【摘要】：對(duì)于異步電機(jī)故障診斷技術(shù)的研究,故障特征的提取與識(shí)別將很大程度影響到故障診斷的準(zhǔn)確性和有效性。本文利用振動(dòng)信號(hào)診斷電機(jī)故障是一種常用的方法,根據(jù)電機(jī)振動(dòng)信號(hào)在不同狀態(tài)下的不同特點(diǎn),對(duì)電機(jī)振動(dòng)信號(hào)進(jìn)行診斷。由于傳統(tǒng)的信號(hào)分析方法在非平穩(wěn)、非線性的信號(hào)難以定量提取特征向量的問(wèn)題,首先本文在信號(hào)采集的問(wèn)題上建立基于振動(dòng)信號(hào)的采集實(shí)驗(yàn)?zāi)Ｐ?將采集的振動(dòng)信號(hào)采用經(jīng)驗(yàn)?zāi)Ｊ椒纸夂托畔㈧叵嘟Y(jié)合的方法提取特征向量。在分解得到的多個(gè)本征模態(tài)分量的基礎(chǔ)上,將能量法和相關(guān)系數(shù)法進(jìn)行結(jié)合來(lái)選擇包含主要故障的本征模態(tài)主分量,通過(guò)能量法與相關(guān)系數(shù)法相互驗(yàn)證選取的主分量的正確性。在選擇主征模態(tài)主分量之后,利用信息熵理論計(jì)算了時(shí)域和頻域的小波能量譜熵、奇異譜熵、功率譜熵和小波包空間特征譜熵。將轉(zhuǎn)子故障振動(dòng)信號(hào)計(jì)算得到四種信息熵作為電機(jī)轉(zhuǎn)子故障訓(xùn)練和診斷的特征向量組。最后本文提出將支持向量機(jī)(SVM)與證據(jù)理論(DS)相結(jié)合,應(yīng)用于電機(jī)故障診斷,結(jié)合證據(jù)理論對(duì)支持向量機(jī)進(jìn)行改進(jìn)。利用多分類支持向量機(jī)(SVM)對(duì)電機(jī)轉(zhuǎn)子的三種典型故障進(jìn)行了診斷,根據(jù)證據(jù)理論,使其以概率的形式軟輸出,信號(hào)在不同的特征條件下進(jìn)行融合。該方法能夠提高電機(jī)故障診斷的準(zhǔn)確性,在一定程度上可以對(duì)故障進(jìn)行提前預(yù)知,達(dá)到對(duì)故障的實(shí)時(shí)監(jiān)控。
【學(xué)位授予單位】：遼寧工程技術(shù)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：TM343
【圖文】：

轉(zhuǎn)過(guò)程受力的作用，長(zhǎng)期就會(huì)存在形變，就會(huì)產(chǎn)生故障。然后要提高軸承油膜渦動(dòng)/振動(dòng)等故障。電動(dòng)機(jī)故障診斷實(shí)驗(yàn)方案設(shè)計(jì)感器布置與測(cè)試系統(tǒng)故障診斷過(guò)程通常包括信息采集，數(shù)據(jù)處理和診斷決策。設(shè)備診斷的第一從被診斷的設(shè)備或系統(tǒng)獲取原始信息。根據(jù)測(cè)試條件，設(shè)計(jì)了異步電動(dòng)機(jī)方案。傳感器布置和測(cè)試系統(tǒng)如圖2.3所示，這里的數(shù)據(jù)記錄是以?shī)W地利DE的信號(hào)記錄系統(tǒng)為基礎(chǔ)的。該系統(tǒng)有 16 個(gè)通道和 16 個(gè)擴(kuò)展通道，完全滿需要。系統(tǒng)中有一個(gè)頻率模塊，頻率響應(yīng)達(dá) 200KHZ，轉(zhuǎn)換精度小于±0.0的功能是很好地解調(diào)調(diào)頻信號(hào)，并將其轉(zhuǎn)換成易于分析的電壓信號(hào)。實(shí)驗(yàn)處理和保護(hù)測(cè)量?jī)x器，在過(guò)電壓保護(hù)后，將輸入電壓和電流信號(hào)連接到信處理。

圖 2.2 轉(zhuǎn)子試驗(yàn)臺(tái)Figure 2.2 Rotor test bench2.1 和 2.2 所示為了更直觀了解轉(zhuǎn)子實(shí)驗(yàn)臺(tái)故障模擬信號(hào)的提取，如圖 2.3置和測(cè)試系統(tǒng)原理圖。YXZ聯(lián)軸器聯(lián)軸器數(shù)字信號(hào)記錄儀耦合器耦合器耦合器耦合器步電機(jī)5kw齒 輪 減 速箱測(cè)速磁粉制動(dòng)器241數(shù)據(jù)轉(zhuǎn)換塊計(jì)算機(jī)顯示器聯(lián)軸器

(3)圖 4.4 (1)（2）（3）為電機(jī)故障振動(dòng)信號(hào)的 EMD 分解Figure 4.4(1)（2）（3） shows the EMD decomposition of the fault vibration signal

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 李云娟;閆嬌;王松會(huì);;粗糙集的理論及應(yīng)用研究[J];信息通信;2015年10期

2 周子航;張英;;基于隔離算法的礦區(qū)智能變電站故障診斷[J];煤礦機(jī)械;2015年06期

3 鐘錦源;張巖;文福拴;楊明;張小易;朱海兵;;利用電氣量和時(shí)序信息的改進(jìn)Petri網(wǎng)故障診斷模型[J];電力系統(tǒng)自動(dòng)化;2015年11期

4 寇為剛;李永祥;孫艷軍;;電力系統(tǒng)故障診斷的研究現(xiàn)狀與展望綜述[J];自動(dòng)化與儀器儀表;2015年02期

5 邵良杉;馬寒;溫廷新;;因子分析與支持向量機(jī)相結(jié)合的煤炭自燃預(yù)測(cè)[J];遼寧工程技術(shù)大學(xué)學(xué)報(bào)(自然科學(xué)版);2014年04期

6 皮安云;于鵬;王文雙;張光軼;;粗糙條件熵算法在故障診斷中應(yīng)用分析[J];海軍航空工程學(xué)院學(xué)報(bào);2014年02期

7 林茂;李孝全;蘇楊;;基于改進(jìn)免疫遺傳算法的電網(wǎng)故障診斷研究[J];電子技術(shù)應(yīng)用;2012年08期

8 焦振毅;任建文;陳鵬;;基于模糊理論的變壓器故障診斷模型研究[J];電力科學(xué)與工程;2012年06期

9 顏兆林;馮靜;;基于平均互信息熵的復(fù)雜系統(tǒng)可靠性評(píng)定方法[J];國(guó)防科技大學(xué)學(xué)報(bào);2012年01期

10 黃永東;;轉(zhuǎn)子不平衡現(xiàn)象的分析[J];發(fā)電設(shè)備;2009年03期

相關(guān)博士學(xué)位論文 前1條

1 胡勁松;面向旋轉(zhuǎn)機(jī)械故障診斷的經(jīng)驗(yàn)?zāi)B(tài)分解時(shí)頻分析方法及實(shí)驗(yàn)研究[D];浙江大學(xué);2003年

本文編號(hào)：2753478