基于多源異類信息融合的異步電機故障診斷技術(shù)研究.pdf

1、異步電機是目前應(yīng)用最廣的動力設(shè)備,由多個機械系統(tǒng)和電氣系統(tǒng)組成,是一個典型的強耦合非線性系統(tǒng),故障特征之間存在較強的非線性關(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,單一信號特征往往不能全面表征設(shè)備運行狀態(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)異步電機故障診斷技術(shù)研究現(xiàn)狀入手,在分析異步電機結(jié)構(gòu)性能和常見故障機理的基礎(chǔ)上,設(shè)計了異步電機故障診斷實驗

2、方案,從特征級和決策級兩個層次開展以異類信息融合技術(shù)為核心的異步電機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的異步電機異類信息特征融合故障診斷方法研究
　　(1)針對異步電機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)針對異步電機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(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進行多源異類信息特征融合,通過多分類SVM對融合特征進行分類識別,并以

4、振動信號與電流信號為異類信源,驗證了該方法的有效性。
　　2.開展基于加權(quán)證據(jù)理論的異步電機異類信息決策融合故障診斷方法研究
　　(1)針對應(yīng)用D-S證據(jù)理論進行決策融合需要解決的問題,引入基于多分類SVM的后驗概率建模方法,有效結(jié)合了SVM處理非線性問題和后驗概率建模的優(yōu)勢。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