一种基于小波-神经网络的风机故障诊断方法技术

本发明专利技术是一种基于小波-神经网络的风机故障诊断方法，首先对主风机故障机理进行研究，分析风机常见的故障类型及征兆，确定能够反映风机故障的振动信号、电压信号、电流信号，完成信号采集点的布置；经查阅资料，振动信号能较好的反映风机的不同故障，并且还了解到电机在短路前后，相电流以及相电压有明显的不同。短路前后的电流量变化特别明显，而电压量具有一定的关系。对风机故障信号进行采集，模拟风机典型故障，采集相应故障信号，然后对相应故障信号进行基于小波包的能量故障特征提取；能量故障特征提取后，对能量故障特征提取的故障信号进行神经网络学习；建立风机典型故障特征表采集实际工作中风机故障信号，建立小波-神经网络分析模块进行风机故障特征提取，获取当前及历史时刻故障特征向量最后采用最小二乘支持向量机对故障特征向量时间序列进行预测，据设定故障闽值，对风机未来工作状态进行准确预测与健康评估。测与健康评估。测与健康评估。

【技术实现步骤摘要】
一种基于小波-神经网络的风机故障诊断方法


[0001]本专利技术属于风机故障诊断领域，尤其是一种基于小波-神经网络的风机故障诊断方法。

技术介绍

[0002]随着越来越多的工作环境对空气流动要求的提高，风机作为一种有效的空气交换机，运用也变得越来越广泛，尤其在一些通风系统中起着至关重要的作用。如果风机不能稳定的工作甚至停止工作，那将会对整个系统产生很大的影响。
[0003]通风机是保证生物安全实验室空气正常流通的重要设备，对其进行状态监测与故障诊断有着极其重要的意义。目前对通风机的故障诊断大多采用振动频谱分析的方法，通过对故障特征信息的提取并加以识别，从而进行故障诊断，这种传统的故障诊断方法中的故障特征提取与识别均靠人工来实现，其诊断水平受技术人员的知识、经验等多方面因素的制约，难免出现误诊、漏诊，为避免这些问题的产生，人们一直在研究智能故障诊断技术。
[0004]如何迅速判断风机运行中故障产生的原因，采取得力措施解决是用户连续安全运行的保障。风机是一种将原动机的机械能转换为输送气体、给予气体能量的机械。虽然风机的故障类型繁多，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于小波-神经网络的风机故障诊断方法，包括以下步骤：步骤1、首先对主风机故障机理进行研究，分析风机常见的故障类型及征兆，确定能够反映风机故障的振动信号，完成信号采集点的布置；经查阅资料，振动信号能较好的反映风机的不同故障，对风机故障振动信号进行采集，模拟风机典型故障，采集相应故障振动信号；并且还了解到电机在短路前后，相电流以及相电压有明显的不同。短路前后的电流量变化特别明显，而电压量具有一定的关系。步骤2、采集相应故障信号后，对相应故障信号进行基于小波包的能量故障特征提取；步骤3、能量故障特征提取后，对能量故障特征提取的故障信号进行神经网络学习训练；步骤4、建立风机典型故障特征表采集实际工作中风机故障信号，建立小波-神经网络分析模块进行风机故障特征提取，获取当前及历史时刻故障特征向量最后采用最小二乘支持向量机对故障特征向量时间序列进行预测，据设定故障闽值，对风机未来工作状态进行准确预测与健康评估。2.根据权利要求1所述基于小波包的能量故障特征提取，是把通风机振动信号分解在不同的频段内，各频段内的能量可形成一个特征向量，且对应通风机不同的故障有不同的特征值；具体的，小波包的能量故障特征提取，是将振动离散信号按小波包基展开时，包含低通滤波与高通滤波两部分，每一次分解就将上层j+1的第n个频带进一步分割变细为下层j的第2n与2n+1两个子频带.离散信号的小波包分解算法为：式中a
k
，b
k
为小波分解共轭滤波器系数。由Parseval恒等式知由此可知，小波包变换系数d(j，k)的平方具有能量的量纲，可用于机械故障诊断的能量特征提取.假设离散信号按最优小波包分解后可得到M个正交的频带，各频带的能量为：式中，i≤M；N
i
为第i...

【专利技术属性】
技术研发人员：游国栋，张尚，房诚信，
申请(专利权)人：天津科技大学，
类型：发明
国别省市：