基于PSOSVM模型的感应电机故障诊断研究(审批后)修改Word文档下载推荐.doc
- 文档编号:3655194
- 上传时间:2023-05-02
- 格式:DOC
- 页数:70
- 大小:1.69MB
基于PSOSVM模型的感应电机故障诊断研究(审批后)修改Word文档下载推荐.doc
《基于PSOSVM模型的感应电机故障诊断研究(审批后)修改Word文档下载推荐.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Word文档下载推荐.doc(70页珍藏版)》请在冰点文库上搜索。
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
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…………………………………………………………………3
2FaultDiagnosisTheory……………………………………………………………………5
2.1DefinitionandSignificanceofFaultDiagnosis……………………………………………………5
2.2DevelopmentofFaultDiagnosisTechnology……………………………………………………5
2.3ClassificationMethodofFaultDiagnosis………………………………………………………8
2.4CommonFaultsOfInductionMotor………………………………………………………9
2.5CommonFaultDiagnosisTechnologyofInductionMotor………………………………………13
3MechanicalStudyofInductionMotorFault…………………………………………18
3.1CharacteristicsMechanismStudyofRotorFault………………………………………………18
3.2MechanismStudyofInductionMotorBearingFault……………………………………………25
4KnowledgeTheoryofPSO-SVMModel………………………………………………36
4.1PrincipleofParticleSwarmOptimization………………………………………………………36
4.2SupportVectorMachine…………………………………………………………………………38
5FaultDiagnosisSystemofInductionMotorBasedonPSO-SVMModel…………50
5.1TheFaultDiagnosisSystemSelectionOfInductionMotorModel……………………………50
5.2SystemDevelopOnInductionMotorFaultDiagnosis………………………………………50
5.3ExampleStudyofInductionMotorFaultDiagnosisBasedonPSO-SVMModel……………52
6MainResearchResultandConclusion……………………………………………59
Thanks………………………………………………………………………………………60
MainReferenceDocuments………………………………………………………………61
山东科技大学硕士学位论文绪论
1绪论
1.1课题研究背景
在生产技术不断革新的社会大背景下,现代机械设备的技术水平与复杂程度都在不断提高,工业生产中的回转机械设备为满足社会生产的需要,必须朝高速化、大型化、精密化的方向发展,随着机械性能的不断提高,工业企业的生产效率及自动化程度也随之改善;
同时,机械设备还朝一体化、集成化发展,使得企业机械设备整体结构趋于复杂,其中的某一部分出现了故障,会使企业产品的质量受到影响,可能使整个生产线瘫痪,也可能导致严重的生产安全事故,让企业蒙受巨大的经济损失。
过去的几十年里,由于机械设备故障导致严重后果的屡见不鲜。
1979年3月著名的美国三里岛核泄漏事件,由于错误的机械设备检测与诊断,导致核反应堆堆芯严重损坏,使得放射性物质泄漏,造成了不可估量的经济损失;
1984年美国在印度的一家碳化物公司农药厂由于未及时发现故障,导致毒气泄漏造成30多万人3000多人死亡;
1986年美国的挑战者号航天飞机在升空后不久突然爆炸,机毁人亡,正是由于没有准确的火箭故障检测系统,造成12亿美元的损失;
1986年前苏联切尔诺贝利核电站发生爆炸,放射性物质大量泄漏,使2000多人丧命,数万人口紧急转移,直接经济损失达30亿美元。
在我国由于机械故障产生的事故也很多,80年代初栖霞山化肥厂机组转子断裂,1985年镇海石化总厂机组转子毁坏,这两事故各造成经济损失多达1000万;
之后1985秦岭电厂、1988年大同电厂的发电机组先后发生故障,造成2亿元的经济损失,如此多的经济损失以及人员伤亡,迫使企业必须进行大量的故障诊断研究,大力发展故障诊断技术。
可以从国内外一些研究数据看出,企业实施有效的故障诊断技术已取得了非常好的经济效益:
据日本的统计数据,日本企业在普及故障诊断技术之后,机械故障事故率降低了75%,维修成本减少了约50%;
欧美国家3000多个大型企业自从采用故障诊断技术之后,每年可以减少5亿美元的维修费用开支,而总共用于机械故障诊断的费用只有5000多万;
在我国,据专家分析若是大力推广机械故障诊断技术,钢铁行业每年用于机械设备维修的费用可以从250亿元降到约170亿,每年的事故率也可以降低50%,可见故障诊断技术的研究不容忽视,对企业与国家的发展具有重要的意义。
虽然近年来机械故障诊断技术得到了很大的发展,但如何提高诊断的准确率还是值得进一步研究的;
比如大量的计算机智能诊断系统的出现,给工业企业机械故障诊断提供了新的解决途径,但是一些智能诊断由于自身的缺陷,无法保证较好的准确率。
所谓机械故障诊断,是指通过各种各样的监测手段,从各种信息提取中判断机械设备的运行现状,发现故障、分析原因、进行维修;
还有的诊断技术是在未发生故障之前,根据收集的机械设备信息预测可能发生的故障,让企业提前采取措施,从而达到避免事故发生的效果。
设备故障诊断技术的目的及意义主要表现在有效保护机械设备以增加其运行时间,减少维修成本及维修时间,同时最大限度的降低机械故障事故的发生率。
总体来说,不管从经济利益的角度出发,还是从防止安全隐患的角度出发,低成本、高准确率的故障诊断系统都具有非常重要的研究意义。
1.2智能故障诊断算法的研究状况
近年来,智能算法模型在解决电气工程领域的许多实际问题中发挥了巨大的作用,催生出关于电气工程领域的新技术,如智能故障诊断技术、智能故障预测技术等。
文献[1]中提出了运用BP神经网络模型对拖拉机变速箱齿轮和轴承故障进行诊断。
文献[2]将波神经网络并应用于故障诊断实例中,从而避免了传统神经网络收敛速度慢的缺点,并有效的改善了网络的自学习性能。
文献[3]提出灰色马尔柯夫故障预测模型,用GM(1,1)预测曲线来找出故障宏观波动的规律,在此基础上将其划分若干个动态的状态,再用Markov转移概率来分析各个状态量的微观波动规律,并将其模型应用于轴承故障的预测,得到了很好的效果。
文献[4]在对轴承故障的诊断中,先对一组较为完整的故障特征数据进行聚类,获得几类典型样本模式,对于测试数据采取求隶属度的方法将其划到哪类故障模式下。
随着电气设备的结构日趋复杂,其故障特征数据也呈现出复杂性,又由于传统的智能诊断技术存在着缺点;
如专家系统缺乏自学习、自组织的能力,同时还存在着知识获取瓶颈问题,神经网络存在泛化能力弱,容易陷入局部极小值,网络拓扑结构难以确定等缺点。
支持向量机是解决小样本事件的最优方法之一,克服了神经网络收敛速度慢,局部最小,过学习、欠学习以及需要大量故障样本数据等不足,为电气设备的智能故障诊断开辟了一条新路径。
文献[5]结合支持向量机理论,建立了SVM故障诊断模型,通过实例验证了SVM模型所需样本少,并与BP网络进行对比,其诊断结果明显优于BP网络。
文献[6]研究了基于支持向量机的液压泵的故障诊断,重点对核函数的选取进行了讨论,试验分析的结果表明,采用不同的核函数其诊断结果存在差异。
支持向量机模型中常见的参数选择方法是网格搜索法,粒子群搜索是一种智能全局搜索算法,与网格搜索法相比较,能够在更大的参数空间内用较少的搜索次数寻找出更优的结果。
关于粒子群与支持向量机的结合在故障诊断领域已经取得很好的效果,文献[7]将PSO算法和LS-SVM相结合,提出了基于粒子群支持向量机的故障诊断方法,其方法可以对参数进行快速动态选取,实验表明该方法提高故障诊断的准确率和效率。
1.3主要研究方法及研究内容
1.3.1主要研究方法
(1)文献阅读法。
本文参考了大量的相关文献,对前人关于故障诊断的研究成果以及电机故障理论进行了认真学习。
(2)系统分析法。
在总结相关研究成果的基础上,对感应电机系统的电气故障和机械故障进行系统的分析,之后提出了感应电机故障的综合诊断方法。
(3)定量分析法。
采用PSO-SVM数学模型对感应电机故障进行精确诊断。
(4)实证分析法。
本文在最后一章拟采用实例,对以上数学模型进行验证,证明其科学可行性。
1.3.2主要研究内容
综上所述,本论文采用粒子群-支持向量机模型来实现对感应电动机故障诊断研究。
在各类电机中,根据使用的广泛性,本文侧重于对三相鼠笼型感应电动机进行分析。
为此,本文所做的主要工作如下:
(1)对Y132S-4型感应电动机系统的电气故障和机械故障进行分析,指出其基于电流法的故障特征;
(2)根据所指出的故障特征,提出粒子群-支持向量机识别方法来实现对感应电动机的电气故障和机械故障的综合诊断;
(3)利用Matlab软件对所提出的诊断方法进行仿真,验证算法的有效性。
根据上述内容,本论文的安排如下:
第二章:
对设备故障诊断的定义、分类、特点、技术方法以及感应电动机故障诊断的常用技术与特点进行详细描述。
第三章:
对Y132S-4型感应电动机转子断条故障、轴承故障的机理以及特征频率进行分析,得到两种状态下的故障特征。
第四章:
根据支持向量机分类方法以及粒子群优化算法的特征与优点,详细对两种算法的理论知识进行分析与研究,提出了基于PSO-SVM模型的感应电机故障诊断方法,以满足感应电动机的综合故障诊断要求。
第五章:
基于Matlab软件,运用感应电机正常状态、转子断条故障、轴承故障三种状态下真实特征数据对所提出的诊断模型进行训练与测试,验证其可行性。
17
山东科技大学硕士学位论文设备故障诊断理论
2设备故障诊断理论
2.1设备故障诊断的定义与意义
故障诊断这一名词起源于仿生学领域,故障诊断中的“故障”两字是指机械设备的一个特征参数出现了比较大的反差或偏差,导致设备的性能或者生产出来的产品性能低于正常水平;
“诊”字是指通过物理的、化学的方法对设备进行测量、检查及分析;
“断”则是通过某种手段分析设备故障的特征数据,确定故障的部位、类别、性质等。
设备故障诊断的基本原理是根据检测机电设备运行中产生的各种类别的信号,来判断设备的运行状态是否正常,其基本理念是在不进行设备拆卸的情况下,对正在运行机械设备的某种参数进行检测分析,找出故障原因以及故障部位,或者对机械设备的未来状态进行提前预测。
现代工业生产中设备系统结构日趋复杂,并且在高负荷、大功率的条件下连续运转,随时间的推移和设备内部、外部条件的变化下,生产设备系统在工作中会不可避免地发生一些故障。
这些故障发生时,轻则使设备性能降低,缩短使用年限,重则毁坏设备系统,停机停产,造成严重的经济损失和人员伤亡,同时对于社会的和谐也会产生不利的影响。
如何及时、准确地发现故障,在必要时预测故障,保证设备系统在工作期间始终
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 PSOSVM 模型 感应 电机 故障诊断 研究 审批 修改