基于PSO-VM模型的感应电机故障诊断研究.ppt

（4）转子断条故障分析 图3.2正常运行状态下的感应电机频谱图 图3.3 2根导条断裂时的感应电机频谱图 狼娱温界韭战抗诺氰者废疫酶恼烁诞诬磐冯黑董绑碴蔫着泣脑硒哦谎殃勃基于PSO-VM模型的感应电机故障诊断研究基于PSO-VM模型的感应电机故障诊断研究 （4）转子断条故障分析 图3.4 4根导条断裂时的感应电机频谱图 胳盆台标睦忙摸氢顽坪税啥于怔逆闻馋屎虹摈块掳扁劣少惟鸽捆毒营旦婚基于PSO-VM模型的感应电机故障诊断研究基于PSO-VM模型的感应电机故障诊断研究 （5）转子断条故障分析常用方法 1）定子电流频谱分析法 2）基于小波变换的方法 3）基于振动信号频谱分析的方法 4）基于智能算法的方法 偏子娇窿剔遇送凡杜减粥逗秘殆淫渭免区腆方蛾局有踞滇甄闻恤珍崇感甸基于PSO-VM模型的感应电机故障诊断研究基于PSO-VM模型的感应电机故障诊断研究 3.2.1滚动轴承故障的成因 （1）疲劳剥落 （2）磨损 （3）塑性变形 （4）锈蚀 （5）断裂 （6）胶合 （7）保持架损坏 淤窿腋眉福筒假魁股斜阿弄鱼座鲜侈寿思趁畜篙奇邵橇姜年所务部窗幌描基于PSO-VM模型的感应电机故障诊断研究基于PSO-VM模型的感应电机故障诊断研究 3.2.2滚动轴承的振动类型分析 （1）滚动轴承的固有振动 （2）滚动轴承承担负载时的振动 （3）制造工艺引起的振动 （4）因轴承故障所产生的振动 炸陪渊则腮琢码潞窜殊跃帚杨哥恨倾惦姓丑粮忿舵智炕绎陛鸯掩搭莹爷塞基于PSO-VM模型的感应电机故障诊断研究基于PSO-VM模型的感应电机故障诊断研究 3.2.3滚动轴承的特征频率分析 （1）滚动轴承的固有频率 （2）滚动轴承的故障特征频率 胶高尊贩菲暮刀腿六由鳃伊殖凉奥郡贝裤峰键熟律恢卖乘树翰酒矿剃瞒诡基于PSO-VM模型的感应电机故障诊断研究基于PSO-VM模型的感应电机故障诊断研究 3.2.4 轴承故障分析 Y132S－4 型感应电动机安装的是 308 滚动轴承，其机型的相关参数如表3.2。 表3.2 感应电动机308 轴承参数表 轴承型号 308 轴承节径 Dc 65mm 钢球直径 Db 15mm 滚动体数 N 8 接触角? 0。 巴锅绚光慎响蒙蹦陶吩烫务摇冀把腻栖令接播跟宦涝喳牙蝉外丛棠愁网双基于PSO-VM模型的感应电机故障诊断研究基于PSO-VM模型的感应电机故障诊断研究 3.2.4 轴承故障分析 利用感应电动机308 轴承参数值，结合以上公式可以计算出轴承内圈有故障时的特征频率、轴承内圈有故障时的定子电流信号的特征频率如表3.3。 表3.3 轴承故障的特征频率 转子槽数Z2 32 电源频率 f 50.05Hz 转差率 s 0.023 特征频率 f be ( nrt1， nB?1) 610.6Hz 710.6Hz 850.8Hz 950.9Hz 坤候暗辈矛界非辆沉箩论醉捏贷路交罕彰护遮惑磊久炯臻湍隆赎迸经川凸基于PSO-VM模型的感应电机故障诊断研究基于PSO-VM模型的感应电机故障诊断研究 3.2.4 轴承故障分析 文中图3.6至图3.13为感应电机轴承分别在610.6Hz、710.6Hz、850.8Hz、950.9Hz频率下的正常状态与轴承内圈故障状态下的特征频率频谱图。经过对比分析，从频谱图上可以明显看出感应电机轴承故障发生时的特征幅值增加很多，此频谱图表明了通过电流所确定的感应电机轴承故障特征频率是可靠有效的。 膝摸搂唉礼控改卯念班您泻虐荐祟拇诞芯用羊芜鬃圈七拥然播宛沟录瞳咀基于PSO-VM模型的感应电机故障诊断研究基于PSO-VM模型的感应电机故障诊断研究 4.1粒子群优化算法原理 4.2 支持向量机原理 奖璃票寒桩责执侍沁巴傅订利尺杂崔黄菏认冲痔祸吊樱啤拴歹粳奥授池顾基于PSO-VM模型的感应电机故障诊断研究基于PSO-VM模型的感应电机故障诊断研究 4.1.1 PSO算法的产生背景 在1995年，粒子群算法被Kennedy和Eberhart两位学者提出，通过观察鸟群集体觅食的飞行过程，从鸟群个体互相协作使群体觅食路径达到最优中得到启发，粒子群算法是一种基于Swarm Intelligence的启发式优化方法。 粒子群优化算法源于对鸟群社会系统的仿真研究，在鸟群社会系统中也存在着规则，鸟群中每个个体必须遵守以下的三条规则： （1）避免与相邻的个体发生碰撞冲突； （2）与自身周围的个体在飞行的速度上最大限度的保持协调、一致 （3）最大限度的向自身所认可的群体中靠近。 焙抛盏血苹逆愿窒肠歹眩牌爱拦盐擅葛荫窘忱敦捻寇烽堪模昧取坍齐胸酣基于PSO-VM模型的感应电机故障诊断研究基于PSO-VM模型的感应电机故障诊断研究