一种交流电机故障诊断与预测中的特征提取方法

摘要

本发明公开了一种交流电机故障诊断与预测中的特征提取方法，包括以下步骤：采集振动加速度信号；对振动加速度信号去噪；采用快速独立成分分析方法对去噪处理后的振动加速度信号进行振源分离；采用小波包方法对分离后的振动加速度信号进行特征提取；简化能量比向量；对简化后的能量比向量进行特征强化；输入交流电机故障诊断与预测模型进行故障诊断与预测。本发明对振动加速度信号进行分离,能够分离出混合信号中的独立信号源，提高了故障特征提取的正确率和准确度；对特征频带进行分解，计算能量比及化简，减少了故障诊断与预测模型的输入，简化了模型的结构；并对能量比向量进行特征强化，使模型能够更有效地识别故障状态及进行故障预测。

主权项

一种交流电机故障诊断与预测中的特征提取方法，其特征在于：包括以下步骤：A：通过布置在电机各处的振动加速度传感器采集多处的振动加速度信号；B：对振动加速度信号进行必要的去噪处理；C：采用快速独立成分分析方法对去噪处理后的振动加速度信号进行振源分离，分离方法包括以下步骤：C1：对振动加速度信号进行去均值处理；C2：对去均值后的信号做去相关处理；C3：对去相关后的振动加速度信号进行独立振动源的分离，得到分离后的振动加速度信号；D:采用小波包方法对分离后的振动加速度信号进行特征提取，得到各个子频带的能量比值，采用三层分解的方式进行分解，分解之后得到8个频率由低到高的正交子频带的能量比分量，构成的能量比向量用RE0＝{rei|i＝1,…,8}来表示；E：为了简化故障诊断与预测模型，去掉RE0＝{rei|i＝1,…,8}中能量比较小的第5‑8个高频能量比分量，用剩余的第1‑4个低频能量比分量构成新的向量，用RE1＝{rei|i＝1,…,4}来表示；F：对向量RE1＝{rei|i＝1,…,4}进行特征强化，得到特征强化后的能量比向量RE2＝{rei|i＝1,…,4}；G：将特征强化后的能量比向量RE2输入交流电机故障诊断与预测模型进行故障诊断与预测。