基于增量SVM的變頻電機轉子故障診斷.pdf

1、隨著現(xiàn)代控制理論、新型大功率電力電子器件以及新型變頻技術的飛速發(fā)展，集變頻電機、電力電子裝置為一體的交流變頻調速系統(tǒng)逐漸取代傳統(tǒng)的直流調速系統(tǒng)，而成為電氣傳動的主流。在交流調速系統(tǒng)促進工業(yè)生產自動化、提高勞動生產率的同時，變頻電機故障對生產的影響也顯著增加。因此，研究變頻電機的狀態(tài)監(jiān)測與故障診斷技術（Condition Monitoring and Diagnosis，CMD），從源頭上有效地防止設備事故發(fā)生并保證生產流程的穩(wěn)定運行意義

2、重大，已成為一項刻不容緩的任務和課題。本文主要圍繞變頻電機轉子故障診斷所涉及的數(shù)據采集、信號處理、智能診斷等三方面進行研究和探索。
　　 ⑴在基于定子電流信號分析的變頻電機轉子故障診斷過程中需要獲得電機的實時轉速，以確定電機的故障特征量。本文利用最優(yōu)估計算法——擴展Kalman濾波算法進行了變頻電機轉速估計研究，為實現(xiàn)無速度傳感器的變頻電機故障診斷打下基礎。
　　 ⑵針對變頻電機定子電流信號中諧波分量豐富，易和轉子故障特

3、征頻率發(fā)生混疊，導致誤診斷的現(xiàn)象，提出了一種FFT結合自選頻算法，該算法能夠從電機定子電流信號的頻譜中選擇最明顯的故障特征量。為驗證該算法的可行性，基于電機數(shù)字化調速技術和電參量采集技術搭建了變頻電機轉子故障試驗平臺，并利用該平臺采集信息進行了大量實驗。實驗結果表明，F(xiàn)FT結合自選頻算法能更有效提取變頻電機轉子故障特征。
　　 ⑶基于機器學習算法----支持向量機（Support Vector Machine，SVM）進行了變頻