基于PSOSVM模型的感应电机故障诊断研究(审批后)修改.doc

基于PSOSVM模型的感应电机故障诊断研究(审批后)修改.doc

《基于PSOSVM模型的感应电机故障诊断研究(审批后)修改.doc》由会员分享，可在线阅读，更多相关《基于PSOSVM模型的感应电机故障诊断研究(审批后)修改.doc（70页珍藏版）》请在冰豆网上搜索。

学位论文

基于PSO-SVM模型的感应电机故障诊断应用

申专业名称：

控制工程

论文题目：

PSO-SVM模型在感应电机故障诊断中的应用

山东科技大学硕士学位论文摘要

摘要

感应电动机能够适应各种复杂的工作环境因而在工业、农业、科学技术现代化和国防中得到了广泛的应用。

它是一种覆盖面最广、使用量最大的电动机。

感应电动机的正常运行，可以保证生产过程中的高效，安全，快捷，电动机发生故障不仅会导致生产设备的毁坏，影响生产的进行，甚至停产，还会危及工人的人身安全，造成巨大的经济损失，因此对电动机进行故障检测，特别是早期故障检测，是很有必要的。

目前很多故障诊断技术的主观性较强，研究一种能以客观的方式进行故障诊断的技术势在必行；智能诊断技术十分符合现实的需要，其强大的自我学习能力能客观的发掘历史数据中的潜在故障规则，能更好的指导故障定位与检修。

本文主要以智能诊断技术为研究方向，分析传统的智能诊断技术的研究现状以及存在缺陷，提出了基于支持向量机理论的故障诊断技术方法。

支持向量机（SupportVectorMachine,SVM）具有严谨的理论基础以及良好的泛化能力，在处理小样本事件中能保证很高的准确率，它在处理许多工程实际问题方面获得了成功的应用，本文试着将一种改进的支持向量机模型引入电机故障诊断中，主要内容如下：

1.分析了轴承和转子断条两种故障的特征机理，给出了两种故障特征频率的计算公式，并对目前常用的故障诊断方法进行了分析和总结。

2.研究了统计分析方法、模糊系统以及神经网络等的故障诊断方法。

这些传统的方法都是在样本数目足够大的前提下进行故障诊断的，模糊系统缺乏自学习能力，隶属度函数和模糊规则的选取带有一定的主观性且依赖于专家；神经网络易陷入局部极小值、学习能力差、隐含层节点数难以确定，严重影响了故障诊断的准确率。

针对以上缺点，提出了基于PSO-SVM模型的故障诊断方法，此改进的支持向量机模型不仅克服了以上缺点，而且采用PSO算法对SVM模型的参数进行优化，使得故障诊断结果更加准确。

3.结合强大的MATLAB语言系统与工具箱，运用故障样本数据对PSO-SVM模型进行训练，通过测试样本验证训练结果，并与传统神经网络相比证明其模型具有更高的准确性与实用性。

关键词：

感应电机故障诊断支持向量机粒子群

山东科技大学硕士学位论文摘要

ABSTRACT

Inductionmotorcanadapttoallkindsofcomplicatedworkenvironment.Therefore,theyhavebeenwidelyusedinindustry,agriculture,science,technologyandnationaldefensemodernization.Itisakindofcoveragebroadestandusageofthebiggestmotor.Inductionmotorcanguaranteethenormaloperationoftheprocessofproductionefficiency,safety,promptness.Motorfailurewillnotonlyleadtothedestructionofproductionfacilities,affectingtheconductofproduction,orevenstopproduction,butalsoendangerthesafetyofworkers,resultinginhugeeconomiclosses.Sothemotorfaultdetection,especiallyinearlyfaultdetection,itisverynecessary.

Currently,thereareverystrongsubjectiveonsomefaultdiagnosistechnology,itisnecessarytostudyawaycanbeanobjectivefaultdiagnosis;Intelligentdiagnosistechnologyisinlinewithrealneeds,itcanobjectivelyidentifythepotentialfailureofhistoricaldatarulesbypowerfulself-learningability,tobetterguidethefaultlocationandrepair.Thispaper,theintelligentdiagnosistechnologyasthemainresearchdirection,analysisthestatusanddeficienciesoftraditionalintelligentdiagnosistechnology,proposedfaultdiagnosismethodbasedonsupportvectormachinetheory.SVMhasarigoroustheoreticalbasisandgoodgeneralizationability，canguaranteeahighaccuracyrateindealingwithsmallsamplecase,whichithasbeensuccessfulapplicationsindealingwithmanypracticalengineeringproblems.Thisessaywillbeanimprovedsupportvectormachinemodelintothemotorfaultdiagnosis;themaincontentsareasfollows:

1．Thefundamentalrulesorprincipleofthedetectingbearingfaultandrotorbrokenisanalyzed.Thefaultmechanismofthetwofaultsisdiscussedbyusingthefaultfrequencycharacteristicsanalysis.Theexistingfaultdetectionanddiagnosismethodsarefurtherstudiedinthispaper.

2．Studyoffaultdiagnosismethods,suchasstatisticalanalysis,fuzzysystemsandneuralnetworks.Thesetraditionalmethodsmustbelargeenoughsamplesizeasaprerequisiteforfaultdiagnosis,Lackofself-learningfuzzysystems,membershipfunctionsandfuzzyruleswithacertaindegreeofsubjectivityandtheselectiondependsontheexperts;Neuralnetworkseasytofallintolocalminima,poorlearningability,hiddennodesisdifficulttobedetermined,seriouslyaffectingtheaccuracyoffaultdiagnosis.Tosolvetheaboveshortcomings,proposedPSO-SVMmodelbasedfaultdiagnosismethod,theimprovedsupportvectormachinemodelnotonlytoovercometheabovedisadvantages,andtheuseofPSOalgorithmtooptimizetheSVMmodelparameters,makingtheresultsmoreaccuratediagnosis.

3．CombinedwithpowerfulMATLABlanguagesystemandtoolbox,theuseoffaultsampledata,PSO-SVMmodelistrained.Itisverifiedthatthereismoreproofaccuracyandusefulnessbytestingsamplesandcomparedwiththetraditionalneuralnetworkmodel.

山东科技大学硕士学位论文目录

目录

1绪论 1

1.1课题研究背景 1

1.2智能故障诊断算法的研究状况 2

1.3主要研究方法及研究内容 3

2设备故障诊断理论 5

2.1设备故障诊断的定义与意义 5

2.2故障诊断技术的发展现状 5

2.3设备故障诊断的方法分类 8

2.4感应电动机常见故障研究 9

2.5感应电机常见故障诊断技术研究 13

3感应电动机故障机理分析 18

3.1转子断条故障特征机理分析 18

3.2感应电动机轴承故障机理分析 25

4PSO-SVM模型理论知识 36

4.1粒子群优化算法原理 36

4.2支持向量机原理 38

5基于PSO-SVM模型的感应电机故障诊断系统 50

5.1感应电机故障诊断系统模型的选取 50

5.2感应电机故障诊断系统开发 50

5.3基于PSO-SVM模型的感应电机故障诊断实例分析 52

6总结 59

致谢 60

参考文献 61

Contents

1Introduction………………………………………………………………………………1

1.1RaisingofProject…………………………………………………………………………………1

1.2TheStudySituationaboutIntelligentFaultDiagnosisAlgorithm…………………………………2

1.3ResearchContentsandMethods…………………………………………………