摘 要：本文介紹了一種基于可視化的電梯故障診斷方法。將連續(xù)小波變換和脊線提取算法運用于電梯故障診斷中,分析電梯運行過程中的信號,幫助工程師尋找故障可能發(fā)生的時間和導(dǎo)致故障的部件,以解決電梯故障。 關(guān)鍵字：電梯故障診斷; 連續(xù)小波變換; 脊線提取; LabVIEW 引言： 　　電梯在運行過程中常常會出現(xiàn)異常，導(dǎo)致沖擊等非平穩(wěn)信號出現(xiàn)。工程師需要通過分析電梯運行過程中的加速度信號，找出可能出現(xiàn)故障的時間和部件，以保證電梯平穩(wěn)的運行。如何提供這些可能出現(xiàn)故障的時間點和部件以供工程師參考，是本文需要解決的問題。 1. 電梯故障與聲振信號 　　在電梯運行過程中，外部振動和噪音反映電梯內(nèi)部的工作狀態(tài)。由于某些零部件的磨損、缺損、裂紋、松動以及配合面或接觸面的間隙和位置發(fā)生變化，會使零件在運行過程中發(fā)生局部的沖擊和滑動摩擦現(xiàn)象，這些現(xiàn)象往往包含在它們的振動信號中。電梯振動和噪音的增加一定是由故障引起的, 因為不存在無故障的聲振增加，只要抓住電梯各部件聲振發(fā)生的特征和變化, 就可以對電梯做振動的故障診斷。于是從電梯的振動信號中檢測這些沖擊成分就成為判別電梯零件故障的一個有力手段，它也是機械故障診斷學(xué)的一項重要內(nèi)容。 　　為了從現(xiàn)場獲取的振動信號中檢測出激發(fā)頻率以確定振動的檢激發(fā)源, 我們采用頻域分析法, 把采集來的信號作振動的功率譜分析。 　　在我們提出的方法中，首先將采集到的電梯各個方向上的加速度信號作連續(xù)小波變換，將信號置于二維的時頻空間中。然后應(yīng)用數(shù)字圖像處理中的脊線提取算法，找出小波系數(shù)模的局部極大值曲線，將其信息作為可能的故障點提供給工程師作進一步檢修。 2. 小波變換的模極大值與孤立奇異點 　　瞬態(tài)信號或信號變化急劇之處常包含重要的故障信息,是信號的特征信息,不連續(xù)的突變點稱為孤立奇異點,而小波變換對信號突變點的位置及其奇異性具有很好的檢測能力. 連續(xù)小波變換具有尺度連續(xù)性和時移不變性的特點，不僅具有良好的局部化特性與逼近性,而且可以充分體現(xiàn)小波分析的優(yōu)越性. 用于各種瞬態(tài)、非平穩(wěn)信號分析,具有良好的效果。 詳情請點擊：基于可視化的電梯故障診斷方法