基于多源異類信息融合的異步電機(jī)故障診斷技術(shù)研究.pdf

1、異步電機(jī)是目前應(yīng)用最廣的動(dòng)力設(shè)備,由多個(gè)機(jī)械系統(tǒng)和電氣系統(tǒng)組成,是一個(gè)典型的強(qiáng)耦合非線性系統(tǒng),故障特征之間存在較強(qiáng)的非線性關(guān)系,故障診斷過程受到諸多不確定性因素的影響,存在固有的不確定性,單一信號(hào)特征往往不能全面表征設(shè)備運(yùn)行狀態(tài),難以保證故障診斷的準(zhǔn)確性,信息融合技術(shù)為解決異步電機(jī)故障診斷的這些問題提供了一條新的途徑。本文從回顧總結(jié)異步電機(jī)故障診斷技術(shù)研究現(xiàn)狀入手,在分析異步電機(jī)結(jié)構(gòu)性能和常見故障機(jī)理的基礎(chǔ)上,設(shè)計(jì)了異步電機(jī)故障診斷實(shí)驗(yàn)

2、方案,從特征級(jí)和決策級(jí)兩個(gè)層次開展以異類信息融合技術(shù)為核心的異步電機(jī)融合故障診斷方法研究,主要的研究工作如下:
　　1.開展基于CMKPCA的異步電機(jī)異類信息特征融合故障診斷方法研究
　　(1)針對(duì)異步電機(jī)特征融合故障診斷的降維需求和核主元分析(KPCA)法的不足,提出一種改進(jìn)的KPCA算法—類均值核主元分析法(CMKPCA),將KPCA思想應(yīng)用于映射數(shù)據(jù)的類均值向量,通過構(gòu)建類均值核矩陣,建立了CMKPCA算法模型。由類均

3、值核主元構(gòu)成的特征向量吸收了類均值向量的全部分類信息,維數(shù)低于故障類別數(shù),在類均值向量基礎(chǔ)上實(shí)現(xiàn)了無信息損失的數(shù)據(jù)降維。CMKPCA具有比傳統(tǒng)KPCA更強(qiáng)的綜合原始變量信息的能力,是一種有效的特征融合方法。
　　(2)針對(duì)異步電機(jī)故障的非線性特征和組合特征的高維性,建立了CMKPCA與支持向量機(jī)(SVM)相結(jié)合的多源異類信息特征融合故障診斷模型,采用CMKPCA進(jìn)行多源異類信息特征融合,通過多分類SVM對(duì)融合特征進(jìn)行分類識(shí)別,并以

4、振動(dòng)信號(hào)與電流信號(hào)為異類信源,驗(yàn)證了該方法的有效性。
　　2.開展基于加權(quán)證據(jù)理論的異步電機(jī)異類信息決策融合故障診斷方法研究
　　(1)針對(duì)應(yīng)用D-S證據(jù)理論進(jìn)行決策融合需要解決的問題,引入基于多分類SVM的后驗(yàn)概率建模方法,有效結(jié)合了SVM處理非線性問題和后驗(yàn)概率建模的優(yōu)勢(shì)。提出一種加權(quán)證據(jù)模型和矩陣分析相結(jié)合的加權(quán)組合算法,通過證據(jù)加權(quán)平均,提高了沖突證據(jù)融合結(jié)果的可靠性;通過矩陣分析導(dǎo)出的加權(quán)平均證據(jù)融合公式,降低了計(jì)