基於小波包的旋轉機械故障分析論文
0 引 言
旋轉機械主要是指需要依靠旋轉動作來實現一定功能的機械，常見的旋轉機械有壓縮機、汽輪機、風機、發電機等，在國防科技、居民生活、工業生產中佔據重要位置。其工作狀態的好壞，對工作人員的人身安全以及企業的經濟效益有著直接的影響。因此確保旋轉機械正常執行就變得相當重要。
旋轉機械發生故障主要是指它的動態效能下降，相關技術指標不能達到，產生故障的原因形式各異，我們所觀察到的故障特徵資訊也不相同。旋轉機械故障診斷技術就是對故障裝置進行取樣，然後對取樣資訊分析處理，最終判斷出故障部位的一門技術。
振動是旋轉機械故障的固有的特徵表象，振動訊號中含有大量的機械原始資訊，透過獲取故障時的振動訊號，進行故障診斷是旋轉機械故障診斷技術中的一個重要手段。
傳統的故障診斷技術中常使用傅立葉變換(FFT)來對故障訊號進行分析，不過傅立葉變換不能把故障訊號中的微弱資訊顯現出來，不能對故障訊號進行了特定時間點位抑或固定頻率段的放大分析。而小波變換具有“變焦”特性，在低頻段可用高頻率解析度和低時間解析度(寬分析視窗)，在高頻段，可用低頻率解析度和高時間解析度(窄分析視窗)，適合於監測正常訊號中夾雜的瞬時異常訊號並對其進行分析。
1 小波演算法分析及小波濾波重構
1.1 小波演算法分析
用小波基的方法對離散的隨即訊號分析，分解到不同的`頻段上面，其主要方法時把前一級i的第m個訊號段分割為次一級i+1的第2m-1和2m兩個子訊號段。
1.2 小波濾波重構
首先用小波分析對取樣訊號進行高通濾波，取得高頻頻段，令其為小波係數B1，對取樣訊號採用低通濾波，得到低頻頻段，令其係數為A1，如此重複對低頻段進行分解。
文章採用db5對採集故障訊號使用3層小波分解，並使用軟閾值方法對訊號進行降噪處理，首先選擇小波和小波分解的層次，計算訊號S到第N層的小波分解;其次高頻係數的閾值選擇。對於從第1層到第N層的每一層，選擇一個閾值，並且對高頻係數用軟閾值進行處理;最後根據第N層的低頻係數和從第1層到第N層的經過修改的高頻係數，計算出訊號的小波重建。
2 旋轉機械故障診斷原理及依據
在旋轉機械眾多故障中，轉子不平衡，轉子碰磨以及轉子不對中是最常見的三種故障。根據長期研究發現旋轉機械的振動訊號往往具有周期性質，當旋轉機械發生故障時，它的表徵頻率與轉子的旋轉頻率相關聯，常為旋轉頻率的整數倍或者分數倍。因此，旋轉機械故障診斷其中一個重要方法就是研究轉子旋轉頻率與故障時的表徵頻率。
3 小波包故障診斷具體案例實究
據統計轉子不平衡，轉子不對中，轉子碰擦三種故障在所有故障中佔70%以上，因此對這三種狀況進行例項研究具有很重要的意義，本次試驗就是對這三種狀況進行模擬還原。對實驗中的資料進行實時採集，分析並得出相應結論。試驗電機轉速n=1500r/min，取樣頻率為1000Hz，採集N=1024個連續點進行分析。
4 結 論
此次實驗是以小波演算法為理論基礎，對實驗結果進行頻譜分析，可以看出小波演算法能夠對訊號頻帶進行劃分，放大訊號頻段的解析度，最終分析出發生故障的具體部位。把小波變換應用於旋轉機械故障處理分析中，對所採集訊號進行頻譜分析，為實踐提供了理論依據，在實際應用中有一定的使用價值。
【基於小波包的旋轉機械故障分析論文】相關文章：