基于信息融合分析的感应电机故障检测方法

合集下载

基于信息融合方法的电机故障诊断研究

０引言
信息融合是指利用计算机技术对按时序获得
ｉｆｒａｉｎｆｓｏｅｈｄｎｏｍｔｕｉｎｍｔｏｏ
Ｘｕ－ｉＧＮａ－ｅ，ＥＹｏＵｉｉＵＹｎｚ，ＯＧＮｉｉＧａ，ＧＯＸ－ｎｈｗｊ
（ｃｏｌｏｎｏｍａｉｎ＆ＥｅｔｃｌＥｇｎｅｉｇｈｎｎｖｒｉｆＭｉｉｇ＆Ｔｃｎｌｇ，Ｘｕｈｕ２１６，ＣｉａＳｈｏｆＩｆｒｔｏｌｃｒａｎｉｅｒ，ＣｉａＵｉｅｓｔｏｎｎｉｎｙｅｈｏｏｙｚｏ２１１ｈｎ）
Ａｂｓｒｔ：Ｆｒｔｏｏａｔｄｉｇｏｉｆｓｉｒｌｉｄｕｔｏｔｒ，ｃａａｔｒｓｉｌｅｎｃｒｅｔｓｇａｓａｓｒｃｅｔａｃｏｈｅｒｔｒｆｕｌａｎｓｓｏｑｕｒｅｎｃｉｎｍｏｏｈｒｃｅｉｔｖａｕｓｉｕｎｉｎｌｉｂｔａｔｄｃｂｖｌｔｐｃａｅａａｙｉｅｈｎｑｕｙｗａｅｅａｋｇｎｌｓｓｔｃｉｅ，ｔｅｉｎｌｉｅｏｈｎｓｇａｓｄｃｍｐｏｅｎｔｒｅｌｖｌｈｅｎｏｓｉｎｌｉｅｒｔｄａｄａ・ｓｄｉｈｅｅｅ，ｔｉｅｓｇａｓｓｐａａｅｎｎａ
ｓｏｍｅｅｘｅｎｔｔ．
Ｋｅｒｙｗｏｄｓ：ｗａｅｅ；ｉｆｒｔｎｆｉｎ；ｆｕｌｄｉｇｏｉ；ｎｕａｅｗｏｋｓｅｉｅｃｖｌｔｎｏｍａｉｕｓｏｏａｔａｎｓｓｅｒｌｎｔｒ；ｖｄｎｅ

基于多数据融合的电机故障诊断方法研究

文章主题：基于多数据融合的电机故障诊断方法研究研究多数据融合的电机故障诊断方法，是在当前科技不断发展的情况下，为了解决电机故障诊断领域存在的问题而展开的一项重要研究。

电机在工业生产中具有着不可替代的作用，因此对电机的故障进行及时准确的诊断显得尤为重要。

本文将通过深度和广度的讨论，帮助读者全面了解基于多数据融合的电机故障诊断方法研究的深刻内涵。

1. 电机故障诊断的重要性电机在工业生产中广泛应用，一旦发生故障不仅会导致生产中断，还可能引发更大的安全隐患。

电机故障诊断的重要性不言而喻。

传统的电机故障诊断方法往往局限于单一数据源的分析，无法全面准确地判断电机的工作状态。

基于多数据融合的电机故障诊断方法应运而生。

2. 多数据融合的概念和意义多数据融合是指通过整合不同传感器、不同类型的数据，以及结合多种分析方法，来更全面地认识目标系统的工作状态。

在电机故障诊断领域中，利用多数据融合的方法可以更准确地把握电机的工作状态，提高故障诊断的准确度和效率。

通过结合振动、温度、电流等多种数据，可以综合分析电机的运行状态，从而更好地预测和诊断潜在故障。

3. 基于多数据融合的电机故障诊断方法研究现状目前，基于多数据融合的电机故障诊断方法研究已经取得了一定进展。

学者们通过融合振动信号、电流信号、温度信号等多源数据，并结合机器学习算法和人工智能技术，实现了对电机故障的准确诊断。

这些研究为实际生产中电机故障的及时发现和处理提供了重要的技术支持。

4. 对多数据融合的电机故障诊断方法的展望基于多数据融合的电机故障诊断方法是一个富有挑战性和前景广阔的研究领域。

未来，随着物联网、大数据、人工智能等技术的不断发展，我们有理由相信，基于多数据融合的电机故障诊断方法将会得到更加深入和广泛的应用，为工业生产的安全稳定提供更为可靠的技术支持。

总结：通过本文的深度和广度讨论，我们对基于多数据融合的电机故障诊断方法有了全面的认识。

多数据融合的概念和意义、当前研究现状以及展望，使我们对这一课题的重要性和前景有了更加清晰的认识。

基于多数据融合的电机故障诊断方法研究

ELECTRIC DRIVE 2021 Vol.51 No.9
电气传动 2021 年第 51 卷第 9 期
基于多数据融合的电机故障诊断方法研究
袁媛，方红彬，殷忠敏（河北机电职业技术学院电气工程系，河北邢台 054000）
摘要：电机作为各类电驱设备的主要动力装置，具有结构简单、控制方便、能效高、无污染等优点。在电机运行过程中，受载荷多变、零部件老化、散热条件差等影响，故障频发，进而降低电驱装置的工作效率和稳定性。此外，电机故障种类繁多，各故障的征兆与表现又极其相似，不同故障产生的原因也错综复杂，这极大地提高了电机故障诊断的难度。传统的电机故障诊断过程中多是基于单一传感器信号，存在不确定性大、诊断精度差等问题，为克服上述缺点，提出一种基于多传感器参数融合的电机故障诊断方法，基于振动加速度计和电流传感器信号，结合 BP 神经网络算法和 D-S 证据理论对电机故障进行准确辨识，提高电机故障诊断的准确性。简要介绍了多传感器数据融合技术的结构框架，在分析异步电机典型故障机理的基础上，对基于 BP 神经网络学习算法和 D-S 证据理论的多传感器数据融合电机故障诊断系统进行详细分析，并通过实例对所提出故障诊断方法的有效性进行验证。研究结果表明，采用所提出的多数据融合电机故障诊断方法可以高置信度地诊断出电机的络；证据理论中图分类号：TM28 文献标识码：A DOI：10.19457/j.1001-2095.dqcd21901
Research on Motor Fault Diagnosis Method Based on Multi Data Fusion YUAN Yuan，FANG Hongbin，YIN Zhongmin
（Department Electrical Engineering，Hebei Institute of Mechanical and Electroninc Technology，Xingtai 054000，Hebei，China）

多传感器信息融合在电机故障诊断中的应用

2012 年 10 月
噪声与振动控制
第5期
文章编号：1006-1355(2012)05-0164-04
多传感器信息融合在电机故障诊断中的应用
程加堂自 661199 ）
摘要：为了提高电机故障诊断的准确性，引入一种多传感器信息融合的诊断方法。将多个传感器所采集的转子
范围 [τmin,τmax] ，超过这个范围的值被限制为信息量允许值的上下限。在初始时刻，每个元素的信息素量相等，并设为信息素上限 τ0 = τmax ，初始信息素的增量为 0。
2.1.2 适应度评价
在每次循环后，根据适应度函数，对当前循环中找出最优解的蚂蚁进行信息素更新。本文以 BP 神经网络的总体均方误差为适应度函数来进行评价。均方误差越小，对应的蚂蚁选择的元素越优。
振动频谱信号处理后，利用蚁群神经网络进行故障局部诊断，以获得彼此独立的证据，再由证据理论对各证据进行融
合，最终实现对电机故障的准确诊断。实验结果表明，该方法有效提高诊断的可信度，减少电机故障分类识别的不确
定性。
关键词：振动与波；信息融合；电机；故障诊断；证据理论；蚁群神经网络
中图分类号：TM343
文献标识码：A
2.1.3 元素选取规则
图 1 故障诊断系统的结构图 Fig. 1 Structure of a fault diagnosis system
2 电机故障诊断算法实现
2.1 蚁群神经网络
蚁群算法本质上是一种全局优化的启发式优化算法，具有鲁棒性强、易于与其它方法结合等优点。然而，基本蚁群算法存在搜索时间过长、易于停滞等问题。为了克服这些缺陷，Stutzle 等人提出了最大最小蚂蚁系统 [（6] Max-Min Ant System，MMAS）。其基本思想 [7]是将初始信息素量设为信息素上限，有利于算法在初始阶段搜索到更多的解。并且仅让找到最优解的蚂蚁在其经过的路径上对信息素进行更新, 以便找到最优解。同时，对路径上的信息素进行限制，以避免搜索停滞现象。

基于信息融合技术的故障诊断方法的研究及应用共3篇

基于信息融合技术的故障诊断方法的研究及应用共3篇基于信息融合技术的故障诊断方法的研究及应用1一、引言在工业制造和运营中，设备故障是一个不可避免的问题。

随着设备复杂度的增加和自动化水平的提高，越来越多的生产数据需要被采集和处理，以支持设备健康状况的监测和故障诊断。

信息融合技术的发展为解决这个问题提供了有效的方法。

本文将介绍基于信息融合技术的故障诊断方法的研究及应用。

二、信息融合技术介绍信息融合是将来自多个源的信息融合成一个综合的结果，从而得到更全面和准确的信息的技术。

在实际应用中，信息融合可以分为以下几个阶段:1.数据采集：从不同的设备或传感器中获得数据，例如振动信号、压力信号、温度信号等。

2.数据处理：对采集到的数据进行预处理和特征提取。

3.信息融合：将来自多个数据处理的结果进行集成。

4.故障诊断：根据综合的结果，诊断设备的健康状态。

信息融合技术在故障诊断领域的应用，可以提高诊断的准确性和可靠性。

三、基于信息融合技术的故障诊断方法故障诊断是指通过设备运行过程中采集到的关键数据，判断设备的健康状态，以及是否已经发生故障。

在信息融合技术的支持下，基于数据驱动的方法较为常用。

1.特征提取在进行故障诊断时，需要选择合适的特征用于分析。

常用的特征包括时域特征、频域特征、小波特征等。

不同特征可以从多个方面反映设备的工作状态。

根据不同特征的优缺点和适用范围，可以选择不同的特征组合。

2.模型建立模型建立是指根据特征提取的结果，建立相应的模型。

常用的模型包括基于统计学、人工神经网络、支持向量机等。

不同的模型有不同的适用范围和准确性。

3.信息融合在进行多种模型建立时，需要将不同模型的结果进行集成，得到综合的结果。

常用的信息融合方法包括加权平均法、决策树法、神经网络法、贝叶斯理论法等。

不同的方法有不同的优劣和适用范围。

四、故障诊断方法的应用基于信息融合技术的故障诊断方法在许多领域都具有广泛的应用。

例如，在汽车制造领域，可以通过振动信号监测发动机和轮轴的健康状态；在航空航天领域，可以通过传感器监测飞机零部件的工作状态；在电力行业领域，可以通过温度传感器和振动传感器监测发电机的状态。

基于信息融合技术的故障诊断方法举例

断条气隙偏心匝间短路实际故障
0
0
7.2.2基于Park矢量的融合电流小波分析方法
小波变换不同分解尺度对应的频带宽度
设信号采样频率为fs，则信号中的最高频率为fs/2 采用DWT对信号进行分解时，设分解尺度为j（j＝1， 2，3，…） j＝1时，信号被分解为[0，fs/4]和[fs/4，fs/2]两个频带 j＝2时，信号被分解为[0，fs/8]、[fs/8，fs/4]和 [fs/4，fs/2]三个频带依次类推，j＝k时，分解信号的最低频带为[0， fs/2k+1]
ecpm
I ecnm cos[( m(1 s ) / p)1t ecpm 2 / 3]} 1
两种故障同时发生时派克矢量的模k=1、m=1
i ji
2 2 2 2 2 2 3 / 2( I p1 I bp1 I bn1 I ecp 1 I ecn 1 )
0.2
0.15
0.1
0.05
0
-0.05 0
20
40
60
80
100
（a）Park矢量融合电流信号
(b)尺度j＝8时的低频带信号
5根断条故障电机空载运行时DB5小波分解结果
12 11
x 10
-3
0.2
0.15 10 9 8 7 0 6 5 0 100 200 300 400 500 -0.05 0 20 40 60 80 100 0.1
f ag f1 mf r
转子旋转频率fr＝（1－s）f1/p，m为正整数气隙偏心故障还会造成电机的振动异常，并出现振动特征频率
7.1.3 绕组过热与匝间短路故障
绕组过热是电机运行过程中经常出现的一种现象，通常是短时和整体性的比较危险的是绕组的局部过热

基于智能信息融合的电力设备故障诊断新技术研究

基于智能信息融合的电力设备故障诊断新技术研究摘要：随着中国经济的发展和现代化建设的加快，人民生活水平有了很大的提高。

近年来，可持续发展战略的应用和实施，改变了人们的生活观念，人们逐渐确立起了节能环保的意识。

因此，电力作为一种相对清洁的能源，在社会中的应用越来越广泛，我国的电力发展速度也越来越快。

在我国电力系统当中，电力设备是最基础的内容，电力设备的质量直接影响到我国的供电质量、安全性以及稳定性，直接影响到人们的生活质量，但电力设备在应用的过程当中，许多常见的故障是难以避免的，影响到电力设备的应用。

因此，本文笔者针对智能信息融合的电力设备故障诊断新技术进行研究，并分析其检修方法。

关键词：电力设备；常见故障；诊断检修前言电力设备在我国的电力系统中是最基础的部分，电力设备的质量直接会影响到电力生产的质量，从而威胁到人们的电力使用质量和安全，于是，随着我国电力产业的不断发展，电力设备的检测和维护工作也受到了极大的重视。

在电力设备的应用过程中，很多的故障属于常见故障，直接威胁到电力设备的正常应用，所以在电力设备的应用过程中，需要对这些常见故障进行检测，保障电力设备的正常运转。

1 电力设备的常见故障分类1.1具有外特征的直观性故障这种具有外部特征直观性的故障，其在外部表现相对比较明显，主要表现为设备热量升高、冒烟或者发出焦味等现象，通常发生在电力设备的电动机或者电器当中。

许多电器也会出现跳闸或接触点异常，以及线圈变色。

这主要是由于机械阻力相对较大，电动机或电器绕组过载，导致线圈绝缘脱落或损坏，使设备出现短路，从而引发故障。

1.2不具备外特征直观性的故障这种不具有外部特征的故障在诊断和维护工作中难以执行，因为故障没有相对明显的外部特征，而在检测过程中，如果不能对其进行针对性的检测，往往无法检测到故障，从而导致故障的进一步扩展。

这类故障是维修工作的主要内容，通常是由于电气线路或元器件本身存在的问题，如电气元件调整不当、局部故障、参数设置不当、错位等。

基于融合分析的感应电机轴承故障检测方法

ｏｈｈｅ — ｈｓｕｒｎｓｃｌｕａｅｆｔｅｔｒｅｐａｅｃｒｅｔｉａｃｌｔｄ，ａｄｔｅｅｖｌｐｆｖｂａｉｎｓｇａｓｆｏｔｅｒｌｎｎｈｎｅｏｅｏｉｒｔｉｎｌｒｍｈｏｌｇｏｉ
摘要：据感应电机轴承发生故障时的振动信号特性以及定子电流特性，出三相电流的Ｐｒ矢量模信号，根求ａｋ并将其与电机滚动轴承振动信号经解调处理后的包络信号进行融合分析。以从振动信号与电流信号的融合谱图可
文章编号：０４９３（０６Ｏ — ｌ０１００７２０）ｌＯ１５３
基于融合分析的感应电机轴承故障检测方法
侯新国吴正国夏立卜乐平
（军工程大学电气工程系，汉，３０３海武４０３）
ＡｂｔａｔＡｃｏｄｎｏｃａａｔｒｓｉｓｏｏｈｔｅｖｂａｉｎｓｇａｓｎｈｔｔｒｃｒｅｔｓｒｃ；ｃｒｉｇｔｈｒｃｅｉｔｃｆｂｔｈｉｒｔｉｎｌｏａｄｔｅｓａｏｕｒｎｓｗｈｎａｐｒｎａｌｉｈｏｌｇｂａｉｇｏｈｎｕｔｎｍｏｏ，Ｐｒｅｔｒｍｏｕｅｓｇａｅｐｅｉｇａｆｕｔｎｔｅｒｌｎｅｒｎｆｔｅｉｄｃｉｔｒａｋｖｃｏｄｌｉｎｌｉｏ

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

Ｃｉａ２ＤｐｒｅｔｆｌｃｉｌｎｉｅｒｇＮｖｌＵｉｒｔｏｎｎｅｎ，ｈｎ４０３Ｃｉａｈ；．ｅａｔｎｏｅｔｃｇｎｅｎ，ａａｎｖｓｙｆｇｅｒｇＷｕａ３０３，ｈｎ）ｎｍＥｒａＥｉｅｉＥｉｉ
ｉｆｒａｉｎｆｓｏｎｌｓｓｎｏｍｔｏｕｉｎａａｙｉ
ＸＡＬ，ＦＩＱＩｉＥｉ
（．ｅａｍｎｏｏｔｌｃｎｅ＆ＥｇｅｄｇＨｕｚｏｇＵｉｒｔｏｃｎｅ＆ＴｃｎｌｙＷｕａ３０４１ＤｐｒｅｔｆｎｏＳｉｃｔＣｒｅｎｉｅｎ，ａｈｎｎｅｓｙｆｉｃｎｖｉＳｅｅｈｏｏ，ｈｎ４１７，ｇ３
关键词：感应电机；故障诊断；融合分析
中图分类号：Ｍ１；Ｐ７Ｔ７１ｒ２７文献标识码：Ａ文章编号：０７４９２０）３２１０１０ — ４Ｘ（０６０ —０９ — ５
Ｆａｌｅｅｔｏｅｈｄｏｎｕｃｉｎｍｏｏａｅｎｕｔｄｔｃｉｎｍｔｏｆｉｄｔｏｔｒｂｓｄｏ
ｇｔｅａｔｄｒｌｂｅｄａｏｉ．Ｈｅｃ，ａｍｅｏｏｄａｎｓｅｓｔｒｆｕｔｏｄｃｏｔｒａｅｅｘｃｅｉｌｉｇｓｓｎａａｎｎｅｔｄｔｉｇｏｅｔｔｏｌｆｉｕｔｎｍｏｏｓｂｓｄｈｈａａｎｉｏｎｏｍａｏｕｉｎａａｙｉｗｓｐｅｅｔｄｎｉｆｒｔｎｆｓｏｌｓｓａｒｓｎｅ．Ｕｉｚｎｉｍｅｈｄｔｅｆｕｔｈｒｃｅｓｃａｅｅｔａ — ｉｎｔｉｇｔｓｔｏｌｃａａｔｒｔｓＣｂｘｒｃｌｉｈｈａｉｉｎ
Ａｂｓｒｃ：ｍｉｔｉｒｖｎｈｅｆｕｔｄｔｃｉｎｖｒｃｔｆｉｄｃｏｔｒｈｅｖｂａｏｈｒｃｅｉｔｓｔａｔＡｉｎｇａｍｐｏｉｇｔａｌｅｅｔｏｅａｉｙｏｎｕｔｎｍｏｏ，ｔｉｒｔｎｃａａｔｒｓｃｉｉｉｏｅｍｏｏｎｈｅｆｅｕｎｙｓｃｒｍｆｔｅｓａｏｕｒｎｔｓａｏｎｉｇｓｏｔｃｒｕｔｒｎｌｚｄ．ｆｔｔｒａｄｔｒｑｅｃｐｅｔｕｏｔｔｒｃｒｅｔａｔｔｒｗｉｄｎｈｒｉｃｉｗｅｅａａｙｅｈｈ
维普资讯
第ｌ０卷
第３期
电机与控制学报
ＥＬＥＣＴＲＩＭＡＣＨＩＣＮＥＳＡＮＤＣＯＮＴＲＯＬ
Ｖ０．１Ｎｏ３１０．
Ｍａ０６ｙ２０
２００６年５月
基于信息融合分析的感应电机故障检测方法
ｔｄｅｆｃｉｅｙａｄｔｅｒｃｓｏｏｈａｌｓｒｃｇｉｏｓｔｅｅｏｅｉｒｖｄ．Ｅｐｒｍｅｔｌｒｓｌｓｅｆｔｌｅｖｎｐｅｉｉｎｆｔｅｆｕｔｅｏｎｔｎｗａｒｆｒｍｐｏｅｈｉｈｘｅｉｎａｅｕｔ
ｄｍｏｓａｅａｅｆｕｔｈａｔｒｔｓｂｓｄｏｎｏｍａｉｎｆｓｎａａｙｉｃｎｂｓｄｔｉｇｏｅｔｅｅｎｔｔｄｔｔａｌｃａｃｅｉｉａｅｎｉｆｒｔｉｌｓｓａｅｕｅｄａｎｓｒｈｔｈｒｓｃｏｕｏｎｏｈｓｔｒｗｉｄｎｎｅ — ｒａｌｆｉｄｃｏｔｓｔｏｎｉｇｉｔｒｔｎｆｕｔｏｕｔｎｍｏｏ．ａｕｓｎｉｒＫｅｒｓｉｄｃｏｔｒａｌｄａｏｉ；ｉｆｒｔｎｆｓｎｙｗｏｄ：ｎｕｔｎｍｏｏ；ｆｕｔｉｇｓｓｎｏｍａｉｕｉｉｎｏｏ．
夏立，费奇２
（．１华中科技大学控制科学与工程学院，湖北武汉４０７；３０４２海军工程大学电气与信息工程系，．湖北武汉４０３）３０３
摘
要：为了提高感应电机故障检测的准确性，分析了感应电机定子线圈短路故障时的振动特在
征信息及定子电流的谱信息的基础Ｓ指ＭＣＡ）
诊断定子线圈短路故障，不能得到准确可靠诊断结果的原因，出了一种基于信息融合分析的感应提电机定子故障检测方法，能有效提取电机定子故障时的特征信息，提高了故障识别的准确性。实验结果证实，于融合分析得到故障特征可以作为感应电机定子线圈短路故障诊断的依据。基
ＩｗｓｏｎｅｕａｔｅｖｒｔｎｓｅｔｍａａｙｉｏＳｍｔｕｅｔｉａａａｓ）ｃｕｏｔａｉｔｏｔｔｉａｉｐｃｒｌｓｒｐｄｈｈｂｏｔｕｎｓＭＣＡ（ｏｏｃｒｎｇｌｌｉｏｌｎｔｒｓｎｙｓｎｄ