[发明专利]一种伺服电机故障诊断方法

摘要

本发明公开一种伺服电机故障诊断方法，包括以下步骤：收集交流伺服电机正常运行和故障状态下数据样本；利用训练样本训练椭球形基函数EBF神经网络；将和声搜索HS算法应用到模糊聚类FCM中形成HS‑KCM算法，从而得到隐含层神经元在输入空间各维上的椭球中心值，进一步得到椭球中心值和每个神经元的输入输出值，再利用BP算法训练隐含层神经元对应输出单元的权值，最后输入测试样本，判断交流伺服电机的运行状态。本发明具有通用性好，准确率高，自学习能力强的优点，解决现有交流伺服电机故障诊断理方法还存在学习能力差，容易发生漏诊和误诊的问题。

主权项

1.一种伺服电机故障诊断方法，其特征在于，包括以下步骤：步骤S11、实时监测交流伺服电机的轴承和机身振动，在交流伺服电机处在正常运行状态和四种故障状态下，分别采集若干特征频段内的振动信号，用小波包能量特征提取出在上述五种状态下各个特征频段中频率成分的能量，将其作为表征电机运行状态的特征向量；步骤S12、分别收集电机处在上述五种状态下的特征向量并形成数据样本，将每种状态下的部分数据样本作为训练样本，剩余部分数据样本作为测试样本，将训练样本作为输入量进行EBF神经网络的训练；步骤S13、将测试样本输入到已经训练完成的EBF神经网络中进行测试，得到输出节点的结果，根据该结果判断交流伺服电机的所处状态，如果处于故障状态，则确定对应的故障类型。