基于虚拟仪器的电机故障声测系统

图6示出了采集到的故障为后轴承刮的噪声信号。采用Matlab中的函数，用软阈值滤波算法对信号进行消噪，得到如图7所示的消噪效果。可见，在一些突变或尖峰部分，达到了很好的消噪效果。

图6某后轴承刮电机噪声信号

图7某后轴承刮电机小波消噪后信号

确定电机故障特征值是故障诊断的关键之一。在各个频段成份信号的能量中，综合包含了丰富的故障信息，某些频段能量蕴涵了某种故障特征。本文采用多分辨率分析法对噪声信号进行小波分解，以各频段的能量特征值为判据，逐步从低频到高频进行故障诊断。图8示出了某轴承故障电机小波分解的第三层高频系数。从图8中可以清楚地观测出发生故障的时刻，也可以清楚地捕捉到噪声信号在不同频段上的故障特征信息，进行特征提取。

图8某轴承故障电机小波分解系数

3 结论

(1)应用虚拟仪器技术实现电机故障声测系统，系统硬件架构简单，适应性强；

(2)采用LabVIEW软件平台开发效率高；

(3)应用小波分析非平稳信号处理技术实现故障特征提取，实际应用证明该方法的有效性；

(4)Matlab Scrpt节点方式具有强大的数值运算功能，但执行速度会有损失。