基于骨干微粒群算法和支持向量机的电机转子断条故障诊断

发布时间：2018-06-21 01:07

  本文选题：感应电机 + 转子断条　； 参考：《电工技术学报》2014年01期

【摘要】：为了准确识别感应电机转子断条故障,本文提出一种基于骨干微粒群算法和支持向量机的故障诊断新方法,并给出了可行的诊断步骤和分析。首先根据故障电流信号的特点,提出一种基于骨干微粒群算法的基波滤除方法,用以消除基波分量对故障特征的影响。然后利用小波包频带能量分解技术,将残余电流信号分解到不同频带,形成感应电机运行状态的特征向量,并以此作为支持向量机的输入向量。采用"一对一"向量机进行分类,并利用骨干微粒群算法和交叉检验优化支持向量机模型参数。最后实验结果表明,该方法诊断感应电机转子断条故障能取得良好的效果。
[Abstract]:A new fault diagnosis method based on backbone particle swarm optimization and support vector machine is proposed in this paper to accurately identify rotor bar broken faults of induction motor. The feasible diagnostic steps and analysis are also given. According to the characteristics of fault current signal, a fundamental filtering method based on backbone particle swarm optimization algorithm is proposed to eliminate the influence of fundamental wave component on fault characteristics. Then the residual current signal is decomposed into different frequency bands by using the wavelet packet energy decomposition technique to form the eigenvector of the operating state of the induction motor and it is used as the input vector of the support vector machine. The "one to one" vector machine is used to classify, and the parameters of the support vector machine model are optimized by using the backbone particle swarm optimization algorithm and crossover test. Finally, the experimental results show that the method can achieve good results in diagnosing rotor bar breakage of induction motor.
【作者单位】： 中国矿业大学信息与电气工程学院;
【基金】：教育部科学技术研究重大资助项目(311021)
【分类号】：TM307.1

【参考文献】

相关期刊论文 前9条

1 陈昌松;段善旭;蔡涛;代倩;;基于模糊识别的光伏发电短期预测系统[J];电工技术学报;2011年07期

2 管春;周雒维;卢伟国;;基于多标签RBF神经网络的电能质量复合扰动分类方法[J];电工技术学报;2011年08期

3 黄南天;徐殿国;刘晓胜;;基于S变换与SVM的电能质量复合扰动识别[J];电工技术学报;2011年10期

4 马宏忠;姚华阳;黎华敏;;基于Hilbert模量频谱分析的异步电机转子断条故障研究[J];电机与控制学报;2009年03期

5 韩天;尹忠俊;杨邵伟;;电机转子断条故障诊断方法探讨[J];电力系统及其自动化学报;2009年01期

6 杨俊燕,张优云,赵荣珍;支持向量机在机械设备振动信号趋势预测中的应用[J];西安交通大学学报;2005年09期

7 许伯强,李和明,孙丽玲,陈志业;小波分析应用于笼型异步电动机转子断条在线检测初探[J];中国电机工程学报;2001年11期

8 刘振兴,尹项根,张哲,刘惠康;基于瞬时功率信号频谱分析的鼠笼式异步电动机转子故障在线诊断方法[J];中国电机工程学报;2003年10期

9 黄进;牛发亮;杨家强;;基于双PQ变换的感应电机转子故障诊断[J];中国电机工程学报;2006年13期

【共引文献】

相关期刊论文 前10条

1 李冬;王璐;康文峥;;基于SVM的作战效能灵敏度分析[J];兵工自动化;2011年01期

2 方瑞明;马宏忠;;基于最小二乘支持矢量机的异步电机转子故障诊断研究[J];电工技术学报;2006年05期

3 方芳;杨士元;侯新国;吴正国;;Zoom-Prony方法及其在转子断条故障严重程度定量估算中的应用[J];电工技术学报;2009年10期

4 张建文;王春生;张强;朱宁辉;姚奇;;异步电动机信息融合故障诊断模型[J];电气应用;2006年09期

5 杨利军,赵敏,刘振兴;嵌入式系统在异步电动机故障诊断中的应用[J];电子工业专用设备;2005年08期

6 付大金,王秀和,张荣,杨玉波;感应电动机故障诊断技术综述[J];大电机技术;2004年03期

7 张雄希;李保国;;小波与倒频谱分析法在异步电机故障诊断中的应用[J];大电机技术;2010年05期

8 董涛;程培源;樊波;孟飞翔;;基于单相功率频谱分析的感应电机故障诊断[J];大电机技术;2011年02期

9 孟飞翔;程培源;杨旭峰;张兴;;鼠笼式异步电动机转子断条数目判据研究[J];大电机技术;2011年03期

10 阳桂蓉;王冰峰;;异步电机运行过程中转子故障诊断综述[J];大电机技术;2011年04期

相关会议论文 前5条

1 罗铭;刘振兴;周恒;张雪;高放英;;变频电源笼型异步电机断条故障诊断仿真研究[A];第二十七届中国控制会议论文集[C];2008年

2 马征宾;张建文;徐善琛;;电流分析法检测断条故障的对比研究[A];第十七届全国煤矿自动化学术年会、中国煤炭学会自动化专业委员会学术会议论文集[C];2007年

3 陈铁;张来斌;王朝晖;段礼祥;陈曦;;往复机械状态趋势预测方法与展望[A];第六届全国信息获取与处理学术会议论文集（2）[C];2008年

4 羌予践;堵俊;华亮;时维俊;;基于虚拟仪器的风电机组状态监测与故障诊断平台设计[A];2010电工测试技术学术交流会论文集[C];2010年

5 满蔚仕;张志禹;郗垒;;基于快速S变换的电能质量主成分分析方法[A];分布式发电、智能微电网与电能质量——第三届全国电能质量学术会议暨电能质量行业发展论坛论文集[C];2013年

相关博士学位论文 前10条

1 彭颖;基于退化隐式半马尔科夫模型的设备健康预测及系统性维护策略研究[D];上海交通大学;2011年

2 王常青;数字图像处理与分析及其在故障诊断中的应用研究[D];华中科技大学;2012年

3 黄汉奇;风力发电与光伏发电系统小干扰稳定研究[D];华中科技大学;2012年

4 魏云冰;小波变换在电机故障诊断与测试中的应用研究[D];浙江大学;2002年

5 刘振兴;电机故障在线监测诊断新原理和新技术研究[D];华中科技大学;2004年

6 张征平;异步电动机早期故障检测的小波分析方法研究[D];华南理工大学;2002年

7 田慕琴;基于模型的异步电动机早期故障智能诊断[D];太原理工大学;2006年

8 潘明清;基于支持向量机的机械故障模式分类研究[D];浙江大学;2005年

9 刘p，

本文编号：2046474