基于虛擬儀器的電機(jī)故障聲測(cè)系統(tǒng)

圖6示出了采集到的故障為后軸承刮的噪聲信號(hào)。采用Matlab中的函數(shù)，用軟閾值濾波算法對(duì)信號(hào)進(jìn)行消噪，得到如圖7所示的消噪效果?？梢?jiàn)，在一些突變或尖峰部分，達(dá)到了很好的消噪效果。

圖6某后軸承刮電機(jī)噪聲信號(hào)

圖7某后軸承刮電機(jī)小波消噪后信號(hào)

確定電機(jī)故障特征值是故障診斷的關(guān)鍵之一。在各個(gè)頻段成份信號(hào)的能量中，綜合包含了豐富的故障信息，某些頻段能量蘊(yùn)涵了某種故障特征。本文采用多分辨率分析法對(duì)噪聲信號(hào)進(jìn)行小波分解，以各頻段的能量特征值為判據(jù)，逐步從低頻到高頻進(jìn)行故障診斷。圖8示出了某軸承故障電機(jī)小波分解的第三層高頻系數(shù)。從圖8中可以清楚地觀(guān)測(cè)出發(fā)生故障的時(shí)刻，也可以清楚地捕捉到噪聲信號(hào)在不同頻段上的故障特征信息，進(jìn)行特征提取。

圖8某軸承故障電機(jī)小波分解系數(shù)

3 結(jié)論

(1)應(yīng)用虛擬儀器技術(shù)實(shí)現(xiàn)電機(jī)故障聲測(cè)系統(tǒng)，系統(tǒng)硬件架構(gòu)簡(jiǎn)單，適應(yīng)性強(qiáng)；

(2)采用LabVIEW軟件平臺(tái)開(kāi)發(fā)效率高；

(3)應(yīng)用小波分析非平穩(wěn)信號(hào)處理技術(shù)實(shí)現(xiàn)故障特征提取，實(shí)際應(yīng)用證明該方法的有效性；

(4)Matlab Scrpt節(jié)點(diǎn)方式具有強(qiáng)大的數(shù)值運(yùn)算功能，但執(zhí)行速度會(huì)有損失。