面向机械失效的电机故障诊断PAA-GAF方法研究

摘要

为了进一步提高电机机械故障时的故障诊断精度，设计了一种分段聚合近似-格拉姆角场（PAA-GAF）方法。采用PAA-GAF算法对故障信号进行滤波，将滤波结果转化成可以有效保持瞬态特性的灰度图像，分析每个部件的特征重要度、最优分割步骤及最优分类器特征数目，获得更优的系统故障诊断准确率。研究结果表明：本文提出的振动图像识别方法，能充分利用振动信号的时域分段特征，能更好地识别故障类型。电机的正常运行状态与轴承座磨损的诊断精度都较小，端盖松动与绕组电气故障达到了最优疲劳诊断性能。该研究为高效率诊断电机故障提供了一个新思路，可以拓宽到其他故障识别领域。

关键词

电机 / 振动信号处理 / 格拉姆角场 / 故障诊断