电机故障在线诊断系统的研究与实现

论文摘要

电机在运行过程中,会受很多因素的影响而出现各类故障,若没及时发现,可能会导致很严重的后果,故本文针对电机的故障诊断进行了研究。故障诊断从本质上说,是一个关于电机运行状态的模式识别问题,故障特征信号的分析与提取很关键,因为它关系到故障诊断的准确率以及故障早期预报的可靠性。小波包分析法因具有良好的时频局部特性,能将信号在任意的频段内进行划分,相对傅立叶变换等方法来说,它能更有效地提取出电机的故障特征,尤其是用它提取微弱的故障特征时,此法更具优势,故本文采用了小波包分析法来提取电机的故障特征。在故障诊断领域中,传统的基于经验风险最小化的方法,在故障数据难以获取和故障样本数有限的情况下,由于其训练结果的泛化能力不强,使得这种诊断方法难以推广使用。本文采用基于结构风险最小化的支持向量机法,因为它能在故障样本有限的情况下,将数据中隐含的分类知识最大限度地发掘出来,有利于故障的分类与决策。本论文的主要研究工作如下：首先分析了电机故障诊断技术的原理和方法,针对电机的一些常见故障,详细地阐述了它们的故障机理与特征；用小波包分析法从原始故障数据中提取出相应的故障特征,以便下一步用于电机的故障诊断；结合电机故障诊断的技术和方法,引出了支持向量机在电机故障诊断领域中的应用,介绍了关于支持向量机理论及其高斯核参数的选择；以异步电机的故障诊断为实例,阐述了基于支持向量机决策树算法的在线故障诊断系统的实现过程,并通过试验验证了该诊断系统是有效的、可行的,这表明本文所用的方法适合应用于电机故障诊断领域；最后通过使用Visual C++和Matlab软件,用C++与Matlab语言混合编程的方式,开发出了电机故障在线诊断系统的仿真软件,实现了基于支持向量机决策树算法的电机故障在线诊断系统的功能。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 论文选题的背景及意义
• 1.2 电机故障诊断的国内外研究概况及发展方向
• 1.3 本论文的主要研究内容
• 第二章 电机故障机理分析及诊断技术
• 2.1 引言
• 2.2 异步电机常见故障及起因
• 2.3 电机故障诊断的常用方法
• 2.4 电机故障的振动特征分析
• 2.5 本章小结
• 第三章 电机故障信号采集与特征提取
• 3.1 引言
• 3.2 电机故障振动信号采集
• 3.3 电机故障振动信号处理
• 3.4 电机故障振动信号特征的提取
• 3.5 本章小结
• 第四章 支持向量机理论
• 4.1 引言
• 4.2 支持向量机理论
• 4.3 支持向量机中的核函数
• 4.4 高斯核函数的参数选择
• 4.5 本章小结
• 第五章 支持向量机决策树算法在电机故障诊断中的应用研究
• 5.1 引言
• 5.2 支持向量机多类分类算法
• 5.3 支持向量机决策树算法的训练方法
• 5.4 支持向量机决策树算法的分类方法
• 5.5 训练与测试实验
• 5.6 本章小结
• 第六章 电机故障在线诊断系统的开发与实现
• 6.1 引言
• 6.2 VC++与MATLAB联合编程
• 6.3 系统的设计方案
• 6.4 本章小结
• 总结
• 致谢
• 参考文献
• 作者简介
• 攻读硕士学位期间研究成果