基于分形理论的电机故障诊断.docxVIP

基于分形理论的电机故障诊断摘要：本文结合小波包降噪分解和分形理论，将采集到的鼠笼电机定子三相电流进行降噪分解成几段，并分别计算出其关联维数，再对待测信号进行分形分类，最后判断转子故障。结合Matlab仿真测试，确定了其可行性和有效性。关键字：小波包分解；分形理论；关联维数；故障诊断Abstract:This paper addresses itself to rotor fault detection ,combining with Wavelet packet resolution and Fractal theory .Firstly the sampled sator three-phase current signal of squirrel-cage motor is resolved and broken into several segments by Wavelet packet resolution ,then it shall be calculated the correlation dimension by Fractal and classification theories .At last ,with the help of Matlab to give simulation and test, the state of rotor fault is identified and in turn ,it proves to be a feasible and effective method for diagnosing fault of asynchronous motors.Key words: wavelet packet resolution; fractal theory; correlation dimension; fault diagnosis引言笼型异步电机转子断条故障将导致电机出力下降、运行性能恶化。转子断条故障的发生概率高达10%【1-3】，且因定转子故障检测之间存在着交互影响【4】，使得转子断条故障影响定子匝间短路的检测和判断，因此必须对其进行在线监测。传统的转子断条检测基于对电流进行频谱分析，然而在电机稳定运行时转差率很小，使得边频分量非常接近基波频率，同时边频分量的幅值只有基波频率的1%-3%，极容易被基波泄漏或噪声覆盖，影响检测的灵敏性。为了解决这些不足，有人提出了采用贝叶斯最小误差分类器的模拟识别技术来辨别电机的故障状况【5】，也有人采用希尔伯特变换和数字滤波判断转子断条和负载波动【6】，也有人结合上述两者的优点，提出了将数字滤波、zoom-FFT频谱细化、快速傅里叶变化、定子电流齿槽谐波分量的转差率估计相结合的转子断条的检测方法【7】。而因为定子电流中往往包含较强的白噪声信号，会对FFT法在分析时产生干扰，这样以来，运用传统的傅立叶去噪方法便不能满足要求,特别是在信号中含有较多畸变有用信息时,傅立叶分析去噪就无能为力了【8-9】。小波变换是近年来发展起来的用于数字信号处理的一项技术,它已广泛应用于信号处理、图像处理、语音分析、模式识别和量子物理等众多领域中。小波分析由于其基函数的自动伸缩和平移特性,能将信号在时频空间有效的分解,并能有效的提炼出有用信息。经实验研究表明，白噪声的小波变换模随尺度的增加而平均减小，且其平均密度亦随尺度增加而减小【10】，因而可以采用小波包分解处理，进行消噪后，再进行故障分析就较为准确了。“分形”是20世纪年代中期由哈佛大学Mandelbrot教授提出的, 是对没有特征长度但具有一定意义下的自相似图形和结构的总称。分形理论(FT—fractal theory)是描述自然界中许多不规则事物的规律性学科, 它使人们以新的概念来处理非线性领域中的问题, 揭示复杂现象背后的规律、局部和整体之间本质的内在关联性, 如对出现不规则的几何形体的研究。分形特征的度量是用分形维数(FD—fractal dimension), 简称分形维。FT已被广泛用于时间序列分析【11-12】、故障诊断【13-14】、模式识别【16-17】等领域，并取得了预期的成果。本文结合小波包分解和分形理论，对电机转子断条故障进行在线检测，并通过实验仿真验证了这一方法的可行性。1　小波包分解小波分析是近20年来逐步发展起来的数学分支,目前应用于信号处理、图像处理、语音处理、机械故障诊断、地震波分析等众多领域中。小波包分析是一种广泛的小波分解方法,小波包分解不仅能对信号低频进行分解,而且还能对信号的高频部分进行分解。它能根据被分析信号的特征,自适应地选择相应的频带，从而提高了信号的时频分辨率。小波包变换的双尺度方程为:序列{Wn(x)}称为由基函