrum analysis (e.g., Fast Fourier Transform, FFT) was applied in failures diagnosis of fixed or steady state mechanism (e.g., pumps in nuclear power plant turbines, engines or other key equipment) to extract the frequency features as the basis in identifying the causes of failure types. However, mechanical equipment with