基于主元分析的电机状态监测方法的研究

《基于主元分析的电机状态监测方法的研究》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、北京交通大学硕士学位论文基于主元分析的电机状态监测方法的研究姓名：韦洁申请学位级别：硕士专业：电力电子与电力传动指导教师：张和生20090601中文摘要摘要：在列车运行过程中，其牵引设备尤其是牵引电动机的状态监测是提高列车运行安全性，保障广大乘客生命财产安全的关键。对于复杂的列车牵引设备来说，准确详细的数学模型往往很难得到，这限制了基于数学模型的监控方法的应用。随着计算机控制技术的发展，不同类型的传感器和各种智能化仪表的广泛应用，大量的过程数据被采集并存储下来。如何充分利用这些存储的数据信息，从中挖掘出设备运行过程的深层次规律用于提高状态监测能

2、力，已成为过程监控领域的研究热点。统计过程监控是一种基于数据驱动的方法，它以多元统计理论为基础，对过程测量数据分析和解释，判断过程所处的运行状态，离线和在线检测过程中的异常情况，从而保证系统运行过程的安全性和可靠性，降低事故发生率，减少过程运行维护费用。为了实现列车牵引电动机的状态监测，在实验室搭建了一套实验系统，以异步电动机模拟列车牵引电动机作为研究对象，采用多元统计监控技术中的主元分析方法处理异步电机的多维运行参数数据，实现对异步电机的状态监测。本文的主要工作有以下几个方面：第一，对于牵引电动机的多源传感器数据，采用了主元分析方法处理多变量

3、数据集，充分利用了主元分析算法在处理线性相关数据时可对其降维的作用，使得对多变量运行过程的监测可在低维变量空间实现。由于传统主元分析采用标准化作为数据预处理方法，会导致部分信息的丢失。针对这个问题，本文用均值化代替标准化作为主元分析数据预处理方法，并从理论和实验证明了改进方法的优势。第二，在实验室成功搭建了实验平台，利用电机的历史J下常运行数据构造了主元模型，并设计实验用正常数据和异常数据检验主元模型的有效性，实验结果证明了离线的主元模型可以识别正常数据和异常数据，对于异常情况可以迅速做出反应，并利用变量对统计量的贡献定性的实旅故障诊断，验证了

4、使用主元分析方法进行牵引设备状态监测的可行性。第三，针对实验平台，开发了一套MSPC状态监测软件，该软件系统能够实现数据采集和存储，数据实时显示，在线统计量监测等功能，基本实现牵引设备的在线状态监测。关键词：状态监测；主元分析；牵引电动机；数据预处理分类号：TP274ABSTRACTABSTRACT：Thestatemonitoringoftrainoperatingequipmentisakeypointoftraintravelingprocess．Forthecomplexoperatingequipment，itisdifficultt

5、oachievetheexactmathematicalmodeloftravelingprocess．Sothiswilllimittheapplicationofprocessmonitoringmethodsbasedonsystemtheory．Withtheapplicationofthecomputertechnology,differentkindsofsensorsandintelligentmeters，largeamountofdataaresampledandcollected．Itisoneofthemostactive

6、researchareasinthefieldofprocesscontrolthathowtotransformthesecollecteddataintovaluableinformation，andminedeep．1evelinformationaboutprocessoperationtoimprovetheperformanceofmonitoring．Statisticalprocessmonitoring(SPM)isadata-drivenmethod，whichisbasedonmultivariatestatistical

7、methodologiesforonlineprocessmalfunctiondetectionanddiagnosisthroughanalysisandinterpretationofcollectedmeasurement．Inordertorealizestatemonitoringoftrainoperatingequipment，adetectiveexperimentsystemwassetupinlab，usingasynchronousmotorasthesimulationobjectoftractionmotor．The

8、mainworksofthisdissertationiSstatedasfollows：1、Principalcomponentanalysis(P