异步电机振动故障诊断研究

发布时间：2017-10-11 08:09

  本文关键词：异步电机振动故障诊断研究

  更多相关文章： 经验模态分解 能量熵 主成分分析 支持向量机 电机振动故障 故障诊断

【摘要】：随着科技的发展,异步电动机作为一种重要的电气动力设备在工业,农业和航空航天等领域得到了广泛的应用。正常运行的电动机一旦发生故障,不仅造成电机本身的损耗,还将给工业生产的各个方面带来严重的后果,给人民群众的日常生活带去极大的不便。异步电机故障诊断技术能够在保持电机的完整性前提下,通过对电机各个运行参数的分析,实时有效的的对电机状态进行判别诊断,能够及时预防电机故障或是防止电机故障所造成损害的进一步扩散。因此,研究异步电动机故障诊断技术在电机故障早期发现故障并及时进行维修,具有重大的理论意义和社会经济效益,这已经成为国内外学者们一个研究热点课题。本文在第二章对异步电机各种振动故障的类型,故障机理和故障主要特征作了介绍和总结,针对异步电机发生振动故障初期,原始信号中故障特征频率成分能量微弱难以提取,使用传统的时频分析方法对其进行分析诊断比较困难的情况,提出一种基于经验模态分解能量熵,主成分分析和支持向量机相结合的方法,将振动信号中提取的EMD能量熵作为故障分类的特征向量,支持向量机根据断条故障前后振动信号能量熵变化的内在差异对常见的异步电机振动故障进行识别诊断。第三章对EMD、能量熵、PCA和支持向量机基本理论方法做了详细介绍,阐述了上述方法各自的的特点和优势,并针对对两种常见的电机振动故障进行实验分析,通过和BP神经网络方法的对比,验证了基于支持向量机方法在电机振动故障诊断中具有极大的优势。第四章针对典型的电机振动故障中的转子断条故障,使用定子电流频谱分析法和基于能量熵的振动分析法进行了分析研究,分析结果表明,振动故障初期原始信号故障特征不太明显时,使用基于能量熵的方法能够准确的对故障做出准确的识别诊断。本文所使用基于EMD能量熵、主成分分析和支持向量机的异步电机振动故障诊断方法操作简单,识别率高,能够根据振动信号能量熵特征,对故障进行准确的识别诊断。
【关键词】：经验模态分解 能量熵 主成分分析 支持向量机 电机振动故障 故障诊断
【学位授予单位】：河南理工大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TM343
【目录】：

• 致谢4-5
• 摘要5-7
• Abstract7-12
• 1 绪论12-18
• 1.1 课题研究的背景和意义12
• 1.2 电机故障诊断技术国内外研究现状12-13
• 1.3 异步电机故障诊断的主要方法13-15
• 1.4 电机故障诊断中的信号处理方法15-16
• 1.5 电机故障诊断的发展趋势16
• 1.6 课题完成的主要内容16-18
• 2 异步电机基本原理及振动故障机理分析18-24
• 2.1 异步电机工作原理18
• 2.2 异步电机振动故障及其机理18-23
• 2.2.1 定子故障18-19
• 2.2.2 转子不平衡故障19-20
• 2.2.3 转子断条故障20
• 2.2.4 气隙偏心故障20-21
• 2.2.5 滚动轴承故障21-22
• 2.2.6 滑动轴承故障22-23
• 2.2.7 电机安装和调整不良23
• 2.3 小结23-24
• 3 异步电动机振动故障实验平台24-28
• 3.1 电机故障模拟实验台24-25
• 3.2 实验数据采集25-26
• 3.3 本章小结26-28
• 4 基于EMD能量熵、PCA和SVM的异步电机振动故障诊断方法研究28-48
• 4.1 引言28-29
• 4.2 经验模态分解方法29-31
• 4.2.1 本征模态分量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 信息熵的本质32-33
• 4.3.3 信息熵的基本性质33-34
• 4.3.4 EMD能量熵34
• 4.4 主成分分析34-38
• 4.4.1 主成分分析介绍34-35
• 4.4.2 主成分分析的数学模型35-36
• 4.4.3 主成分分析步骤36-38
• 4.4.4 主成分分析的应用38
• 4.5 支持向量机算法38-41
• 4.5.1 支持向量机的产生38
• 4.5.2 支持向量机基本理论38-41
• 4.5.3 支持向量机的优势41
• 4.6 支持向量机方法与BP神经网络对比实验分析41-46
• 4.6.1 振动信号分解42-43
• 4.6.2 PCA降维特征提取43-45
• 4.6.3 SVM方法与BP神经网络对比分析45-46
• 4.7 本章小结46-48
• 5 异步电机振动故障实验分析48-55
• 5.1 数据采集48-50
• 5.2 基于EMD能量熵、PCA和SVM的振动分析方法50-54
• 5.2.1 PCA降维特征提取52-53
• 5.2.2 SVM分类识别53-54
• 5.3 本章小结54-55
• 6 总结与展望55-57
• 6.1 全文总结55
• 6.2 工作展望55-57
• 参考文献57-62
• 作者简介62-64
• 学位论文数据集64

【相似文献】

中国期刊全文数据库 前10条

1 薛福连;线绕式异步电机的维修[J];微电机(伺服技术);2002年05期

2 陈志宏;双馈调速异步电机在风力发电中的应用[J];上海大中型电机;2003年01期

3 马宏忠,胡虔生,张利民,韩敬东;异步电机的失电残余电压研究[J];中小型电机;2005年05期

4 章文裕;徐锦才;;异步电机并网发电技术在福建大田县的实践[J];小水电;2006年01期

5 胡小明;;异步电机的启动与调速[J];家电检修技术;2006年18期

6 毕卫红;张巧玲;赵希;;基于异步电机工作模型的设计[J];科学之友(B版);2008年06期

7 本刊通讯员;;第二期异步电机设计培训及研讨班圆满结束[J];电机技术;2008年03期

8 章文裕;异步电机并网发电的要领和体会[J];小水电;1995年03期

9 吴振华;负载有准恒速要求时异步电机的选用[J];中小型电机;1996年06期

10 任炳礼,王晓燕;表面开环形槽的复合转子异步电机的参数计算[J];大电机技术;2000年02期

中国重要会议论文全文数据库 前10条

1 孟甲凡;;基于Matlab/SIMULINK的异步电机的建模与仿真[A];第六届河南省汽车工程科技学术研讨会论文集[C];2009年

2 邰永;刘赵淼;;小型异步电机机壳表面的通风计算[A];北京力学会第15届学术年会论文摘要集[C];2009年

3 李国进;胡常林;侯绪达;;异步电机离线参数辨识[A];中南六省（区）自动化学会第二十九届学术年会论文集[C];2011年

4 赵波;厉虹;;异步电机定位控制方法研究[A];冶金自动化信息网年会论文集[C];2004年

5 赵波;厉虹;;异步电机定位控制方法研究[A];全国冶金自动化信息网年会论文集[C];2004年

6 徐建华;姚来强;;异步电机直接转矩控制系统的设计与仿真[A];自动化技术与冶金流程节能减排——全国冶金自动化信息网2008年会论文集[C];2008年

7 姚来强;徐建华;;异步电机直接转矩控制系统的设计与仿真[A];第九届全国电技术节能学术会议论文集[C];2007年

8 李谦祥;胡静涛;;基于虚拟仪器的异步电机试验系统与应用[A];第三届全国虚拟仪器大会论文集[C];2008年

9 潘伟;许波;孙晓东;朱q，

本文编号：1011421