基于EMD和ICA的感应电动机故障检测研究

论文摘要

感应电动机因其结构简单、价格低廉、使用方便等特点而被广泛的应用于航空、航天、航海等以及其他工业各生产部门的各个领域。其故障发生不仅会造成巨大的经济损失,甚至会带来人员伤亡。因此,及时有效地对感应电机进行故障检测和诊断具有重大意义。经验模态分解是(Empirical mode decomposition, EMD)是一种新兴的信号处理方法,具有能够自适应分解和优良的局部分析能力的突出优点,非常适用于处理非平稳信号。独立分量分析(Independent Component Analysis,ICA)是一种盲源分离方法,能够将多路观测信号分解成若干相互独立的成分。ICA已经在信号处理领域受到了广泛的关注,并且广泛应用在特征提取、图像处理、过程监测等领域。本文的目的在于结合EMD和ICA对感应电动机的轴承故障和转子断条故障进行故障检测,主要内容如下:1、在分析轴承故障和转子断条故障的故障诊断基本原理基础上,研究了这两种故障的故障特征机理,给出了每种故障的故障特征频率的计算公式,并对目前较为流行的故障检测和诊断方法进行了研究,分析和总结。2、对EMD和ICA理论进行了深入的分析和研究,并用仿真实验验证了这两种算法的优良特性。3、结合EMD和ICA开展对感应电动机故障检测的创新工作。首先使用EMD方法对故障信号的定子电流信号进行预处理,去除高频噪声部分,再用FastICA算法提取故障特征,绘制特征图,从而将两种故障分离,并用仿真实验验证了该方法的有效性。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 课题的研究意义
• 1.2 感应电动机的常见故障
• 1.2.1 转子导条故障
• 1.2.2 轴承故障
• 1.2.3 气隙偏心故障
• 1.2.4 定子绕组故障
• 1.3 故障检测技术
• 1.3.1 故障诊断技术概述
• 1.3.2 故障诊断技术的发展及国内外研究现状
• 1.4 本文的主要工作
• 1.5 本章小结
• 第二章 感应电动机常见故障特征机理及检测方法分析
• 2.1 转子断条故障特征机理分析
• 2.2 转子断条故障常用诊断方法
• 2.3 轴承故障特征机理分析
• 2.4 轴承故障常用诊断方法
• 2.5 本章小结
• 第三章 EMD 原理及其在感应电动机故障检测中的应用
• 3.1 EMD 的基本概念
• 3.1.1 瞬时频率
• 3.1.2 基本模态分量
• 3.2 EMD 分解过程
• 3.3 经典模态分解的正交性和完备性
• 3.3.1 EMD 的完备性
• 3.3.2 EMD 的正交性
• 3.4 基于EMD 的Hilbert 变换的基本原理和算法
• 3.5 EMD 在感应电动机故障检测中的应用
• 3.6 本章小结
• 第四章 ICA 原理及其在感应电动机故障检测中的应用
• 4.1 引言
• 4.2 统计学基础
• 4.2.1 随机变量的数字特征
• 4.2.2 统计独立
• 4.3 信息论的基础知识
• 4.3.1 熵
• 4.3.2 Kullback-Leibler（KL）散度
• 4.3.3 互信息
• 4.3.4 负熵
• 4.4 ICA 的定义及其数学模型
• 4.5 信号预处理理论
• 4.5.1 信号的中心化
• 4.5.2 信号的白化
• 4.6 FastICA 算法
• 4.6.1 FastICA 的基本原理
• 4.6.2 FastICA 算法的实现步骤
• 4.6.3 FastICA 算法的优点
• 4.6.4 数据仿真
• 4.7 FastICA 算法在感应电动机故障检测中的应用
• 4.8 本章小结
• 第五章 仿真实验
• 5.1 实验数据的采集及实验方案
• 5.2 EMD 进行数据预处理
• 5.3 FastICA 进行特征提取
• 5.4 本章小结
• 第六章 总结与展望
• 参考文献
• 发表论文和科研情况说明
• 致谢