基于多窗高階譜電機(jī)軸承故障檢測(cè)方法研究.pdf

1、感應(yīng)電動(dòng)機(jī)作為工業(yè)企業(yè)里應(yīng)用最廣泛的拖動(dòng)機(jī)構(gòu)，當(dāng)其發(fā)生故障后直接影響生產(chǎn)線的正常運(yùn)行，而軸承故障是電機(jī)故障中發(fā)生機(jī)率最高的，因此本文主要研究感應(yīng)電動(dòng)機(jī)軸承故障的檢測(cè)方法。
　　 目前基于電流特征分析法(Motor Current Signature Analysis，MCSA)診斷電機(jī)故障得到了比較廣泛的關(guān)注，該方法將電機(jī)的常見(jiàn)故障與定子電流的頻率特征量建立了函數(shù)關(guān)系，通過(guò)對(duì)特征頻率的識(shí)別，可以檢測(cè)出電機(jī)軸承幾種常見(jiàn)的故障狀態(tài)。

2、
　　 電機(jī)在不同的故障狀態(tài)下運(yùn)行時(shí)，會(huì)在定子電流中相應(yīng)地產(chǎn)生不同的故障特征頻率；但是該故障特征頻率信號(hào)的幅值很小，因此它在定子電流頻譜中的功率非常微弱。由于定子電流的主要成分是基波，同時(shí)還存在著較強(qiáng)的三、五、七次諧波等，此外，定子電流中還包含了來(lái)自電網(wǎng)的背景色噪聲，為了能從定子電流中分辨出故障特征頻率，往往需要提高分析的分辨率，這勢(shì)必造成更多偽峰的出現(xiàn)，故障特征不能很好的確定。
　　 針對(duì)定子電流特征頻率所攜帶的故障信

3、息，目前主要有兩類處理方法：小波分解和頻譜分析。而這兩種方法只用到了頻率信息，忽略了相位信息。雙譜不僅利用了定子電流信號(hào)中的頻率信息也利用了相位信息，通過(guò)分析定子電流中的故障特征頻率與基頻的耦合關(guān)系來(lái)確定電機(jī)軸承故障，所以雙譜適于分析淹沒(méi)在高斯噪聲中的非高斯信號(hào)。
　　 針對(duì)色噪聲背景下弱周期性特征信號(hào)的提取問(wèn)題，本文利用高階累積量具有抑制高斯有色噪聲的能力，結(jié)合多窗譜提取弱信號(hào)特征的能力，提出了基于多窗高階譜特征提取方法。針對(duì)