论文部分内容阅读
异步电机是目前应用最广的动力设备，由多个机械系统和电气系统组成，是一个典型的强耦合非线性系统，故障特征之间存在较强的非线性关系，故障诊断过程受到诸多不确定性因素的影响，存在固有的不确定性，单一信号特征往往不能全面表征设备运行状态，难以保证故障诊断的准确性，信息融合技术为解决异步电机故障诊断的这些问题提供了一条新的途径。本文从回顾总结异步电机故障诊断技术研究现状入手，在分析异步电机结构性能和常见故障机理的基础上，设计了异步电机故障诊断实验方案，从特征级和决策级两个层次开展以异类信息融合技术为核心的异步电机融合故障诊断方法研究，主要的研究工作如下：1.开展基于CMKPCA的异步电机异类信息特征融合故障诊断方法研究(1)针对异步电机特征融合故障诊断的降维需求和核主元分析(KPCA)法的不足，提出一种改进的KPCA算法—类均值核主元分析法(CMKPCA)，将KPCA思想应用于映射数据的类均值向量，通过构建类均值核矩阵，建立了CMKPCA算法模型。由类均值核主元构成的特征向量吸收了类均值向量的全部分类信息，维数低于故障类别数，在类均值向量基础上实现了无信息损失的数据降维。CMKPCA具有比传统KPCA更强的综合原始变量信息的能力，是一种有效的特征融合方法。(2)针对异步电机故障的非线性特征和组合特征的高维性，建立了CMKPCA与支持向量机(SVM)相结合的多源异类信息特征融合故障诊断模型，采用CMKPCA进行多源异类信息特征融合，通过多分类SVM对融合特征进行分类识别，并以振动信号与电流信号为异类信源，验证了该方法的有效性。2.开展基于加权证据理论的异步电机异类信息决策融合故障诊断方法研究(1)针对应用D-S证据理论进行决策融合需要解决的问题，引入基于多分类SVM的后验概率建模方法，有效结合了SVM处理非线性问题和后验概率建模的优势。提出一种加权证据模型和矩阵分析相结合的加权组合算法，通过证据加权平均，提高了冲突证据融合结果的可靠性；通过矩阵分析导出的加权平均证据融合公式，降低了计算的复杂度。(2)针对异步电机故障诊断的不确定性和高度冲突证据的融合问题，构建集成加权证据理论与SVM的多源异类信息决策融合故障诊断模型，采用基于多分类SVM的后验概率建模方法构建基本概率赋值函数，采用加权组合算法进行全局融合决策，并以振动信号和电流信号为异类信源进行实例研究，结果表明，该方法能合理处理冲突证据的融合，提高了故障诊断的准确率和置信度，而且具有较强的容错能力。