基于小波能量谱分析的电机故障诊断_图文

1、基于小波能量谱分析的电机故障诊断张敬春 , 谷爱昱 , 莫慧芳(广东工业大学自动化学院 , 广州 510090摘要 :电机是一种 复杂的旋转机械 , 故障种类多 而且难以辨别 , 利用傅里叶 变换对噪 声信号分析 很难得出满 意的结果。为了对小功率异步 电机的常见故障进行正确快速地声频诊断 , 采用小波 分析技术对小功率异步电 机的几种常见故障噪 声进行了多分辨率分析 , 从能量分布的角度出发 , 快速且较为准确地诊断出电机故障 , 诊 断 效果明显 好于傅里叶 分析。表明小 波分析是对 电机故障进 行声频诊 断的有效方 法 , 同 时也提供 了一种思 路 , 为电机故障在线实时诊断提供了理论

2、依据。关键词 :电机 ; 小波 ; 噪音 ; 故障诊断 ; 能量谱中图分类号 :T M 301. 4 文献标识码 :A 文章编号 :1003-8930(2006 03-0055-04Fault Diagnosis for Electric Motor Based onWavelet -Energy SpectrumZHANG Jing -chun, GU Ai-y u, M O Hui-fang(College of Auto matio n, Guangdong U niv ersity of Technolog y, Guang zhou 510090, ChinaAbstract :It

3、 is difficult to ident ify v arious faults o f electr ic mo tor s by using F FT t o analyze the no ise signal . T his paper intr oduces w avelet t heo r y and applies it to the co mmon fault diag nosis o f micr o-po wer inductio n mo tor. Sever al ty pes of fault no ise ar e analy zed with multi-res

4、o lutio n analysis. T he r esults sho w that the pro po sed met ho d has a better perfo rmance in r apidity and validity. It also sheds lig ht on fur ther r esearch. Key words :elect ric mo tor ; w av elet ; noise ; fault diag nosis ; ener gy spectr um1前言 小功率异步电动机 , 特别是单相异步电动机 在家用电器中应用十分广泛。 由于家用电器要求

5、低 噪音和高可靠性 , 生产厂家在出厂前要进行噪音和 振动检测 , 发现、 识别、 区分这些不正常噪音对减少 运行 中可能出 现的机械 及电气 故障 隐患非 常重 要 1, 因此电机出厂试验就成为家用电器生产中一 项十分重要的工作。 目前 , 电机故障诊断的基本原 理主要有四种 , 详细内容见参考文献 2。 这些故障 都会产生不同的噪音 , 而噪音通常被认为是有害信 号。 噪音本身也是一种信号 , 它包含了设备故障特 征信号如力、 加速度及这些变化的振幅特征并转化 成噪音表现出来。 本文就是利用这些噪音信号作为 分析对象 , 采用小波分析方法 , 根据噪音信号能量 的分布差别诊断出电机故障的。

6、 2 小波2. 1 采用小波的原因传统的基于傅立叶变换的 FFT 频谱分析对平 稳随机信号分析和处理很有效 , 然而它只对信号中 的正弦成分进行统计 , 实际的振动诊断信号中可能 包含早期的微弱信号与大量的非平稳信号 , 比如摩 擦、 旋转失速、 机械松动、 电磁故障等。 利用基于傅 立叶变换的频谱分析显得无能为力。 后来采用加窗 FFT 也就是 ST FT (短时 FFT 。 它的基本思想是把 信号 分 成 很 多 段 , 每 段 近 似 为 平 稳 信 号。 但 是 ST FT 是单分辨率的分析方法 , 适用于分析具有固 定不变带宽的突变信号 , 无法对非平稳信号进行完 全的分析。 近年来

7、兴起的小波分析技术具有良好的 时频局部化特性 , 不仅可以分析平稳的随机信号 , 还可以分析非平稳的随机信号。 因此 , 小波分析迅第 18卷第 3期 2006年 6月 电 力 系 统 及 其 自 动 化 学 报Pr oceedings of the CSU -EPSAVo l. 18N o. 3 Jun. 2006:速成为故障诊断中比较理想的信号处理工具。小波分析方法中两个重要方面是积分小波变 换和小波级数。 小波变换可以解决有奇异变化的信 号 , 小波分解可以把高频和低频波按不同的波带分 解清楚 3。 2. 2 小波原理简介满足条件-(t d t =0的函数 (t 叫作小 波 (Wavel

8、et , 又称为母小波。 由 (t 通过平移与 放缩产生函数簇3, 4a , b (t = a -1/2 (t -b /a (a , b R , a 0 (1信号 f (t 的积分小波变换为(W v f (a , b = -f (t a , b(t d t(2引入内积(f , g =-f (t g (t d t (3 记j , l(t =2j /2 (2j t -k (4 如果(j , k , i , m = j , l k , m(5则称 (t 为正交小波。 2. 3 小波的多分辨率分析原理如上所述小波变换是研究电机复杂噪音信号的有力工具 , 小波变换具有良 好的时频局部化特 性 , 能够有

9、效地检测出突变信号的发生 , 而且尺度 越小 , 对发生时刻的定位越精确。 然而 , 基于单一尺 度的小波变换难以区分复杂多变的电机噪音信号 , 必须通过小波变换的伸缩、 平移等运算对信号进行 分析 , 即多分辨率分析 5。 S. M allat 在构造正交小 波基的时候提出了多分辨率分析 (multi-r esolutio n analy sis 的概念 , 给出了正交 小波的构造方法以 及 正 交 小波 变 换 的 快 速 算 法 , 即 M allat 算 法。 M allat 算法在小波分析中的地位相当于快速傅里 叶变换算法在经典傅里叶分析中的地位。关于对多分辨率分析的理解 , 这里以

10、一个三层 的分解进行说明 , 其小波分解树如图 1 所示。1 从图 1可以看出 , 多分辨率分析只对低频部分 进行进一步分解。 因为对大多数信号来说 , 低频部 分更重要 , 它包含信号特征和变化趋势。 本文利用 了多分辨率分析进行故障诊断 6。3 电机故障噪音特性分析及故障诊断电机工作过程中 , 其动态信号尤其是振动信号 中包含丰富而且重要的反映电机运行状态的信息 , 通过分析研究这些信息 , 可进一步了解和掌握电机 的运行状态 , 为电机的故障诊断提供可靠的依据。 当电机产生电磁故障、 轴承不对中及轴承损坏等故 障时 , 会产生不同的振动 , 不同的振动产生不同的 噪音 , 通过对声音的小

11、波分析 , 识别故障。 研究表明将小波变换应用到实际工程中 , 有一个重要问题需 要解决 , 即小波分解的层数。 分解的层数少了 , 诊断 的效果不明显 , 可能会产生误诊 , 分解的层数多了 , 运算量增加 , 不利于实际应用 7。 本文根据实际情 况 , 选择了三层分解 , 利用小波变换进行简单的分 析。 电机 是 某 型 号 的 窗 式 空 调 电 机 , 额 定 电 流 4. 7A , 额定电压 220V , 工频 50Hz, 制冷功率为 2500W, 转速为 02000r /min 之间无极调速。 3. 1 电磁故障对于电磁故障 , 如果电动机发出忽高忽低且沉 重的声音 , 则原因可

12、能有以下几种 8。(1 定子与转子间气隙不均匀。 此时声音忽高 忽低且高低音间隔时间不变 , 这是轴承磨损使定子 与转子不同心所致。(2 三相电流不平衡。 这是三相绕组存在误接 地、 短路或接触不良等原因 , 若声音很沉闷则说明 电动机严重过载或缺相运行。(3 铁芯松动。 电动机在运行中因振动而使铁 芯固定螺栓松动造成铁芯硅钢片松动 , 发出噪声。对于某公司产品中的电机部件出现的电磁故 障 , 利用采集到的噪音信号进行小波分析故障诊断 如图 (3 。 为了便于对比也给出了正常的电机信号 及 对正常信 号的小波 分析如图 (2 。 音频 文件为 w av 格式 , 单声道采集 , 采样频率为 2

13、2050Hz 。 采 用 db1小波进行三层分解。 采用 MAT LAB 编程 9, 采样点数为 1000点 , 以下同。 下列各图的横坐标表 示采样点数 , 总的采样点数为 1000点 , 经过一层分 解 后 , 第一层高频有 500点。 再将第一层低频继续 分解 , 第二层高频有 250点 , 同理 , 第三层高频有 125点 , 第三层低频也是 125点。 横坐标为采样点 , 56 电 力 系 统 及 其 自 动 化 学 报 2006年 6月个频率带宽。 纵坐标表示信号幅值的大小 , 是数值 , 下同。3. 2 电机外盖松动当电动机的外盖松动时 , 会使电机在运行时产 生噪声 , 甚至产

14、生共振导致盖脱落。 下面对一例盖 松动的电机噪音进行小波分析波形如图 4所示。 可 以看出图 4和图 2有很大的差别 , 同时图 3和图 4的第三层低频系数也有差别。 3. 3 轴承损坏电动机前后轴承损坏 , 会造成电机转动时径向 跳动 , 从而引起集电环振动 , 必须更换新轴承。 图 5是一例轴承损坏噪音的小波分析。 仅仅根据小波变换图像对故障进行诊断还是 不够的 , 也不利于以后的在线自动故障诊断 , 下面 从能量分布的角度出发 , 根据信号的能量在各个频 段上的分布比例来诊断电机的故障种类。图 2 正常信号小波分解图Fig . 2 Wavelet decomposition of the

15、 normal signal图 3 电磁故障信号小波分解图Fig . 3 Wavelet decomposition of the signal 图 4 盖松动信号 小波分解图 Fig . 4 Wavelet decomposition of thesignal of cover fault图 5 轴承损坏信号小波分解图 Fig . 5 Wavelet decomposition ofthe signal of axis f ault 设各个频段的能量为 E =Nk =1S 2jk 。 其中 :j 为层数 , N 是该频段的采样点数。 表 1是各个频段的 能量和整个信号的能量比例 , 数据经过

16、多次试验取平均值 , 具有可信性。表 1 能量分布表Tab . 1 Distribut ion of energy故障种类 第一层高频 第二层高频 第三层高频 第三层低频 正常信号 0. 00330. 00220. 00470. 9898电磁故障 0. 00650. 00670. 00820. 9785盖松动 0. 00870. 01120. 01530. 9648轴承损坏0. 00440. 00760. 00820. 9799 从能量分布表可以看出各种故障信号的能量在各个频段上的分布比例明显不同。 当对大量的故 , 57 第 18卷第 3期 张敬春等 :基于小波能量谱分析的电机故障诊断征数据

17、库 , 就可以利用故障信号的能量分布比例进 行诊断了 , 这种方法快速可靠。4 结语基于噪声信号处理的电机声频故障诊断技术 相对于其它诊断技术而言 , 信号采集更方便、 适用 频率范围更宽 , 且速度很快 , 为在线监控提供了条 件。 其关键是建立一个适当规 模的故障特征数据 库 , 利用小波识别信号并且提取故障信号的特征。 一个行之有效的方法就是将各个频段的能量分布 作为故障的一个重要特征 (这里的能量分布是指某 个频段的能量占整个信号的能量比值 , 判别故障 特征是小波的一个重要应用 10, 不仅如此 , 小波还 可以有选择的对信号一定范围内的频率进行筛选 , 例如对信号进行衰减抑制或者放

18、大 , 放大可以对弱 信号进行提取。 这些分析处理工作主要基于多分辨 率分析和小波包分析的基础上实现的。参考文献 :1冷 永刚 , 王 太 勇 , 李瑞 欣 , 等 (L eng Y ongg ang, W ang T aiyo ng , L i R uixin , et al . 变尺度 随机 共振用 于电 机 故 障的 监 测诊 断 (Scale tr ansfo rma tio n stochastic reso na nce fo r the mo nito r and dia gnosis of electr o moto r fault J .中 国 电 机 工 程 学 报 (Pr

19、 oceeding s o f the CSEE , 2003, 23(11 :111-115. 2 侯志祥 , 申群太 , 李河清 (Hou Zhix ia ng , Shen Q untai, L i Heqing . 电机 设备的 现代故 障诊断 方法 (M odern met ho ds of fault diag nosis in mo tor dev ices J.电 力 系 统 及 其 自 动 化 学 报 (P ro ceeding of the CSU -EP SA , 2003, 15(6 :61-63. 90.3 程正 兴 , 武 铁敦 (Cheng Zhengx ing

20、, Wu T iedun. 小 波 的 发 展 与 应 用 (Dev elo pment and applicatio n of w av elet J . 微 机 发 展 (M icro co mput er D evelopment , 1994, 4(5 :8-10.4 崔锦泰 . 小波分析导论 M .西安 , 西安交通大学出版 社 , 1992.5 王钢 , 李 海 锋 , 赵 建仓 , 等 (Wang G ang , L i Haifeng , Z ha o Jiancang , et al . 基于 小波 多尺度 分析 的输电 线路直击 雷暂态识别 (Identificat ion

21、 o f tr ansients on t ransmissio n lines caused by direct lig htning st ro kes based on mult ireso lution sig nal J . 中 国电 机 工程学报 (P ro ceeding s o f the CSEE , 2004, 24(4 :139-144.6陈小 异 (Chen X iaoy i. 小 波变 换在 噪声 信号 处理 中 的 应 用 研 究 (T he application of noise sig nal pr ocessing based on Wav elet tr

22、ansfo rm J . 湖南 工 程 学 院 学 报 (Journal o f Hunan Institut e of Eng ineering , 2004, 14(4 :30-34.7张吉先 , 钟秋海 , 戴亚平 (Zhang Jixian , Zho ng Q iuha i , D ai Y aping . 小波门限消噪法应用中分解层 数及阈 值 的 确 定 (T he det erminat ion o f the thr esho ld and the decompo sitio n o r der in threshold de-no ising method based on

23、 wa velet J .中 国 电 机 工 程 学 报 (Pr o ceedings o f the CSEE , 2004, 24(2 :118-122. 8 赵学智 , 陈文戈 , 叶邦彦 (Zhao Xuezhi, Chen W eng e, Y e Bangy an. 空调电机振动 噪声的概 率分布密度 与 假 设 检 验 (Pr o babilit y distr ibutio n density of v ibr ating noise of moto r in air -conditio ner and their hy po thesis test J.中国电机工 程学报 (P ro ceeding s o f the CSEE , 2004, 24(6 :122-126.9胡 昌华 , 李国 华 . 基于 M A T L A B 6. X 的 系统 分析 与 设 计 小波 分析 M .西安 , 西安电子 科技大学 出 版社 ,