云模型在電機故障診斷領域中的應用研究.pdf

1、電機作為機電能量轉(zhuǎn)換的重要裝置，對國民經(jīng)濟、能源利用、環(huán)境保護和人民生活質(zhì)量的提高都起著十分重要的作用。而電機出現(xiàn)故障，會影響人們的生產(chǎn)生活，甚至造成嚴重經(jīng)濟損失與危害生產(chǎn)人員的生命安全，因此開發(fā)先進的電機故障方法具有重大的經(jīng)濟意義和社會意義。近年來，隨著工業(yè)電機向著大型化、高速運行化、復雜化方向發(fā)展過程中，對電機故障診斷領域也帶來了一系列技術(shù)難題，諸如高維故障數(shù)據(jù)難以快速處理、故障診斷結(jié)果的主觀性、故障識別的漏識等等?；谠摤F(xiàn)狀，本文

2、主要研究了云模型算法，實現(xiàn)了對當前融合故障診斷系統(tǒng)的決策主觀性消除、對來自于多個傳感器的電機故障信號去冗降維、現(xiàn)有診斷技術(shù)識別過程中維數(shù)災難局限性的消除以及多故障指標的并行處理實現(xiàn)依賴多維故障特征量快速診斷，對其建模并通過仿真實驗進行了驗證。具體內(nèi)容概括如下：
　　首先，分析當前成熟的模糊融合診斷方法，僅使用模糊理論中單一決策準則，存在無法判別、人為精確化的局限，因而可在進行決策時候適當增加決策準則與評價指標，構(gòu)建云一模糊融合診斷

3、系統(tǒng)，最終得到可按重要性排序的三個決策準則，實現(xiàn)了多級決策與評定決策結(jié)果，不僅解決原診斷系統(tǒng)局限所在，也使診斷結(jié)果更加客觀、準確。
　　其次，就高維電機故障數(shù)據(jù)難以快速處理進行了去冗降維研究。本文引入了云模型，運用該模型的正、逆向云發(fā)生器，以來自同一電機不同位置的多個傳感器的故障信號作為樣本，通過云運算求取云隸屬度，以此作為擇優(yōu)選取部分信號的指標，成功實現(xiàn)了多信道信號的去冗降維。
　　而對現(xiàn)有在線故障診斷技術(shù)BP神經(jīng)網(wǎng)絡、支

4、持向量機存在維數(shù)災難，信息融合技術(shù)證據(jù)高沖突局限難以處理高維故障數(shù)據(jù)的局限性，利用云模型與云推理規(guī)則相結(jié)合構(gòu)建電機狀態(tài)規(guī)則云，成功實現(xiàn)了故障的正確識別。
　　最后通過對電機不同狀態(tài)信號去噪提取得到多個故障指標，引入多個云模型構(gòu)建了并行云與合并云，實現(xiàn)了多故障指標客觀取舍與概念提升，進而根據(jù)合并云參數(shù)得到多維狀態(tài)判據(jù)可用于電機故障狀態(tài)的完全識別，有效解決了基于單一指標僅部分狀態(tài)識別的局限性，因此，依賴于多故障指標進行診斷的方法為電機