基于第二代小波和多分類器融合的感應電機故障診斷.pdf

1、感應電機作為生產(chǎn)系統(tǒng)中的重要組成部分，在國民經(jīng)濟中占有舉足輕重的地位，它是當今用于驅動各種機械和工業(yè)設備的最主要裝置，其廣泛應用予機床、起重卷揚設備、礦山設備等，幾乎滲透到了各行各業(yè)。然而，一旦電機發(fā)生故障，將會影響生產(chǎn)設備的整體性能，耽誤生產(chǎn)效率，拖延產(chǎn)品交付，造成經(jīng)濟損失，嚴重時甚至會造成災難性的事故。因此，為了滿足現(xiàn)代工業(yè)對產(chǎn)品質量、產(chǎn)量、生產(chǎn)安排的靈活性等日益增長的需求，研究感應電機的狀態(tài)檢測與故障診斷技術，對于保障生產(chǎn)系統(tǒng)的安

2、全運行和減少生產(chǎn)損失具有重要的意義，且已成為當前科技和工業(yè)發(fā)展的重要研究課題之一。感應電機發(fā)生故障位置多，故障現(xiàn)象復雜，需要科學有效的方法對電機運行時產(chǎn)生的大量的非平穩(wěn)信號進行分析，從而對電機的故障狀況進行判斷。近年來迅速發(fā)展的非平穩(wěn)信號處理方法和信息融合技術為感應電機狀態(tài)檢測與故障診斷提供了切實有效的研究思路。本文著重研究了融合第二代小波變換、特征降維和多分類器集成的感應電機故障診斷技術和實現(xiàn)方法，主要工作和研究成果歸納如下:

3、　　(1)介紹了小波分析的基本理論和二代小波變換方法，并且針對二代小波存在的頻率混疊和無法自適應匹配信號局部特征的問題，提出了一種自適應的冗余二代小波變換，根據(jù)信號本身的特點自適應地對其進行二代小波變換分解。
　　(2)研究了感應電機在故障狀態(tài)下定子電流和振動信號中所隱含的故障頻率特性，并利用自適應冗余二代小波變換對信號進行處理及特征提取。研究了高維特征降維方法并在介紹幾種常見的特征選取方法基礎上，著重研究了基于流形學習的多類特征

4、選擇算法(MultipleClass Feature Selection，MCFS)，利用MCFS算法去除特征矢量中冗余的多余特征。
　　(3)研究基于多分類器集成的感應電機故障診斷方法，通過對電機定子電流信號和振動信號提取出來的特征綜合處理和協(xié)同分析，構造了自適應權重投票的多分類器融合算法:分別構造分類器，得到每個分類器的故障分類結果后，對測試樣本和訓練樣本進行聚類分析，根據(jù)聚類結果針對每一測試樣本調整各分類器的權重，從而組合決

5、策出測試樣本的故障類型。
　　(4)實驗驗證了融合二代小波變換、特征降維和多分類器集成的感應電機故障診斷方法的可行性和有效性;將特征降維前后的特征矢量輸入分類器，對結果進行對比，以驗證MCFS特征選擇算法對感應電機故障分類效果的提升效果;對于本文提出的自適應權重多分類器融合方法，實驗中設計了一種分類器多種特征、多種分類器一種特征、多種分類器多種特征三種融合方式，分別得到融合結果。實驗結果顯示，本文所提出的融合二代小波變換、特征降維