基于小波包和改进BP神经网络算法电机故障诊断.docVIP

基于小波包和改进BP神经网络算法电机故障诊断 　　摘 要： 为了对电机故障实现智能化诊断，仿真实验中将采取基于故障振动信号的诊断方法。在实验过程中用小波包分析技术得到故障信号的特征向量。然后用改进的BP神经网络算法即弹性BP算法（RPROPA）来进行神经网络训练，当误差精度符合要求后，用测试样本数据对神经网络进行检测。通过Matlab平台进行仿真实验来证明小波包神经网络诊断系统能够实现电动机故障类型的智能化诊断。从而减轻企业经济负担，为电机操作人员提供更可靠的安全保障。 　　关键词： 故障诊断； 小波变换； 神经网络； 电机 　　中图分类号： TN911.6?34 文献标识码： A 文章编号： 1004?373X（2013）15?0133?04 　　Motor fault diagnosis based on wavelet packet and improved 　　BP neural network algorithm 　　LI Chun?hua1， RONG Ming?xing2 　　（1. Heilongjiang University of Science and Technology， Harbin 150027， China； 　　2. School of Electric and Information Engineering， Heilongjiang University of Science and Technology， Harbin 150027， China） 　　Abstract： In order to realize intelligentization of motor fault diagnosis， The fault diagnosis method based on vibration signal was adopted in simulation experiment. In the experiment process， the wavelet packet analysis technique was used to obtain the feature vector of fault signal， and the improved BP neural network algorithm， elastic （RPROPA） BP algorithm， was used for neural network training. When the error accuracy meets the requirement， the test sample data is used to test the neural network. The simulation experiment on Matlab platform show that the wavelet packet neural network diagnosis system can implement the intelligent diagnosis of motor fault， reduce the economic burden of enterprises， and provide a more reliable security assurance for motor operation personnel. 　　Keywords： fault diagnosis； wavelet transform； neural network； motor 　　0 引 言 　　在当代工业生产过程中，电动机已经成为了不可或缺的重要动力设备。同时企业为了提高生产效率，绝大多数都走上了流水线形式的生产道路，动力设备一出现问题，就会造成企业的巨大经济损失。所以本文将选取三种常见的电机故障即轴承故障、转子故障、绝缘电阻下降来作为研究对象。由于电动机故障信号往往是一些非平稳的信号，并且其中含有大量的噪声[1]。因此首先本文将利用小波包技术优良的时频局部特性和多分辨率处理能力来去除噪声信号，得到真实故障信号进行分解重构，获得频段更细致的故障信号特征向量。其次由于神经网络能够逼近任意的非线性问题，并且自身具有较强的学习和自适应能力[2]，所以将用神经网络技术来进行特征向量和故障类型的准确映射。建立起一套基于小波包技术和BP神经网络的智能故障识别系统。 　　1 电机故障诊断方法 　　基于神经网络的故障诊断方法是当前设备故障诊断领域应用较广的方法。文献[3]讲述了神经网络技术是以分布的方法存储信息，利用网络的拓扑结构和权值分布来实现非线性映射，并利用全局并行处理实现从输入到输出空间的非线性信息处理。