發(fā)布時間：2018-04-16 03:35

  本文選題：籠型異步電動機(jī) + 斷條��； 參考：《電機(jī)與控制學(xué)報》2015年06期

【摘要】：針對籠型異步電動機(jī)發(fā)生轉(zhuǎn)子斷條故障時,用于判定故障類型及其嚴(yán)重程度的定子電流信號中的邊頻信號容易被主頻信號所淹沒的問題,研究了一種基于Hilbert變換和支持向量機(jī)理論的籠型異步電動機(jī)斷條故障診斷方法。首先進(jìn)行了詳細(xì)的理論推導(dǎo),為該方法在斷條故障診斷中的應(yīng)用奠定了基礎(chǔ)。然后設(shè)計并完成了一系列斷條故障試驗,取得了真實有效的故障數(shù)據(jù)。最后,將該方法應(yīng)用于試驗數(shù)據(jù)的分析與處理,結(jié)果表明Hilbert變換能有效提取到斷條故障時定子電流信號中的故障特征量,而采用這些特征量訓(xùn)練得到的支持向量機(jī)分類模型則能在故障樣本有限的前提下實現(xiàn)最優(yōu)分類,將二者結(jié)合起來用于斷條故障診斷的準(zhǔn)確率高達(dá)98%。
[Abstract]:In view of the problem that the side frequency signal of stator current signal used to determine the type of fault and its severity is easily submerged by the main frequency signal when the rotor broken bar fault occurs in the cage asynchronous motor.A fault diagnosis method for cage asynchronous motor based on Hilbert transform and support vector machine theory is studied.Firstly, the detailed theoretical derivation is carried out, which lays a foundation for the application of this method in broken bar fault diagnosis.Then a series of broken bar fault tests are designed and completed, and real and effective fault data are obtained.Finally, the method is applied to the analysis and processing of test data. The results show that the Hilbert transform can effectively extract the fault characteristics of stator current signal when the bar is broken.The SVM classification model trained by these features can achieve the optimal classification under the premise of limited fault samples, and the accuracy of combining the two methods for fault diagnosis of broken bars is as high as 98%.
【作者單位】： 太原理工大學(xué)煤礦裝備與安全控制山西省重點實驗室;山西昌生電磁線有限公司;
【基金】：高等學(xué)校博士學(xué)科點專項科研基金資助項目(20111402110010) 國家自然科學(xué)基金面上項目(51377113)
【分類號】：TM343

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 劉振興,張哲,尹項根,吳杰余;一種新型的籠型異步電動機(jī)轉(zhuǎn)子故障在線監(jiān)測和診斷方法[J];電工技術(shù)學(xué)報;2002年04期

2 陽桂蓉;王冰峰;;異步電機(jī)運行過程中轉(zhuǎn)子故障診斷綜述[J];大電機(jī)技術(shù);2011年04期

3 馬宏忠;姚華陽;黎華敏;;基于Hilbert模量頻譜分析的異步電機(jī)轉(zhuǎn)子斷條故障研究[J];電機(jī)與控制學(xué)報;2009年03期

4 丁世飛;齊丙娟;譚紅艷;;支持向量機(jī)理論與算法研究綜述[J];電子科技大學(xué)學(xué)報;2011年01期

5 韓天;尹忠俊;楊邵偉;;電機(jī)轉(zhuǎn)子斷條故障診斷方法探討[J];電力系統(tǒng)及其自動化學(xué)報;2009年01期

6 王冬蕾;翟正軍;姜紅梅;;基于D-S理論的智能故障診斷關(guān)鍵技術(shù)研究與實現(xiàn)[J];測控技術(shù);2008年06期

7 梁信信;孫立志;吳鳳江;孫力;;感應(yīng)電機(jī)故障在線檢測的研究綜述及展望[J];微電機(jī);2011年09期

8 雷亞國;何正嘉;;混合智能故障診斷與預(yù)示技術(shù)的應(yīng)用進(jìn)展[J];振動與沖擊;2011年09期

9 馬宏忠,胡虔生,黃允凱,王惠慶;感應(yīng)電機(jī)轉(zhuǎn)子繞組故障仿真與實驗研究[J];中國電機(jī)工程學(xué)報;2003年04期

10 劉振興,尹項根,張哲;基于Hilbert模量頻譜分析的異步電動機(jī)轉(zhuǎn)子故障在線監(jiān)測與診斷方法[J];中國電機(jī)工程學(xué)報;2003年07期

【共引文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張鑫;隋金雪;楊莉;;基于轉(zhuǎn)速測量的電機(jī)保護(hù)器的設(shè)計[J];安徽大學(xué)學(xué)報(自然科學(xué)版);2007年05期

2 楊緒兵,韓自存;ε不敏感的核Adaline算法及其在圖像去噪中的應(yīng)用[J];安徽工程科技學(xué)院學(xué)報(自然科學(xué)版);2003年04期

3 陶秀鳳,唐詩忠,周鳴爭;基于支持向量機(jī)的軟測量模型及應(yīng)用[J];安徽工程科技學(xué)院學(xué)報(自然科學(xué)版);2004年02期

4 許高程;張文君;王衛(wèi)紅;;支持向量機(jī)技術(shù)在遙感影像滑坡體提取中的應(yīng)用[J];安徽農(nóng)業(yè)科學(xué);2009年06期

5 郭立萍;唐家奎;米素娟;張成雯;趙理君;;基于支持向量機(jī)遙感圖像融合分類方法研究進(jìn)展[J];安徽農(nóng)業(yè)科學(xué);2010年17期

6 馮學(xué)軍;;最小二乘支持向量機(jī)的研究與應(yīng)用[J];安慶師范學(xué)院學(xué)報(自然科學(xué)版);2009年01期

7 鄒心遙;姚若河;;基于LSSVM的威布爾分布形狀參數(shù)估計(英文)[J];半導(dǎo)體技術(shù);2008年06期

8 鄒心遙;姚若河;;基于LSSVM的小子樣元器件壽命預(yù)測[J];半導(dǎo)體技術(shù);2011年09期

9 李卓遠(yuǎn),吳為民,王e，

本文編號：1757148