论文部分内容阅读
摘 要：针对电机的发热、振动和噪音问题的现象及原因进行分析研究，设计出以ARM微处理器作为核心处理的电机故障诊断系统，采用了温度传感器、电压传感器和压电式加速度传感器的多传感器测量技术，对采集的温度、电压、振动信号进行分析，提出用D-S证据和多传感器数据融合技术的电机故障诊断方法。再应用D-S证据理论对数据进行算例分析，完成电机的实时监控。与单一信号故障诊断结果相比，可以有效地提高电机故障诊断结果的可信度，减小诊断的不确定性因素。
关键词：故障诊断 D-S证据 多传感器测量技术 数据融合
中图分类号：TN7 文献标识码：A 文章编号：1672-3791（2018）11（a）-00-02
1 电机常见故障机理分析
电机运行过程中，如果过热会引起电机烧毁等事故。通过电机发热问题的机理分析，确定使用温度传感器采集的温度信号作为本系统数据采集分析的一部分；电机的持续振动会加剧电机的绝缘老化，使电机的轴承等部件的磨损速度加快，严重影响电机的正常运行。通过电机振动问题的机理分析，确定了使用电压传感器采集的电压信号作为本系统数据采集分析的一部分；电机的噪声主要有电磁噪声、机械噪声、轴承噪声等现象，通过电机噪音问题的分析，确定了压电式加速度传感器采集的振动信号作为本系统数据采集分析的一部分。
分析可知，对电机进行日常维护和检修时，要对电机的温度、电压、振动信号进行实时地监测，为设计电机故障诊断系统提供了理论依据和数据支持。
2 以ARM为核心的多传感器信息采集系统
系统硬件电路由电机信号采集、信号处理、A/D转换、核心处理系统ARM、键盘、LCD显示等电路构成。其中信号采集电路采用了温度传感器、电压传感器、压电式加速度传感器的多传感器信息采集技术，分别采集电机的温度、电压、振动信号作为故障诊断系统监测数据，作为诊断系统的数据采集端，再经过信号处理电路将采集到的电机实时信息进行处理，直接送到A/D转换器进行模数转换，由ARM处理器进行数据融合分析处理，再将参数数据和分析结果送到PC机上显示。
3 基于D-S证据的多传感器数据融合技术
3.1 D-S证据的数据融合技术在电机诊断中的应用
本系统采用多传感器信息采集系统将电机的温度、电压、振动数据存储ARM存储器中，再结合D-S证据的多传感器数据融合技术进行电机故障诊断分析是考虑到以下两方面因素。
3.1.1 电机故障特征与故障形式间的非线性关系
电机是一个较为复杂的系统，其中涉及到电路、磁路及机械等方面的知识内容，其故障特征与故障形式不存在一一对应的线性关系，而是较为复杂的非线性关系。基于上述分析，想要对电机的故障状态做出准确判断，就需要采集不同的特征信息进行综合判断，所以选择基于D-S证据的多传感器数据融合技术，结合温度、电压、振动3种信号综合分析，解决这一难题。
3.1.2 电机故障诊断中存在不确定性因素
由于电机运行环境的不确定因素、不同类型传感器采集信号的不确定因素和信号处理、诊断方法的不确定因素等原因，使得电机故障诊断过程中存在着大量的不确定性因素。传统的基于单个传感器采集的单一特征信息对电机故障进行诊断的系统往往难以保证诊断的准确性。
3.2 D-S证据的数据融合技术在电机诊断中的应用
本系统采用了3个独立的传感器（温度传感器、电压传感器和压电式加速度传感器）作为系统的数据采集端，首先假设电机只发生一种故障现象，可以构造决策系统的识别框架为{正常，故障}，根据分析可知幂集元素有3个： {{正常}、{故障}、{不确定}}，其中{不确定}因素是由于外界各種不确定因素和基本可信度分配误差等原因导致无法判断电机是否出现故障。假定使用温度传感器、电压传感器和压电式加速度传感器某次检测判断得到关于电机运行状态，正常运行用A表示，故障状态用B表示，不确定因素用φ表示，其基本可信度分配如表1所示。
利用D-S证据理论的合成规则，将3个传感器的融合结果与单个传感器进行基本可信度对比，如表2所示。
实验证明，基于多传感器测量的D-S证据理论是一种有效的数据融合方法，能有效提高电机故障诊断的准确度。
4 结语
该电机监测系统具有体积小、精度高、实时性好等特点。通过采用ARM微处理器对电机的温度、电压、振动信号快速实时采集和处理。从提高故障诊断精度出发，再利用基于多传感器监测技术的数据融合方法，并结合算例分析了证据理论对证据累计的作用，该系统能够有效的提高电机故障诊断结果的可信度，减小诊断的不确定性因素。从而证明了基于D-S证据多传感器数据融合技术的电机故障诊断是一种有效的故障诊断方法。
参考文献
[1] 周慧.基于神经网络的感应电机故障诊断技术研究[D]. 江西理工大学，2008.
[2] 刘振兴，尉宇，赵敏，等.基于RELAX频谱分析方法的鼠笼式异步电动机转子故障诊断[J].中国电机工程学报，2006（22）：146-150.
[3] 梁正国.神经网络用于转子在线振动监测中的谱型预报[J].西安交通大学学报，1994（9）：2-6.
[4] 王耀楠，李树涛.多传感器信息融合及其应用综述[J].控制和决策，2001（5）：518-522.
关键词：故障诊断 D-S证据 多传感器测量技术 数据融合
中图分类号：TN7 文献标识码：A 文章编号：1672-3791（2018）11（a）-00-02
1 电机常见故障机理分析
电机运行过程中，如果过热会引起电机烧毁等事故。通过电机发热问题的机理分析，确定使用温度传感器采集的温度信号作为本系统数据采集分析的一部分；电机的持续振动会加剧电机的绝缘老化，使电机的轴承等部件的磨损速度加快，严重影响电机的正常运行。通过电机振动问题的机理分析，确定了使用电压传感器采集的电压信号作为本系统数据采集分析的一部分；电机的噪声主要有电磁噪声、机械噪声、轴承噪声等现象，通过电机噪音问题的分析，确定了压电式加速度传感器采集的振动信号作为本系统数据采集分析的一部分。
分析可知，对电机进行日常维护和检修时，要对电机的温度、电压、振动信号进行实时地监测，为设计电机故障诊断系统提供了理论依据和数据支持。
2 以ARM为核心的多传感器信息采集系统
系统硬件电路由电机信号采集、信号处理、A/D转换、核心处理系统ARM、键盘、LCD显示等电路构成。其中信号采集电路采用了温度传感器、电压传感器、压电式加速度传感器的多传感器信息采集技术，分别采集电机的温度、电压、振动信号作为故障诊断系统监测数据，作为诊断系统的数据采集端，再经过信号处理电路将采集到的电机实时信息进行处理，直接送到A/D转换器进行模数转换，由ARM处理器进行数据融合分析处理，再将参数数据和分析结果送到PC机上显示。
3 基于D-S证据的多传感器数据融合技术
3.1 D-S证据的数据融合技术在电机诊断中的应用
本系统采用多传感器信息采集系统将电机的温度、电压、振动数据存储ARM存储器中，再结合D-S证据的多传感器数据融合技术进行电机故障诊断分析是考虑到以下两方面因素。
3.1.1 电机故障特征与故障形式间的非线性关系
电机是一个较为复杂的系统，其中涉及到电路、磁路及机械等方面的知识内容，其故障特征与故障形式不存在一一对应的线性关系，而是较为复杂的非线性关系。基于上述分析，想要对电机的故障状态做出准确判断，就需要采集不同的特征信息进行综合判断，所以选择基于D-S证据的多传感器数据融合技术，结合温度、电压、振动3种信号综合分析，解决这一难题。
3.1.2 电机故障诊断中存在不确定性因素
由于电机运行环境的不确定因素、不同类型传感器采集信号的不确定因素和信号处理、诊断方法的不确定因素等原因，使得电机故障诊断过程中存在着大量的不确定性因素。传统的基于单个传感器采集的单一特征信息对电机故障进行诊断的系统往往难以保证诊断的准确性。
3.2 D-S证据的数据融合技术在电机诊断中的应用
本系统采用了3个独立的传感器（温度传感器、电压传感器和压电式加速度传感器）作为系统的数据采集端，首先假设电机只发生一种故障现象，可以构造决策系统的识别框架为{正常，故障}，根据分析可知幂集元素有3个： {{正常}、{故障}、{不确定}}，其中{不确定}因素是由于外界各種不确定因素和基本可信度分配误差等原因导致无法判断电机是否出现故障。假定使用温度传感器、电压传感器和压电式加速度传感器某次检测判断得到关于电机运行状态，正常运行用A表示，故障状态用B表示，不确定因素用φ表示，其基本可信度分配如表1所示。
利用D-S证据理论的合成规则，将3个传感器的融合结果与单个传感器进行基本可信度对比，如表2所示。
实验证明，基于多传感器测量的D-S证据理论是一种有效的数据融合方法，能有效提高电机故障诊断的准确度。
4 结语
该电机监测系统具有体积小、精度高、实时性好等特点。通过采用ARM微处理器对电机的温度、电压、振动信号快速实时采集和处理。从提高故障诊断精度出发，再利用基于多传感器监测技术的数据融合方法，并结合算例分析了证据理论对证据累计的作用，该系统能够有效的提高电机故障诊断结果的可信度，减小诊断的不确定性因素。从而证明了基于D-S证据多传感器数据融合技术的电机故障诊断是一种有效的故障诊断方法。
参考文献
[1] 周慧.基于神经网络的感应电机故障诊断技术研究[D]. 江西理工大学，2008.
[2] 刘振兴，尉宇，赵敏，等.基于RELAX频谱分析方法的鼠笼式异步电动机转子故障诊断[J].中国电机工程学报，2006（22）：146-150.
[3] 梁正国.神经网络用于转子在线振动监测中的谱型预报[J].西安交通大学学报，1994（9）：2-6.
[4] 王耀楠，李树涛.多传感器信息融合及其应用综述[J].控制和决策，2001（5）：518-522.