仪表技术与传感器
儀錶技術與傳感器
의표기술여전감기
INSTRUMENT TECHNIQUE AND SENSOR
2014年
1期
96-99
,共4页
故障诊断%小波熵分析%频谱分析%振动信号
故障診斷%小波熵分析%頻譜分析%振動信號
고장진단%소파적분석%빈보분석%진동신호
fault diagnosis%wavelet entropy analysis%spectrum analysis%vibration signal
为研究高速电机的故障信号,采用频谱分析法和小波熵分析法提取振动特征信号.提取频谱特征和小波奇异熵特征作为故障振动判别参考数据,对包含虚拟故障特征的典型故障进行BP神经网络训练学习,并分别在正常情况下和加入虚拟故障特征情况下进行仿真试验.仿真结果表明,该算法在输入故障特征值与训练样本输入特征值存在较大差异时,仍能得到较好的诊断结果,具有较好的泛化能力.
為研究高速電機的故障信號,採用頻譜分析法和小波熵分析法提取振動特徵信號.提取頻譜特徵和小波奇異熵特徵作為故障振動判彆參攷數據,對包含虛擬故障特徵的典型故障進行BP神經網絡訓練學習,併分彆在正常情況下和加入虛擬故障特徵情況下進行倣真試驗.倣真結果錶明,該算法在輸入故障特徵值與訓練樣本輸入特徵值存在較大差異時,仍能得到較好的診斷結果,具有較好的汎化能力.
위연구고속전궤적고장신호,채용빈보분석법화소파적분석법제취진동특정신호.제취빈보특정화소파기이적특정작위고장진동판별삼고수거,대포함허의고장특정적전형고장진행BP신경망락훈련학습,병분별재정상정황하화가입허의고장특정정황하진행방진시험.방진결과표명,해산법재수입고장특정치여훈련양본수입특정치존재교대차이시,잉능득도교호적진단결과,구유교호적범화능력.
