[00992236]小波变换在电机信号特征提取和集成诊断中的应用

该项目的研究内容：拟研究基于小波理论的电机故障信号特征提取的新理论，建立在基于电机故障信号时-频分析基础上的混合神经网络故障诊断模型，并在多特征信号融合的基础上，实现故障模型和知识推理相结合的集成诊断。期望在电机早期故障诊断的可靠性、适应性和实时性上有所突破。该项目研究基于小波变换理论的电机定子电流，电机转速、定子电压、输出功率以及振动信息等信号的故障特征提取新理论。建立适用于电机故障诊断的信号时-频分析小波变换基和变换公式；在信号特征提取的基础上，通过实验建立故障信号时-频分析下的混合神经网络诊断模型。确定故障模型的结构、学习算法以及推理机制，实现故障的预诊断；研究多特征信号的混合神经网络集成技术，建立一套电机故障信号集成诊断新方法。以提高故障诊断的可靠性，最终实现电机的早期故障，如机械摩损、子绕组绝缘老化，转于导条断裂等的快速可靠的诊断，并为包括电机控制厂在内的电机控制系统的故障诊断提供技术支撑。已解决的关键问题：从电机测量的有用信号、噪声信号和故障信号合成信号中提取故障信号特征的最佳方法，即小波变换基和参数的选取以及小波变换公式的确定；探索满足不同的电机结构、不同的运行环境、不同的负载条件的电机故障集成诊断混合神经网络模型新结构和蔚算法。