LabVIEW在电机振动故障诊断中的应用.pdfVIP

状态监测与诊断技术 中国设备工程!#$ ! 文章编号： （ ） !(9 !,*9 !! **+ !,**++,*) !#$%’ 在电机振动故障诊断中的应用 沈申生，华 亮 （南通大学，江苏 南通 (**9 ） 摘 要：基于/012.34 的小波包理论和能量谱应用于电机振动故障诊断是一种新的尝试，具有良好的应用 前景。在时域范围内，故障振动信号幅值虽有变化，但难以确定电机故障程度。用小波包对振动信号分解， 得到能量特征值，能有效地判断电机振动故障类型和程度。 关键词：/012.34 ；小波包；能量 中图分类号：)*9 文献标识码：J 从表象来说，电机的振动只是一种简单的物理 的全频段正交分解，提高信号在频域中的分辨率， 现象，实际却蕴含着丰富的信息特征熵，其中包括 不仅可以看到信号的概貌，也可以看到细节，在分 电机的振动故障向量。电机故障诊断的传统方法是 析处理时能方便地提取信号特征。小波包分解后信 借助频谱仪分析信号的频谱图，但仅适用于平稳信 号的时域分辨率降低，用重构算法可以提高时域分 号，且信号特征需明显。而对于离散细微、特征量 辨率。小波包分解和重构信号时无冗余、无泄漏， 微弱的故障信号却难以辨识，所以无法及时发现电 信息量是完整的。图! 是小波包的三层分解，以二 机的早期隐患。应用美国 公司 开发平 叉树方式分布。图中 （， ）表示第 层第 个节 -. /012.34 ! ! 台的小波包理论和能量谱构建虚拟仪器，通过 点，其中 ， ， ， ； ， ， ， ， ， ， ， 56 !7* ! ) 7* ! ) + 8 ( 机屏幕展示特征波形以及故障频率段的能量，可使 ，每个节点代表一个小波包， （， ）表示原始 9 # * * 细微故障的特征量得以辨识，从而确定电机故障类 信号。以上为了分析简便，只对小波包进行三层分 型和损坏程度。 解，在实际操作时，为了更迅速、准确地寻找故障 一、基于!#$%’ 的小波包理论和能量谱 点，小波包分解可以通过/012.34 的图形化程序 基于 平台的小波包理论 设定 层 个频率段，即 个小波包，这样频率 !% /012.34 8 ) ) 小波算法是一种时频分析方法，广泛应用于信 段更精细化，捕捉故障的特征性越发便捷精确。 （，） 号分析和图像处理等领域。小波包分解可以对信号 # * * （，） （，） # ! * # ! ! （，） （，）