摘要：论文探讨了小波技术的发展和其特点，指出其在煤矿电机故障检测中可以发挥很好的作用。阐述了应用小波进行煤矿电机故障检测的具体方法，通过振动故障特征的提取，实现故障的检测。
关键词：煤矿安全；电机；故障；小波；信号处理理火
引言
煤矿生产时电机经常处于复杂工况下，受到潮湿、霉变等环境条件影响，经常有可能发生各种故障。比如强行开机引发定子温度过快，破坏原有绝缘性能，造成短路。电机故障直接影响着煤矿的安全生产，必须采取积极地措施来加强监管。本文主要探讨应用小波方法，对煤矿电机故障进行检测。
1 故障检测
故障诊断是个古老的话题，它在各个领域都引起了人们的重视。所谓故障诊断就是对系统进行监视与检查，判断系统是否出现了异常。自动故障监测系统是对系统运行状态进行监测、评判，及时给出发生的故障信息，包括故障发生的时间、部位，大小等，为可靠控制和安全生产提供保障。信号处理、模式识别、最优化方法、决策论、人工智能等理论和方法的迅速发展，为解决复杂系统故障诊断问题提供了有力的理论基础，从而产生了大量行之有效的新技术、新方法。在技术进步与市场拓展的双重驱动下。故障诊断技术得到了快速发展，大量专用动态系统的故障诊断专家系统都已接近实用水平，并在航空航天、核反应堆、热电厂、石油输送、机器人，化工等一系列工程技术领域得到了初步应用，并取得了显著的经济效益。
2 小波变换与小波处理
法国地球物理学家Morlet在分析地震波时首先提出了小波分析。后来与Grossman共同发展了连续小波变换。1986年开始小波理论迅速发展。Mallat统一了所有具体的正交小波基的构造，提出了基于小波分解和重构的快速算法。经过近10年的探索研究，数学形式化体系已经建立，理论基础扎实。“小波”就是小区域、长度有限、均值为0的波形。所谓“小”是指它具有衰减性；而称之为“波”则是指它的波动性，其振幅正负相间的震荡形式。与Fourier变换相比，小波变换是时间(空间)频率的局部化分析，它通过伸缩平移运算对信号逐步进行多尺度细化，最终达到高频处时间细分，低频处频率细分。正交小波变换这种小尺度大频窗、大尺度小频窗的时频分布规律是同自然界中信号的时频特性相符合的，适宜于分析任意尺度的信号，能自动适应时频信号分析的要求，解决了F0urier变换的困难问题。小波变换称为“数学显微镜”，作为一种新颖的时频分析工具，不仅继承和发展了STFT局部化的思想，而且克服了短时傅里叶变换的时频窗口固定、离散正交基匮乏的弱点。可喜的是，它是一种理想的时频分析工具，还对平稳信号同样有效。因此把小波应用到电机的故障检测里，是信号处理在故障检测应用的发展。
3 基于小波的电机故障检测
3.1在线检测的方式
电机设备的运行又受到很多因素的影响，导致故障产生的原因多种多样，如电网电压、负载性质、安装环境、产品质量等，既有设计制造质量问题，也有安装和运行维护方面的问题。除了采取各种积极的维护措施消除或减少故障隐患之外，在故障初期可靠地诊断出故障是一种不错的选择。为了能在电机有早期故障征兆时采取积极主动的调节措施，防止故障的进一步恶化，更需要对它们进行可靠、有效的状态监测与故障诊断，以利生产的合理进行。
3.2小波的特征提取
故障诊断主要包含三个步骤：检测设备状态的特征信号，如振动、噪声等，从所检测到的特征信号中提取征兆，故障的模式识别。应用小波技术的故障实际上也是一种基于信号处理的故障检测方法。基于信号处理的诊断方法直接利用各类信号处理方法，如相关函数、高阶统计量、频谱的分析和自回归滑动平均过程、小波变换技术等，原理上既适应干线性系统，也适用于非线性系统。电动机的在线故障监测也就是应用小波对振动信号的特征提取。当电机出现故障时，其故障信号更多地表现为：信号是淹没于强背景中的微弱信号；信号特征频率波动范围较大甚至有跳动；信号瞬变非平稳。采用相关分析、频谱分析的方法很难形成一个准确的故障诊断判据。当电动机分别处于正常运行状态和故障状态时，其振动频率的特征分布会有非常大的差别。将电机正常和故障信号分别进行多层小波包分解，并对其进行单支重构，从中提取电机故障特征频段，从特征频段波形的对比分析中可以看到能够反映电机的故障状况重构信号。
所以应用频率特征进行小波的故障检测方法如下：采样信号小波包分解；小波包分解系数重构，提取各频带范围的信号。由于电机出现故障时，会对某些频带信号的能量有较大的影响。用此方法可以构造特征向量。对特征向量厂进行归一化处理，应用归一化的特征向量就可以实现煤矿电机的故障检测。
4 总结
由于小波分析具有很强的提取弱信号的能力，所以是诊断早期煤矿电机故障的有效手段，对电机的常见故障进行分析及诊断，可以有效地降低故障率，减少突发事故造成的停产损失，减小对人员的安全威胁，保证矿井作业的安全。虽然这些故障诊断技术虽然进展显著，但仍然存在误判率高、准确度低的问题，对电机系统故障诊断技术的研究有必要进一步深化和成熟。
参考文献：
[1]楼应候，蒋亚南.机械设备故障诊断与监测技术的发展趋势[J].机床与液压2002：(4)
[2]周东华.三相感应电动机的在线故障检测与诊断问题的研究[J]，控制理论与应用1995.12(1)
[3]程军圣，于德介，邓乾旺等.时间一小波能量谱在滚动轴承故障诊断中的应用[J].振动与冲击：2004.2