1、異步電動機作為動力源，在工業(yè)生產(chǎn)中廣泛應用，其運行狀態(tài)，直接影響到整個系統(tǒng)的工作性能。而滾動軸承是其重要的零部件之一，由于加工工藝、工作環(huán)境等原因造成的損壞率高、壽命的隨機性大。電動機故障種類繁多，但由于滾動軸承的故障引起的大約占其三分之一，所以掌握滾動軸承的工作狀態(tài)以及故障的形成和發(fā)展，是目前電機故障診斷領域中的重要研究課題之一。
　　振動分析是滾動軸承狀態(tài)監(jiān)測與故障診斷的重要手段，軸承的振動信號中包含著豐富的工作狀態(tài)信息，利用

2、振動信號診斷軸承故障是一種有效的方法。從軸承振動信號中提取故障特征以及根據(jù)提取的特征量對故障類型做出正確判斷是故障診斷的兩個關鍵。本文綜合應用小波分析、Hilbert包絡分析、BP神經(jīng)網(wǎng)絡、Elman神經(jīng)網(wǎng)絡、RFB神經(jīng)網(wǎng)絡等理論，對軸承振動信號中的故障特征信息的提取、軸承工作狀態(tài)的識別診斷等兩個關鍵問題進行了系統(tǒng)的研究，為進一步提高軸承故障診斷水平提供了理論支持。主要研究內(nèi)容及結(jié)論如下：
　?。?）研究軸承故障的機理，分析了軸承

3、故障的時域特征和頻域特征，為軸承振動信號的特征提取和診斷提供了依據(jù)。
　?。?）研究了小波分析理論在軸承振動信號特征提取中的應用。對軸承不同狀態(tài)下的振動信號做了包絡分析和小波包能量譜的實驗，實驗結(jié)果表明：小波包能量譜可以作為表征軸承不同工作狀態(tài)的特征參數(shù)，而Hilbert包絡分析在故障初期可以表征，在故障深化后不能作為特征提取的方法。
　?。?）考慮到軸承振動信號的時域特征參數(shù)，本文研究了用小波包能量譜、小波包能量譜結(jié)合信號

4、時域特征來構(gòu)建軸承振動信號特征向量的方法。
　?。?）研究了用BP神經(jīng)網(wǎng)絡、Elman神經(jīng)網(wǎng)絡和RBF神經(jīng)網(wǎng)絡對軸承故障識別的方法。利用兩種基于小波分析構(gòu)建特征量的方法（小波包能量譜和小波能量譜結(jié)合時域特征）分別對軸承正常工況、內(nèi)圈故障、滾動體故障、外圈故障4類工況構(gòu)建特征向量。利用BP網(wǎng)絡、Elman網(wǎng)絡和RBF網(wǎng)絡進行診斷分類。診斷結(jié)果表明：基于兩種小波分析構(gòu)建特征向量的方法，均可以用于軸承振動信號特征向量的構(gòu)建。用小波能量譜