李平的开题报告.doc

基于信息融合技术的电机故障诊断研究 一. 立论依据 1. 研究意义 电机作为拖动系统中的重要组成部分在国民经济中占有举足轻重的地位，它是当今用于驱动各种机械和工业设备的最主要装置，广泛应用于驱动机床、水泵、鼓风机、压缩机、起重卷扬设备、矿山设备等，几乎渗透到了各行各业。在发达国家中三相电机所消耗的能量已占到全部发电量的一半以上，在中国，电机的用电量约占总负荷的60%之多。电机故障不但损坏异步电机本身，而且影响生产的安全平稳。对电机进行状态监测与故障诊断，可及时处理和排除故障，减少不必要的经济损失。 电机系统中包含多个子系统：电路系统、磁路系统、绝缘系统、机械系统和通风散热系统等，且各子系统间相互影响，关系复杂。所以，电机故障的起因和故障征兆往往表现出多元性。一类故障源可诱发多种故障征兆(一因多果)，比如，电机转子发生导条断裂时，就会出现振动增加、启动时间延长、定子电流摆动、转差率增大、转速和转矩波动、温升增高等故障征兆，而且它们往往都是相关联的。另外，多类故障可能同时反映一个故障征兆(多因一果)，比如，电机振动增加，除了可能是转子断条故障之外，还有可能是由定子绕组匝间短路、定子端部绕组松动、机座安装不当、铁心松动、转子偏心、定转子相擦、轴承损坏等故障引起。还可能出现多类故障表现为多种故障征兆相互交叉耦合的现象(多因多果)。因此，电机故障具有故障复杂、故障模糊、故障相关、多故障并发等特点。 电机故障诊断的过程是一个信号检测、信号处理与分析、模式识别的过程，电机各构件之间及构件内部都存在很多错综复杂、关联藕合的相互关系，不确定性因素充斥其间，这必然导致故障诊断准确率的降低，甚至出现漏检和误诊断现象。 因此，在电机故障诊断过程中，电机故障的非线性性和诊断过程的不确定性是需要我们着重考虑的问题。所以，如何针对这两点有效开展基于信息融合的电机故障诊断方法研究具有重要的意义。 2. 国内外研究现状 电机状态检测的概念首先是由Tavner P.J.与Penman J.于1987年提出来的[1]。随后由于70-80年代电子技术的兴起，尤其是计算机技术的发展，为电机故障诊断技术提供了必要的技术支持，电机故障诊断技术才真正得以迅速发展[2-3]。 我国对电机设备故障诊断技术的重要性也早已认识，60年代就提出过不少带电试验的方法，但由于操作复杂，测量结果分散性大而未得到推广。直到80年代开始出现电机设备故障在线诊断技术的研究，在近20多年来得到迅猛发展。 到目前为止，电机故障诊断技术都是基于某个确定的参数进行的，这些参数包括与电机相关的各种能够携带故障特征的可以监测到的参数，如定子电流、振动、温度、噪声、润滑油成份等。根据所选取的特征量，电机故障诊断的方法可以分为定子电流信号法、振动监测法、瞬时功率法、转矩法、失电残压法等，在得到上述信号后，多采用专家系统、神经网络、小波分析等方法进行电机故障特征提取和故障诊断。 就目前电机故障诊断中所选取的特征量而言，应用最多的是定子电流信号和振动信号。国内外学者基于这两者，在电机故障诊断方面已经作了很多研究。 定子电流信号： 王新等利用小波包对电机电流信号进行细致分解,从分解系数上准确找到故障信号所在节点,对该节点进行重构得到要分析的信号,然后采用自适应陷波器去除工频的干扰,提取故障特征量[4]。刘振兴等针对调速过程中常见的恒加速和恒减速运行模式,提出了采用HHT(Hilbert-Huang变换)方法识别运行模式、利用广义Fourier变换进行时频转换的故障诊断方法,可将线调频的电源信号转换为新的时频域的恒频信号[5]。阳同光等提出一种基于反向粒子群优化算法感应电机转子故障诊断方法。将转子磁链误差作为粒子群的适应度函数，通过反向粒子群优化算法自适应调整转子磁链电流模型的参数，辨识故障状态下感应电机的转子电阻[6]。王旭红等针对异步电机转子断条故障时定子电流出现的边频分量进行小波包分析,提取动态条件下各频带能量作为故障特征向量,削弱了负载变化及噪声对诊断准确性的影响[7]。 振动信号： 王红君等提出一种基于小波分析和神经网络的电机故障诊断方法,该方法采用小波时频分析技术对电机故障振动信号进行消噪滤波,通过小波包分解系数求取频带能量,根据各个频带能量的变化提取故障特征,应用BP神经网络进行故障识别[8]。满红等针对异步电机早期定子故障诊断,根据电机定子故障的特点，对电机振动信号进行监测，诊断其定子故障[9]。向东阳等通过振动信号同时诊断电机定子相间短路和轴承外滚道缺损的复合故障[10]。 其他： 瞬时功率法：刘振兴等介绍了一种基于瞬时功率频谱分析的鼠笼式异步电动机转子故障监测与诊断方法。采集定子某两个端子之间的线电压和对应的线电流,由二者的乘积即可构成瞬时功率信号[11]。紧接着，他又提出了以平均瞬时功率为