CN115166514B 一种基于自适应频谱分割去噪的电机故障识别方法及系统 （淮阴工学院）_第1页
CN115166514B 一种基于自适应频谱分割去噪的电机故障识别方法及系统 （淮阴工学院）_第2页
CN115166514B 一种基于自适应频谱分割去噪的电机故障识别方法及系统 （淮阴工学院）_第3页
CN115166514B 一种基于自适应频谱分割去噪的电机故障识别方法及系统 （淮阴工学院）_第4页
CN115166514B 一种基于自适应频谱分割去噪的电机故障识别方法及系统 （淮阴工学院）_第5页
已阅读5页，还剩32页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

一种基于自适应频谱分割去噪的电机故障本发明公开了一种基于自适应频谱分割去和采样信息确定自适应分割系数和谱划分的分2(1)在电机空载稳定运行下，采集电机正常状态和故障状态下的振动信号和定子电流(2)对原始电机信号进行傅里叶变换获得信号频谱X(f)，根据频谱和采样信息确定自ggz为预定电机故s为采样频率；(5)对重构信号进行白化预处理后送入稀疏自编码器进行降维，建立降维后的特征与使用带通滤波器设定尺度函数和经验小波函数,to):3根据与u,的比例关系来选择Tn，有T,=ru,,0＜V＜1，对于任意vn>0,尺度函数4所述步骤(5)中，使用稀疏自编码器时，对稀疏自编码器优化目标函数增加惩罚条件信号采集系统，包括加速度传感器和钳形电g对原始电机信号进行傅里叶变换获得信号频谱X(f)，根据频谱和采g5d是分段频率，对于分解后的信号，基于给定基线计算基线通过率及相关系数，去除对重构信号进行白化预处理后送入稀疏自编码器进行降维，建立6[0005](1)在电机空载稳定运行下，采集电机正常状态和故障状态下的振动信号和定子[0006](2)对原始电机信号进行傅里叶变换获得信号频谱X(f)，根据频谱和采样信息确[0009](5)对重构信号进行白化预处理后送入稀疏自编码器进行降维，建立降维后的特7证对系统的不确定性和测量噪声具有容错性的基础上，获得对电机故障最为敏感的信息，8[0031]图1所示为本发明实施例中电机故障信号采集系统，该电机故障信号采集系统由9[0050]利用采集系统得到电动机正常运行、转子偏心故障特征频率处的幅值，如表4所[0054]本发明利用基于自适应分割系数及阈值的经验小波变换(FG_EWT)对电机故障振动信号进行滤波消噪。首先基于自适应分割系数及阈值进行频谱区间划分。对原始信号xggMAXi[0066]通过界限因子筛选的幅值谱包络的局部最小值作为分割定义为o,,各段间隔用J,=0,0,=x来表示，以o,为中心，定义宽度为2Tn的过渡相n[0068]步骤3，定义尺度函数和经验小波函数，利用经验小波对各区间频谱信号进行分对电机信号(含有转子导条断裂故障或转子偏心故障的信号)漂移的低频噪声信号设定的减小系数幅值的方向做一个收缩。本发明用半软阈值函数进行去噪[0108]使用数据白化过程再次对去噪后的数据进行诊断前预处[0109]通过对原始输入数据进行主成分分析(PCA)获得正交矩阵U，利用U使得输入特征[0131]其中，r是隐藏层神经元个数，r1，r2是随机变量，j为第j个隐层单元序号，[0142]其中是在第r个样本中的第i个(i＝1,…,n)去噪重构(·)分别为解码器和编码器函数，表示第r个样本在p_1层建立的低维特征，其中，练学习，映射关系学习的主要目的是学习降维后的特征与电机故障参数之间的映射关[0164]本发明实施例中将上述实验采集的定子电流信号作为深度学习自编码器的研究

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论