[发明专利]基于小波-谱峭度的感应电机轴承故障诊断系统及诊断方法

说明书

本发明公开了一种基于小波‑谱峭度的感应电机轴承故障诊断系统及诊断方法，包括小波‑谱峭度分析模块、时域参数统计分析模块、FFT分析模块、Hilbert包络解调分析模块、谱峭度分析模块等，其中小波‑谱峭度分析模块包括小波和小波包两种数据预处理方法，能够实现电机轴承耦合故障振动信号中多故障的识别与特征提取；时域参数统计分析模块通过对时域敏感参数峭度值的计算，监测电机轴承是否发生异常；频谱分析模块和Hilbert包络解调分析模块主要确定电机单一轴承故障的特征提取。本系统实现了感应电机轴承故障诊断方法的集成化设计，可以对电机轴承的单一及复合故障信号进行快速有效的处理分析，得出准确的诊断结果。

技术领域

本发明涉及基于振动信号的感应电机机械故障诊断技术，特别是一种基于小波-谱峭度的感应电机轴承故障诊断系统及诊断方法。

背景技术

轴承作为感应电机的高精度、标准化的核心部件，具有减少旋转部件之间的摩擦阻力、便于安装，互换性强、润滑方便、可靠性高等优点。然而，由于轴承工作环境相对恶劣，承受多种载荷的负载作用，导致其成为电机设备发生故障的高频部件。据相关统计表明：轴承故障在所有电机故障中占比高达40％，是感应电机最常见的故障之一。如果能够及时、有效地监测和诊断出电机轴承的早期故障，并根据实际情况定期进行维修与维护，可以在很大程度上避免一些由故障引起的不必要的经济损失及安全隐患。

轴承振动信号往往比较复杂，通常呈现出电机轴承多个部位同时出现故障或者在较短时间内与其它机械故障发生相互耦合，在电机轴承的振动信号中，不同故障的振动信息相互调制，产生相互交叉、相互影响，使其频谱成分更加复杂，利用传统的故障诊断技术不能同时有效地提取出轴承振动信号中多个故障的振动特征。

发明内容

针对电机轴承耦合故障检测困难的问题，本发明提出一种基于小波-谱峭度的感应电机轴承故障诊断系统及诊断方法。

为解决上述技术问题，本发明所采用的技术方案如下：

一种基于小波-谱峭度的感应电机轴承故障诊断系统，包括小波-谱峭度分析模块，所述小波-谱峭度分析模块包括信号输入单元、参数设置单元、小波或小波包分解单元、谱峭度分析单元、滤波单元、Hilbert包络解调分析单元、显示单元；所述信号输入单元，用于采集待测电机的振动信号；所述参数设置单元，用于对小波分解单元和/或谱峭度分析单元进行参数设定；所述小波或小波包分解单元，用于对输入的信号进行分解并在显示单元上显示；所述谱峭度分析单元，用于对分解后的信号进行谱峭度分析并在显示单元上显示；所述滤波单元，用于对谱峭度分析后的信号进行滤波；所述Hilbert包络解调分析单元，用于对滤波后的信号进行包络分析得到故障类型和位置。

用户可以根据不同振动类型的数据在小波参数和谱峭度参数设置中选择不同的数据处理方法、小波基函数以及分解层数等参数。其中通道选择可以选择不同通道内的信号进行分析；分解方法主要包含小波分解和小波包分解两种，用户根据需要可自行选择分解方法，并通过阶数选择、分解层数、小波基函数选则等按钮对分解方法的参数进行设置。

而基于小波-谱峭度的感应电机轴承故障诊断系统的诊断方法，步骤如下：

S1，采集在恒定转速下的电机振动信号。

S2，对采集的电机振动信号进行小波分解或小波包分解，得到一组按照频率由高到低顺序排列的子频带。

S3，计算各个子频带的时域峭度值，并根据峭度最大原则，筛选细节分量；

具体步骤为：S3.1，计算子频带的时域峭度值，公式为：

S3.2，设定筛选阀值为3，筛选出峭度值大于筛选阈值3的细节分量；

S4，对筛选后的细节分量进行谱峭度分析，寻找最佳窄带中心频率与带宽，构造带通滤波器进行信号预处理。