《工业控制计算机》2023年第36卷第1期基于EMD-Hilbert和主成分降维的电机故障信号特征提取张能文1姜天尚2杨凯铭1承敏钢1江冰2（1江苏新道格自控科技有限公司，江苏无锡214433；2河海大学物联网工程学院，江苏常州213022）摘要：电机是旋转机械的驱动机，电机故障将导致整套设备系统或生产线瘫痪。故障信号特征提取是电机故障诊断的基础，提出了一种基于EMD-Hilbert包络谱分解技术的旋转电机故障特征提取方法，利用EMD将原始信号分解成若干个固有模态函数余量，利用Hilbert包络谱法提取故障特征，通过主成分分析方法实现故障特征的降维，提高故障信号特征提取的精度和。最后通过MCDS平台采集数据进行故障特征识别，实验结果表明该方法的准确性和有效性，为旋转电机故障特征提取和识别提供了一种可靠的方法。关键词：故障特征；经验模态分解；旋转电机；包络谱电机作为旋转机械的驱动机构，一旦电机发生故障其风险将不可估量，因此，开展旋转机械电机的故障诊断意义重大［1］。传统电机故障诊断是通过提取电机电磁、电压、电流、温度、振动等信号参数，利用数据转换得到电机故障特征，进而判断电机故障的故障类别［2］。近年来，随着人工智能、数据挖掘技术的发展，从海量的数据信息中通过数据挖掘技术提取能够表征具体电机故障的特殊数据信息，再利用数据分析、深度学习和模式识别等实现电机故障诊断成为可能［3］。文献［4］提出了一种分析感应电机空间与时间相关的电磁特性机理的有限元分析方法，实现电机转子不对称性的缺陷的检测；文献［5］使用FKM法预测电机关键部件的疲劳寿命，发现磁极和磁轭的结合处是转子最危险位置；文献［6］采用有限元方法分析了环境温度和热粘弹性滞回对电机定子和无衬套内衬热失效的影响；文献［7］提出了一种永磁同步电机驱动系统，通过对零序电压分量检测实现电机的缺相故障诊断；文献［8］通过红热外成像检测技术诊断励磁感应电机中的各种故障状态；文献［9］提出了从电机声音中分离出混沌信号分量分析电机故障特征方法；文献［10］提出了一种基于极点对称模态分解和快速谱峭度联合分析的诊断方法，通过进行带通滤波、解调分析在平方包络谱中分析出电机故障特征。文献［11］提出了基于频域振动和电流信号的电机在线诊断系统，针对采用插值和外插策略实现支持向量机的数据分类，检测感应电机的电气故障；文献［12］提出了基于经验小波变换的CNN感应电机故障诊断系统，使用卷积神经网络从灰度图像中自动提取鲁棒特性...
