煤矿通风机故障诊断的小波包方法.doc

煤矿通风机故障诊断的小波包方法 付华 尹丽娜 （辽宁工程技术大学 电气工程系 辽宁 葫芦岛 123000） *辽宁省自然科学基金项目*辽宁省高校优秀人才基金项目，2005219005 摘要：针对常用的时域和频域分析在诊断通风机故障时存在不能同时诊断出故障时间和类型的瓶颈问题，本文提出基于小波包分解的煤矿通风机故障诊断方法。在分析通风机故障特征的基础上，利用时频两域都具有表征信号特征能力的小波，对采集来的通风机振动信号进行小波包分解，利用分解的小波系数，在各个频段上进行小波信号重构，并计算信号各个频段的能量特征值，提取故障特征，诊断故障发生的时间和故障类型。经实际验证，小波包分解能将故障信号有效的划分到不同的频段内，而且时域和频域局部化特性好，能有效的诊断出通风机故障，具有良好的理论意义与工程应用价值。 关键词：小波包 通风机 故障诊断 中图分类号：TP277 文献标识码：A The Fault Diagnosis of Coal Mine Ventilator by Way of Wavelet Packet Fu Hua，Yin Li-na (Liaoning University of Engeering and Technology , Huludao 123000, China ) Abstract: As to the bottleneck question to diagnose the time and type of coal mine ventilator fault at the same time existing in traditional time domain and frequency domain, a kind of method of the fault diagnosis of coal mine ventilator based on wavelet packet decompositon is proposed in this paper. On basis of analyzing the ventilator fault characters, the vibration signal is decomposed by wavelet packet which indicates signal character both in time domain and frequency domain, the wavelet coefficient is obtained and energy eigenvalue in each frequency branch is calculated so as to diagnose the fault time and type. Proved by example that wavelet packet can effectively divide signal into different frequency domains and diagnose the ventilator fault, which has good theory meaning and project application value. Key words: wavelet packet; ventilator; fault diagnosis 1 引言 通风机发生故障时，故障信号中往往含有大量的时变、突发性质和短时冲击的成分，而且以电机故障为主。文[1]采用频谱分析诊断电机故障，此方法建立在对故障信号的Fourier变换的基础之上，然而Fourier分析是将信号完全在频域中进行分析，不能给出信号在某个时刻的变化情况，即无法获知某一特定频率所对应的时间。文[2]采用基于数学模型的时域诊断方法，这种方法需要建立目标系统完好条件下的精确模型作为参考模型，而实际系统的估计或者监测状态的输出与参考模型的输出作为故障诊断的依据，显然，此方法依赖于传感器数据和数学模型的精确性。当目标系统的数学模型不好建立或数学模型不精确时，此方法将对故障诊断正确率产生一定的影响。 文[3]采用神经网络诊断通风机故障，该方法利用神经网络非线性映射、容错能力强的特点诊断通风机故障，具有对被控对象的数学模型依赖程度低的特点。但是，它不能诊断出通风机发生故障的确切时间，具有了一定的局限性。 多分辨率分析每次只对信号的低频部分进行逐次分解，高频部分保留不动。它虽然能够对故障信号进行一定程度的时频分析，但是高频段有较差的频率分辨率。 小波包分解正好弥补了多分辨率分析高频部分频率分辨率