基于数据融合的异步电动机故障诊断研究

论文摘要

多传感器数据融合技术作为一门新兴交叉学科,至今已经在许多领域得到重视和研究,数据融合技术通过综合电机多方面信息,有效降低传统电机故障诊断技术中存在的固有不确定性,有效降低故障的误判率。论文就如何将数据融合技术应用在异步电机的故障诊断中,作了一些应用方面的探索和研究,并以鼠笼式异步电机为模型,进行仿真分析。针对传统电机故障诊断技术中存在的固有的不确定性,从数据融合的一般化问题入手,采用以不确定性方法为基础的多传感器数据融合技术分析、解决电机故障诊断问题中存在的不确定性,提高感应电机故障诊断的有效性。本文首先对故障诊断方法和数据融合技术进行归纳和总结,分析了常用数据融合技术的特点,研究了证据理论应用于故障诊断系统的优势。其次:在详细分析数据融合不同结构的优劣和感应电机的产生故障的数学特点后,建立多传感器数据融合结构模型和感应电机的数学模型,并通过仿真的方法来验证理论的可行性和可靠性。最后:依据建立的数据融合模型,通过证据理论的组合法则求出仿真结果,分析此诊断方法的优缺点。通过对电机故障的仿真分析,得出多传感器数据融合技术相比于传统的电机故障诊断技术具有优越性,提高了电机故障诊断系统的正确率。

论文目录

• 摘要
• Abstract
• 1 引言
• 1.1 电机故障诊断
• 1.2 本课题研究的现状和存在的问题
• 1.2.1 电机故障诊断技术及发展现状
• 1.2.2 电机故障诊断常用的方法
• 1.2.3 故障信号常用分析方法及其存在的问题
• 1.3 数据融合理论的研究及其在电机领域中的应用
• 1.3.1 数据融合基本理论
• 1.3.2 数据融合的应用概况
• 1.4 本文的主要内容及安排
• 2 多传感器数据融合
• 2.1 数据融合的定义
• 2.2 数据融合的原理
• 2.3 数据融合的过程
• 2.4 数据融合的级别
• 2.4.1 数据层融合
• 2.4.2 特征层融合
• 2.4.3 决策层融合
• 2.4.4 三种融合方法的比较
• 2.5 数据融合的方法
• 2.5.1 基于估计的数据融合方法
• 2.5.2 基于统计的数据融合方法
• 2.5.3 基于信息论的数据融合方法
• 2.5.4 基于人工智能的数据融合方法
• 2.6 多传感器数据融合的主要特点及发展方向
• 2.6.1 数据融合的主要特点
• 2.6.2 数据融合的发展方向
• 2.7 本章小结
• 3 基于证据理论的数据融合方法
• 3.1 证据理论的基本原理
• 3.1.1 D-S 证据理论基本概念
• 3.1.2 组合规则
• 3.1.3 证据的折扣
• 3.1.4 基于证据理论的决策
• 3.1.5 证据理论的基本步骤
• 3.2 证据理论的优缺点
• 3.3 融合算法
• 3.4 算例分析
• 3.5 本章小结
• 4 信号的预处理与特征提取
• 4.1 小波去噪方法
• 4.1.1 噪声在小波分解下的特性
• 4.1.2 小波去噪
• 4.1.3 小波去噪中阈值的选取规则
• 4.2 基于小波包的特征提取
• 4.3 本章小结
• 5 异步电机故障诊断仿真实验研究
• 5.1 异步电机数学模型
• 5.1.1 异步电机基本原理及构造
• 5.1.2 异步电机的工作特性
• 5.1.3 异步电机的多变量数学模型
• 5.1.4 异步电机的数学模型
• 5.2 异步电机故障分析
• 5.2.1 电机正常状态下的仿真分析
• 5.2.2 电机故障状态下的仿真分析
• 5.2.3 电机损坏程度对故障信号的影响
• 5.3 信号的特征提取
• 5.3.1 电气基本特征参数的含义
• 5.3.2 输出电流的特征提取
• 5.3.3 振动参数的特征提取
• 5.4 数据融合技术在异步电机故障诊断中的应用
• 5.4.1 异步电机故障诊断的数据融合结构
• 5.4.2 识别框架的建立
• 5.4.3 基本概率赋值的获取
• 5.4.4 数据融合的具体方法
• 5.4.5 典型状态分析
• 5.5 本章小结
• 6 结论与展望
• 6.1 结论
• 6.2 展望
• 参考文献
• 附录
• 致谢