The invention provides a motor fault diagnosis method and system based on error correction output coded support vector machine, which extracts the characteristic vectors of the vibration signals by acquiring the vibration signals of the alternating current motor and by wavelet packet decomposition and reconstruction, and takes the characteristic vectors of the vibration signals as the target error correction output coded support. The output vector corresponding to the eigenvector of the vibration signal is obtained by the input of the vector machine, and the output vector is compared with the binary coding vector used to indicate the fault class label to determine the fault type of the motor. Thus, the problem of weak self-learning ability of traditional motor fault diagnosis methods and insufficient diagnosis and classification ability of single classifier are solved, and the diagnosis accuracy is high.
【技术实现步骤摘要】
基于纠错输出编码支持向量机的电机故障诊断方法和系统
本专利技术涉及电机诊断
,具体地,涉及基于纠错输出编码支持向量机的电机故障诊断方法和系统。
技术介绍
随着科学技术的进步发展,三马力交流电机在社会生产和日常生活中起着举足轻重的作用。随着工业生产的不断大规模化,生产设备不断向着高速化、大规模化、复杂化、自动化的方向发展。因此,电机一旦发生故障,可能破坏整个工业链的生产进行,损失是不可估量的。所以,对电机进行故障诊断有着很重要的意义。现有技术中常见的故障诊断方法主要有以下几种:方法1:喻绍喆等人在《基于贝叶斯网络的电机故障诊断方法研究》中分别阐述了决策树和贝叶斯网络的基本思想和相关算法,通过决策树-贝叶斯网络的转化方法来得到各个故障节点之间的条件概率分布,获得电机故障诊断结果。实验结果表明了随着样本数量的不断增加,电机故障诊断的准确率也不断提高。但是方法1作为评判准则的准确率是受样本数量控制的,在小样本下准确率在60%左右,在大样本下是比较适合的,具有一定的局限性。方法2:李海等人在《基于EMD和特征融合的电机故障诊断》中基于固有模态函数和特征融合技术相结合的特征向量构造方法,通过1-a-1支持向量机的分类方法对电机故障进行诊断分类,其基本思想是:对k个类别的分类问题,每次仅对k类中的两类进行分类。因此需要建立k(k-1)/2个子分类器,最后输出综合这些2类分类器的结果,应用“投票法”,得票最多的类为新样本所属的类别。方法2中每个支持向量机的训练速度都会随着训练样本数的增加而急剧减慢,因此这种算法的效率相对较低,在求解一个优化问题的过程中需要同时求解n ...
【技术保护点】
1.一种基于纠错输出编码支持向量机的电机故障诊断方法,其特征在于,包括:获取交流电机的振动信号,通过小波包分解与重构提取所述振动信号的特征向量;将所述振动信号的特征向量作为目标纠错输出编码支持向量机的输入,得到与所述振动信号的特征向量对应的输出向量;将所述输出向量与用于指示故障类别标签对应的二值编码向量进行对比,以判断电机的故障类型。
【技术特征摘要】
1.一种基于纠错输出编码支持向量机的电机故障诊断方法,其特征在于,包括:获取交流电机的振动信号,通过小波包分解与重构提取所述振动信号的特征向量;将所述振动信号的特征向量作为目标纠错输出编码支持向量机的输入,得到与所述振动信号的特征向量对应的输出向量;将所述输出向量与用于指示故障类别标签对应的二值编码向量进行对比,以判断电机的故障类型。2.根据权利要求1所述的基于纠错输出编码支持向量机的电机故障诊断方法,其特征在于,在将所述振动信号的特征向量作为目标纠错输出编码支持向量机的输入,得到与所述振动信号的特征向量对应的输出向量之前,还包括:选取4种类型的交流电机:正常电机、转子不平衡故障电机、内置不对中故障电机和轴承故障电机;通过NIcRIO-9030控制系统采集所述4种类型的交流电机的振动信号;通过小波包分解与重构提取所述4种类型交流电机振动信号的特征向量;为所述4种类型的交流电机的振动信号的特征向量分别添加不同的标签,并将添加标签后的特征向量进行交叉验证后,划分为:训练集数据和测试集数据;其中,训练集数据和测试集数据均设置有用于指示故障类型的标签;通过所述训练集数据对初始纠错输出编码支持向量机进行训练,得到训练好的纠错输出编码支持向量机;通过所述测试集数据对所述训练好的纠错输出编码支持向量机进行测试,以得到通过测试的目标纠错输出编码支持向量机。3.根据权利要求2所述的基于纠错输出编码支持向量机的电机故障诊断方法,其特征在于,所述通过小波包分解与重构提取所述4种类型交流电机振动信号的特征向量,包括:选取小波包分解的初始层数;通过小波包对所述4种类型的交流电机的振动信号进行降噪处理,得到降噪信号;绘制所述降噪信号的功率谱图与1/3倍频程谱图;根据所述降噪信号的功率谱与1/3倍频程谱的能量分布确定小波包分解的最终层数,并进行小波包重构处理后得到重构后的信号;根据所述重构后的信号绘制小波包能量谱图;其中,所述小波包能量谱图即为所述4种类型的交流电机的振动信号的特征向量。4.根据权利要求2所述的基于纠错输出编码支持向量机的电机故障诊断方法,其特征在于,所述通过所述训练集数据对初始纠错输出编码支持向量机进行训练,得到训练好...
【专利技术属性】
技术研发人员:张旭东,黄亦翔,刘成良,
申请(专利权)人:上海交通大学,
类型:发明
国别省市:上海,31
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。