本文關(guān)鍵詞：異步電機振動故障診斷研究

  更多相關(guān)文章： 經(jīng)驗?zāi)B(tài)分解 能量熵 主成分分析 支持向量機 電機振動故障 故障診斷

【摘要】：隨著科技的發(fā)展,異步電動機作為一種重要的電氣動力設(shè)備在工業(yè),農(nóng)業(yè)和航空航天等領(lǐng)域得到了廣泛的應(yīng)用。正常運行的電動機一旦發(fā)生故障,不僅造成電機本身的損耗,還將給工業(yè)生產(chǎn)的各個方面帶來嚴重的后果,給人民群眾的日常生活帶去極大的不便。異步電機故障診斷技術(shù)能夠在保持電機的完整性前提下,通過對電機各個運行參數(shù)的分析,實時有效的的對電機狀態(tài)進行判別診斷,能夠及時預(yù)防電機故障或是防止電機故障所造成損害的進一步擴散。因此,研究異步電動機故障診斷技術(shù)在電機故障早期發(fā)現(xiàn)故障并及時進行維修,具有重大的理論意義和社會經(jīng)濟效益,這已經(jīng)成為國內(nèi)外學(xué)者們一個研究熱點課題。本文在第二章對異步電機各種振動故障的類型,故障機理和故障主要特征作了介紹和總結(jié),針對異步電機發(fā)生振動故障初期,原始信號中故障特征頻率成分能量微弱難以提取,使用傳統(tǒng)的時頻分析方法對其進行分析診斷比較困難的情況,提出一種基于經(jīng)驗?zāi)B(tài)分解能量熵,主成分分析和支持向量機相結(jié)合的方法,將振動信號中提取的EMD能量熵作為故障分類的特征向量,支持向量機根據(jù)斷條故障前后振動信號能量熵變化的內(nèi)在差異對常見的異步電機振動故障進行識別診斷。第三章對EMD、能量熵、PCA和支持向量機基本理論方法做了詳細介紹,闡述了上述方法各自的的特點和優(yōu)勢,并針對對兩種常見的電機振動故障進行實驗分析,通過和BP神經(jīng)網(wǎng)絡(luò)方法的對比,驗證了基于支持向量機方法在電機振動故障診斷中具有極大的優(yōu)勢。第四章針對典型的電機振動故障中的轉(zhuǎn)子斷條故障,使用定子電流頻譜分析法和基于能量熵的振動分析法進行了分析研究,分析結(jié)果表明,振動故障初期原始信號故障特征不太明顯時,使用基于能量熵的方法能夠準確的對故障做出準確的識別診斷。本文所使用基于EMD能量熵、主成分分析和支持向量機的異步電機振動故障診斷方法操作簡單,識別率高,能夠根據(jù)振動信號能量熵特征,對故障進行準確的識別診斷。
【關(guān)鍵詞】：經(jīng)驗?zāi)B(tài)分解 能量熵 主成分分析 支持向量機 電機振動故障 故障診斷
【學(xué)位授予單位】：河南理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TM343
【目錄】：

• 致謝4-5
• 摘要5-7
• Abstract7-12
• 1 緒論12-18
• 1.1 課題研究的背景和意義12
• 1.2 電機故障診斷技術(shù)國內(nèi)外研究現(xiàn)狀12-13
• 1.3 異步電機故障診斷的主要方法13-15
• 1.4 電機故障診斷中的信號處理方法15-16
• 1.5 電機故障診斷的發(fā)展趨勢16
• 1.6 課題完成的主要內(nèi)容16-18
• 2 異步電機基本原理及振動故障機理分析18-24
• 2.1 異步電機工作原理18
• 2.2 異步電機振動故障及其機理18-23
• 2.2.1 定子故障18-19
• 2.2.2 轉(zhuǎn)子不平衡故障19-20
• 2.2.3 轉(zhuǎn)子斷條故障20
• 2.2.4 氣隙偏心故障20-21
• 2.2.5 滾動軸承故障21-22
• 2.2.6 滑動軸承故障22-23
• 2.2.7 電機安裝和調(diào)整不良23
• 2.3 小結(jié)23-24
• 3 異步電動機振動故障實驗平臺24-28
• 3.1 電機故障模擬實驗臺24-25
• 3.2 實驗數(shù)據(jù)采集25-26
• 3.3 本章小結(jié)26-28
• 4 基于EMD能量熵、PCA和SVM的異步電機振動故障診斷方法研究28-48
• 4.1 引言28-29
• 4.2 經(jīng)驗?zāi)B(tài)分解方法29-31
• 4.2.1 本征模態(tài)分量29
• 4.2.2 EMD基本原理29-31
• 4.3 EMD能量熵31-34
• 4.3.1 信息熵的概念31-32
• 4.3.2 信息熵的本質(zhì)32-33
• 4.3.3 信息熵的基本性質(zhì)33-34
• 4.3.4 EMD能量熵34
• 4.4 主成分分析34-38
• 4.4.1 主成分分析介紹34-35
• 4.4.2 主成分分析的數(shù)學(xué)模型35-36
• 4.4.3 主成分分析步驟36-38
• 4.4.4 主成分分析的應(yīng)用38
• 4.5 支持向量機算法38-41
• 4.5.1 支持向量機的產(chǎn)生38
• 4.5.2 支持向量機基本理論38-41
• 4.5.3 支持向量機的優(yōu)勢41
• 4.6 支持向量機方法與BP神經(jīng)網(wǎng)絡(luò)對比實驗分析41-46
• 4.6.1 振動信號分解42-43
• 4.6.2 PCA降維特征提取43-45
• 4.6.3 SVM方法與BP神經(jīng)網(wǎng)絡(luò)對比分析45-46
• 4.7 本章小結(jié)46-48
• 5 異步電機振動故障實驗分析48-55
• 5.1 數(shù)據(jù)采集48-50
• 5.2 基于EMD能量熵、PCA和SVM的振動分析方法50-54
• 5.2.1 PCA降維特征提取52-53
• 5.2.2 SVM分類識別53-54
• 5.3 本章小結(jié)54-55
• 6 總結(jié)與展望55-57
• 6.1 全文總結(jié)55
• 6.2 工作展望55-57
• 參考文獻57-62
• 作者簡介62-64
• 學(xué)位論文數(shù)據(jù)集64

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 薛福連;線繞式異步電機的維修[J];微電機(伺服技術(shù));2002年05期

2 陳志宏;雙饋調(diào)速異步電機在風(fēng)力發(fā)電中的應(yīng)用[J];上海大中型電機;2003年01期

3 馬宏忠,胡虔生,張利民,韓敬東;異步電機的失電殘余電壓研究[J];中小型電機;2005年05期

4 章文裕;徐錦才;;異步電機并網(wǎng)發(fā)電技術(shù)在福建大田縣的實踐[J];小水電;2006年01期

5 胡小明;;異步電機的啟動與調(diào)速[J];家電檢修技術(shù);2006年18期

6 畢衛(wèi)紅;張巧玲;趙希;;基于異步電機工作模型的設(shè)計[J];科學(xué)之友(B版);2008年06期

7 本刊通訊員;;第二期異步電機設(shè)計培訓(xùn)及研討班圓滿結(jié)束[J];電機技術(shù);2008年03期

8 章文裕;異步電機并網(wǎng)發(fā)電的要領(lǐng)和體會[J];小水電;1995年03期

9 吳振華;負載有準恒速要求時異步電機的選用[J];中小型電機;1996年06期

10 任炳禮,王曉燕;表面開環(huán)形槽的復(fù)合轉(zhuǎn)子異步電機的參數(shù)計算[J];大電機技術(shù);2000年02期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 孟甲凡;;基于Matlab/SIMULINK的異步電機的建模與仿真[A];第六屆河南省汽車工程科技學(xué)術(shù)研討會論文集[C];2009年

2 邰永;劉趙淼;;小型異步電機機殼表面的通風(fēng)計算[A];北京力學(xué)會第15屆學(xué)術(shù)年會論文摘要集[C];2009年

3 李國進;胡常林;侯緒達;;異步電機離線參數(shù)辨識[A];中南六省（區(qū)）自動化學(xué)會第二十九屆學(xué)術(shù)年會論文集[C];2011年

4 趙波;厲虹;;異步電機定位控制方法研究[A];冶金自動化信息網(wǎng)年會論文集[C];2004年

5 趙波;厲虹;;異步電機定位控制方法研究[A];全國冶金自動化信息網(wǎng)年會論文集[C];2004年

6 徐建華;姚來強;;異步電機直接轉(zhuǎn)矩控制系統(tǒng)的設(shè)計與仿真[A];自動化技術(shù)與冶金流程節(jié)能減排——全國冶金自動化信息網(wǎng)2008年會論文集[C];2008年

7 姚來強;徐建華;;異步電機直接轉(zhuǎn)矩控制系統(tǒng)的設(shè)計與仿真[A];第九屆全國電技術(shù)節(jié)能學(xué)術(shù)會議論文集[C];2007年

8 李謙祥;胡靜濤;;基于虛擬儀器的異步電機試驗系統(tǒng)與應(yīng)用[A];第三屆全國虛擬儀器大會論文集[C];2008年

9 潘偉;許波;孫曉東;朱q，

本文編號：1011421