基于D-S证据理论的感应电动机故障诊断分析.pdf

基于D-S证据理论的感应电动机故障诊断分析.pdf

ID:51446864

大小:186.38 KB

页数:3页

时间:2020-03-24

基于D-S证据理论的感应电动机故障诊断分析.pdf_第1页
基于D-S证据理论的感应电动机故障诊断分析.pdf_第2页
基于D-S证据理论的感应电动机故障诊断分析.pdf_第3页
资源描述:

《基于D-S证据理论的感应电动机故障诊断分析.pdf》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、·36·煤矿机电2013年第6期基于D—S证据理论的感应电动机故障诊断分析刘怀宇(中国矿业大学现代分析计算中心,江苏徐州221116)摘要:采用D—S证据理论对感应电动机进行转子断条和定子匝间短路的故障诊断。基于小波包变换的频率划分特性,对定子三相电流信号进行小波包分解,利用节点系数的均方根值构建电动机转子故障的特征矢量(证据体);求取证据体对转子故障所赋予的基本概率分配函数值,然后根据D-s证据理论融合规则进行数据融合处理,实现对电动机转子断条故障的准确识别。用相似的方法也准确诊断了定子匝间短路故障。关键词:D—S证据理论;感应电动机;小波包变换;故障诊断中图分

2、类号:TM343+.2文献标识码:B文章编号:1001—0874(2013)06—0036—03FaultDiagnosisofInductionMotorBasedonD-SEvidenceTheoryLiuHuaiyu(AdvancedAnalysis&ComputationCenter,ChinaUniversityofMining&Technology,Xuzhou221116,China)Abstract:Therotor’sbar.breakageandstator’Sturnlayershortfaultsofinductionmotoraredia

3、gnosedwithapplicationofD-SEvidenceTheory.BasedonthefrequencydivisioncharacteristicofW胛fWaveletPackageTransformation),thecurrentsignalofstator’SthreephasesisdecomposedbyWPll,andthenthecharacteristicvectoras“evidencebody”iSbuiltupbytheroot.meansquarevalueofnodecoefficients.Calculatesthe

4、basicprobabilityassignmentfunctionvalueofrotorfaultsfromthe“evidencebody”fordatafusionaccordingtothefusionrulesofD—SEvidenceTheory.Accurateidentificationofrotor’Sbar—breakagefaulthasbeenrealized.Theaccurateidentificationofstator’Sturn1ayershortfaulthasalsobeenreachedbythesimilarmethod

5、.Keywords:D—SEvidenceTheory;inductionmotor;W胛(WaveletPackageTransformation);faultdiagnosis0引言电动机故障是存在固有机理的。针对故障机理进行研究,利用信息融合方法,即对按时序获得的传感器观测信息进行处理,在一定准则下分析、综合,就能实现电动机故障诊断的目的¨’2J。本文利用D.S证据理论分析异步电动机故障,实验结果令人满意旧J。1多传感器数据融合算法过程基于D—S证据理论,诊断对象可看作一个信息系统(图1),把运行过程中不断产生的反映运行状态的各种信息,加工成对诊断对象运行状

6、态的变化比较敏感的故障特征,构成识别诊断对象状态的“证据体”;然后,利用D.s证据理论对所获取的证据体进行推理,按照特定的诊断决策规则得出诊断结论。故障征故障特证据证据融合命题识别兆空间征子集推理系统子集框架图1基于证据理论的信息融合故障诊断模型电动机转子故障程度分为:中等损伤(一般断1根导条)、严重损伤(一般断2根导条)和破坏性损伤(一般断3根或3根以上导条),依次用日。~皿2013年第6期煤矿机电·37·表示。构造识别框架可表示为:F(J)={q,蜴,也}小波包分解系数主要依赖于谐波成分的幅度及分布,反映不同的频率特性。将定子三相电流信号(厶,,。,J『。)分

7、别进行低通滤波处理,消除高次谐波的影响,再进行小波包分解,求得小波包分解子频带对应节点的系数均方根值,可以表现出故障信息。因此选择含有故障频率成分的小波包节点系数构造故障特征矢量,即证据体E,。把证据体E。所包含的元素看成是一个特征向量S女{so,5I,.一,s。},k=1,2,3,⋯,m。把识别框架中第J种典型故障的命题F,所对应证据体E各元素的标准特征值看成是标准特征向量E={h。,h。,⋯,h。},,=l,2,3,⋯,死。S;与E的距离为:n⋯d。=d(Jst,q)=[∑(%一b)“]l/^i=l(k=l,2,⋯,m;歹=1,2,⋯,陀)(1)其中,A为常数

8、;s“为向

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。