多傳感器信息融合技術在電機故障診斷中的應用研究.pdf

1、電機是最主要的機電能量轉換設備，不論是在國民經濟中的各種能源、制造領域里，還是在人們的日常生活中，電機都有著無可替代的地位。電機故障診斷技術的研究具有重大的經濟意義和社會意義，經歷了幾十年的發(fā)展，電機故障診斷技術取得了長足進步，不論是在信號處理方面還是在診斷方法上與發(fā)展之初相比都已不可同日而語，然而，目前普遍采用的基于單參數、單特征的電機故障診斷系統(tǒng)在診斷過程中仍存在很大的不確定性，有時往往難以保證診斷的精確度，在此基礎上，本文構建了一

2、種基于多傳感器信息融合技術的電機故障診斷方法。
　　本文以電機故障診斷為研究對象，首先介紹了電機故障診斷技術的背景、意義及發(fā)展，分析了電機故障診斷技術的發(fā)展趨勢，同時對多傳感器信息融合技術進行了簡介，并對電機定子故障、轉子故障、軸承故障及氣隙偏心故障等常見故障進行了分析。
　　在信號處理及特征提取方面，針對希爾伯特-黃變換的核心內容經驗模態(tài)分解中存在的模態(tài)混疊以及虛假分量問題進行了改進。通過仿真實驗，驗證了集合經驗模態(tài)分解在

3、抑制模態(tài)混疊現象時的可行性;采用了利用灰色關聯度進行虛假分量識別的方法，通過與相關系數法的對比仿真，證明了灰色關聯度在識別虛假分量時的有效性。并在此基礎上，利用各固有模態(tài)函數能量構造故障特征向量。在故障局部診斷方法上，采用了目前應用最為廣泛、理論最為成熟的BP神經網絡，介紹了神經網絡的基礎知識、原理、結構及學習過程，利用神經網絡的優(yōu)良特性為后續(xù)的基于D-S證據理論的信息融合方法提供精度和可靠性更高的輸入信息。在信息融合算法方面，對D-S

4、證據理論的基本概念及D-S合成規(guī)則進行了介紹和分析，在基本可信度分配函數的構成上，利用神經網絡局部診斷結果作為基礎綜合考慮誤差因素，不僅解決了D-S證據理論中如何構建基本可信度分配函數的難點，同時也避免了D-S合成規(guī)則難以處理沖突證據的缺陷，將神經網絡與D-S證據理論有效結合起來。
　　最后，本文構建了基于多傳感器信息融合技術的電機故障診斷系統(tǒng)模型，并選擇電機故障中最為常見的軸承故障作為實驗對象，對診斷系統(tǒng)進行了實驗驗證和數據分析