永磁直流電機故障在線監(jiān)測與智能診斷的研究.pdf

1、小功率永磁直流電機因其具有結構簡單、運行可靠、體積小、重量輕、效率高等優(yōu)點，被廣泛地應用于汽車工業(yè)以及航空、航天領域。為了這些電機的安全運行，本文研究了一種簡便的永磁直流電機故障在線監(jiān)測與智能診斷方法。
　　針對在線故障監(jiān)測的實時性與簡便性的要求，提出了一種基于電流信號分析與處理的永磁直流電動機常見故障的診斷方法。以易于檢測的永磁直流電機電樞電流為故障診斷的信號源，綜合利用基于信號處理的方法來實現故障特征的提取，基于人工智能方法實

2、現故障模式識別。
　　在分析了永磁直流電動機的故障機理和電機動、穩(wěn)態(tài)電流在正常與故障狀態(tài)下的變化特性的基礎上，建立了基于電樞電流分析的永磁直流電機故障診斷的數學模型。確立穩(wěn)態(tài)電流i的均值avi、穩(wěn)態(tài)電樞電流頻譜譜峰對應的脈動頻率f及其脈動幅度stdi、電機起動電流的峰值mi和峰值點附近的下降速率k這五個量確立為永磁直流電機故障診斷的特征參數，并將它們相對于正常狀態(tài)的變化量組成故障特征向量：[eTf=iavistdik]。
　

3、　以數臺永磁直流電機為實驗樣本，對其常見的元件開路、匝間短路、電刷磨損，繞組脫焊四種故障進行空、負載電樞電流故障特征提取及故障機理分析，實驗結果與故障機理分析的一致性表明：本文提出的基于電流分析的永磁直流電機故障診斷方法對永磁直流電機的常見故障的診斷具有通用性。
　　故障模式識別是實現故障智能診斷的關鍵環(huán)節(jié)。專家系統(tǒng)在故障診斷領域中的應用，實現了基于人類專家經驗知識的故障模式智能識別技術。但由于永磁直流電機故障特征參數的分散性、隨

4、機性和模糊性較大，獲取有效的永磁直流電機的診斷知識成為建造故障模式識別專家系統(tǒng)的關鍵問題之一。機器學習是解決知識獲取問題的主要途徑。目前應用較為廣泛的基于機器學習的故障模式識別方法主要有統(tǒng)計模式識別方法和人工神經網絡方法。但統(tǒng)計模式識別方法和人工神經網絡方法都是建立在傳統(tǒng)的統(tǒng)計學基礎之上的分類算法，即只有在足夠多的樣本前提下，其算法才是合理的，而當訓練的是小樣本數據集時，就不宜再沿用該分類算法。工程應用中的永磁直流電機尤其航空航天應用領

5、域中的電機不可能帶故障長期運行，故難以獲得大量典型故障樣本。這就在一定程度上制約了統(tǒng)計模式識別和人工神經網絡方法在該領域中的應用。
　　本文以支持向量機算法的數學模型為理論依據，構建了一種基于支持向量機的永磁直流電機故障模式識別分類器，對永磁直流電機的數種故障模式進行識別，并對其和應用BP神經網絡識別方法在小樣本故障模式識別中的應用進行了對比實驗研究。結果表明：基于支持向量機的故障模式識別方法在小樣本情況下的診斷精度要高于同樣樣本

6、情況下的BP神經網絡，且避免了基于BP神經網絡方法中存在的過學習問題和陷入局部極小值問題。
　　針對永磁直流電機故障在線診斷中存在類樣本數目不平衡、誤判損失不等、在線樣本數據缺少類別標識以及復雜環(huán)境中樣本數據存在大量噪聲野點等問題，本文對基于支持向量機的永磁直流電機故障模式識別算法作了如下兩方面的改進：首先，通過對支持向量機數學模型中的誤差懲罰因子進行加權，構建了一種基于加權支持向量機的永磁直流電機故障模式識別算法。理論分析和實驗

7、結果表明：該算法可以提高小樣本類（故障樣本類）診斷精度，降低誤判損失。其次，采用了一種基于模糊C均值的聚類算法，對無類別標識的在線數據進行模糊聚類，并根據模糊聚類的隸屬度，來判斷每個樣本數據的所屬類，由此同時定位數據中的野點，消除野點后，再對消噪后的數據運用基于支持向量機的模式識別算法進行訓練與測試。提高了永磁直流電機復雜運行工況下在線樣本數據的故障識別精度，擴充了基于支持向量機的故障模式識別算法的應用領域。
　　本方法只需要監(jiān)測