小波分析和CPSO-NP优化SVM的电机故障诊断方法研究

发布时间：2020-08-06 11:55

【摘要】：异步电动机作为解放人力的一种驱动装置,因其结构简单、稳定性好、价格适中等优点,在工农业等领域均有着广泛应用;若电机发生故障,轻则造成电机损坏,影响生产进度,重则会危及操作人员生命和企业财产安全,因此如何实现电机快速、准确的诊断,避免或者及早发现故障,具有重要的现实意义。文章以异步电动机为研究对象,首先介绍了它的工作原理,总结了电动机的故障类型和诊断技术,研究了电机转子断条故障、定子故障和滚动轴承故障的频率特性,为下一步故障诊断提供理论参考;接下来,文章将提出的故障诊断系统分为三大模块:信号采集模块,信号处理模块和模式识别模块,由于文章采用凯斯西储大学轴承数据集,因此后两个模块才是文章研究的内容;在信号处理模块文章提出了一种改进的小波降噪法和小波包特征提取的小波分析处理方式;考虑到采集信号中不可避免的含有噪音,影响故障信号的提取,于是文中提出了邻域多阈值函数降噪法,该降噪法中的函数包含邻域硬阈值,邻域窗口阈值和邻域扩张阈值,小波系数根据不同的邻域阈值进行保留或收缩,以充分反映信号的真实信息;新函数能够较好体现与被滤波噪声的相互关系,可以进一步提高消噪的精度,然后与其它阈值函数去噪方法相比,仿真结果表明在信号信燥比,降低有用信号失真和抑制噪声等方面都有一定的提高;其次利用小波包的多分辨率特性,对降噪后的信号进行分解,并把不同频带的能量作为特征向量,仿真结果表明,提取的特征向量可以表征不同的故障信息;在模式识别模块文章提出了一种改进粒子群优化支持向量机的故障诊断方法;为了有效地平衡粒子群算法的探索和开发能力,解决粒子群局部最优,收敛速度慢等问题,提出了基于捕食搜索和自然选择的混沌粒子群算法。该算法借鉴自然选择中适者生存的进化机制以提高算法的收敛速度;且捕食搜索策略调节限制级别平衡全局搜索和局部搜索,优化搜索性能;通过函数测试和电机轴承数据的故障诊断,结果表明:所提算法计算精度高、收敛速度快,能准确地对SVM的参数进行寻优,提高了故障诊断的准确性;
【学位授予单位】：辽宁工程技术大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TM307
【图文】：

原理图,异步电动机,原理图,转子

步电机产生的目的，因其可以节类的广泛使用，然而在生产生活受到人们的广泛关注，正所周知式和工作原理密不可分，因此要、故障类型和产生故障的机理等原理原理示意图，当三相电源接入，文中规定旋转磁场的转速为0n 后的转子导体便会产生一定的感，该磁场与定子磁场相互作用，子旋转速度为 n；按照旋转原理的，初于切割转子导体的原因，，转子就不会在电能的作用之下

结构图,滚动轴承,结构图,内滚道

图 2.2 滚动轴承结构图Figure2.2 Rolling structure diagram转动，其转动的中心点为 C，A 点是与内滚道的接触点，B 点以得到如下转动速度[44]：点的速度为： cos ffDdii 点的速度为： cos 00ffDd 点的速度为： VfDABC 19）可得到保持架的旋转频率： 01cos1cos21fDdfDdDViB

速度传感器

等；第二步是数据预处理阶段，由于采集信，需要进一步的信号处理；第三步就是对降，将分解后的频带能量值作为特征向量；第进行故障预测或者故障分类；这四个步骤是及到前三步；图 3.1 电动机故障诊断过程图Figure3.1 Motor fault diagnosis process diagram器繁多，它们在结构和工作原理等方面很不相信号非常重要，在选购传感器之前，首先以常用传感器。

【参考文献】