基于小波—神经网络的电机轴承故障诊断

异步电机作为重要的机电产品,广泛地应用于各个领域。随着现代科学技术的进步和生产系统的不断发展,电机在生产中发挥着越来越重要的作用。电机故障不仅会损坏电机本身,而且会影响整个系统的正常工作,甚至危及人身安全,造成巨大的经济损失和重大的社会影响,因此对电机故障的诊断具有重要意义和工程实用价值。 本文以电机轴承为研究对象,在轴承正常、内环损伤、滚珠点蚀三种模式下,对振动信号加以分析,运用“小波包-能量”法提取信号特征量,作为神经网络的输入向量,采用Levenberg-Marquardt BP学习算法,针对电机轴承的三种故障模式对网络进行有教师的训练和模式识别,并对轴承滚珠点蚀故障的劣化趋势进行了检测。 论文首先简述了异步电机以及轴承故障诊断技术的特点及发展现状。然后,基于电机轴承的结构、内部振动源等自身特点,对电机轴承的故障成因、特征频率等作了详细分