基于PSOSVM模型的感应电机故障诊断研究(审批后)修改Word格式文档下载.doc
- 文档编号:13080700
- 上传时间:2022-10-04
- 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格式文档下载.doc
《基于PSOSVM模型的感应电机故障诊断研究(审批后)修改Word格式文档下载.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格式文档下载.doc(70页珍藏版)》请在冰豆网上搜索。
PSO-SVM模型在感应电机故障诊断中的应用
山东科技大学硕士学位论文摘要
摘要
感应电动机能够适应各种复杂的工作环境因而在工业、农业、科学技术现代化和国防中得到了广泛的应用。
它是一种覆盖面最广、使用量最大的电动机。
感应电动机的正常运行,可以保证生产过程中的高效,安全,快捷,电动机发生故障不仅会导致生产设备的毁坏,影响生产的进行,甚至停产,还会危及工人的人身安全,造成巨大的经济损失,因此对电动机进行故障检测,特别是早期故障检测,是很有必要的。
目前很多故障诊断技术的主观性较强,研究一种能以客观的方式进行故障诊断的技术势在必行;
智能诊断技术十分符合现实的需要,其强大的自我学习能力能客观的发掘历史数据中的潜在故障规则,能更好的指导故障定位与检修。
本文主要以智能诊断技术为研究方向,分析传统的智能诊断技术的研究现状以及存在缺陷,提出了基于支持向量机理论的故障诊断技术方法。
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…………………………………………………
- 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