【技术实现步骤摘要】
一种基于置信规则库推理的电机转子故障预测方法
本专利技术涉及一种基于置信规则库(BRB)推理的电机转子故障预测方法，属于工业设备状态检测与故障诊断
技术介绍
电机转子作为电机设备主要的组成部分，其出现的任何不平衡故障都会对电机的运转以及设备的正常运行带来很大的影响。电机转子不平衡的故障预测是保障有电机参与的工业领域生产安全性和稳定性的主要手段，它可以提前预测故障进而有效避免重大事故发生。在正常情况下，电机转子离心力达到平衡，电机处于静态、动态和偶平衡状态，可以提供工业生产中所需的动力，也可以实现对电机的调速等，对于电机设备的安全运行有较大影响。然而，电机属于大功率电气设备，工作时会产生大量的热能以及机械磨损等，如果电机转子出现不平衡故障，则会对电机产生较大影响，而且会直接影响到依靠电机来运作的设备的安全性，一旦这些设备安全性出现问题，将会带来一定的财产及其他损失等。因此为保证这些设备的正常工作，需要保证电机转子处于平衡状态，因此研究电机转子不平衡故障预测方法可以实现对电机转子不平衡故障的提前预测，进而避免因...
【技术保护点】
1.一种基于置信规则库推理的电机转子故障预测方法，其特征在于该方法包括以下各步骤：/n(1)设定电机转子不平衡故障集合Θ＝{F
【技术特征摘要】
1.一种基于置信规则库推理的电机转子故障预测方法，其特征在于该方法包括以下各步骤：
(1)设定电机转子不平衡故障集合Θ＝{F1,F2,...,Fh,...,FH|h＝1,2,...,H}，Fh表示故障集合Θ中的第h个故障，H>3是故障类别个数；
(2)在不同的电机转子不平衡故障类别下，在电机转子的J>3个不同位置采集振动加速度信号，使用快速傅里叶变换方法将其转换为频域信号，取1倍频的幅值作为故障特征变量，记为{fj|j＝1,2,...,J}，则获得J个故障特征变量；
(3)对于J个故障特征变量，分别设计相应的BRB模型对特征变量进行预测，设故障特征变量fj的采样值由fj,t表示，t∈N+是采样时刻，N+为无穷大的正整数，对于第j个故障特征变量fj对应的BRBj模型的输入为{fj,t-l+1,...,fj,t-1,fj,t}，l>1是模型输入个数，输出变量yj,t+o表示未来t+o时刻该故障特征变量取值fj,t+o的预测值，这里o>0是当前时刻t之后的第o个时刻；
(3-1)在BRBj模型中，将fj,t-l+1,...,fj,t-1,fj,t分别记为变量x1,x2,...,xn...,xl，模型输入参考值集合为
其中，R>1为每个输入的参考值个数，xn是模型第n个输入的故障特征变量值，其中是第n个输入的第r个参考等级的参考值，输出yj,t+o的参考值集合为
Dj＝{Dij|j＝1,2,...,J；i＝1,2,…,N}(2)
其中D1j<D2j<…<Dij<…<DNj，Dij是输出的第i个参考等级的参考值，N>1为输出参考值个数，基于此构建规则库BRBj；
(3-2)构建的规则库BRBj由K条规则组成，K的取值为BRBj模型中全部输入的参考值个数的乘积，其中的第k条规则Rk描述为
其中，表示在第k条规则下，模型第n个输入故障特征变量值xn对应的参考值，mi,k为第k条规则下对应Dij的置信度，且满足在第k条规则下
(3-3)当t时刻获得采样序列fj,t-l+1，...，fj,t-1，fj,t后，则可获得BRBj模型的输入x1＝fj,t-l+1，x2＝fj,t-l+2，...，xl＝fj,t，计算每个输入对应参考值的匹配度，具体步骤如下：
(a)当或时，xn对和的匹配度αn,1和αn,R取值均为1，对于其他参考值的匹配度均为0；
(b)当时，p＝2,3,…,R-1，xn对于和的匹配度分别为
此时，模型输入xn对于其他参考值的匹配度均为0；
(3-4)根据步骤(3-3)得到的输入对应参考值的匹配度，计算BRBj模型各个输入x1,x2,...,xl所激活的对应于第k条规则的激活权重为
其中为模型输入xn在第k条规则下对应参考值的匹配度，为第k条规则的权重，0≤λn≤1为模型第n个输入的可靠度；
(3-5)根据步骤(3-4)得到第k条规则的激活权重后，将其与第k条规则下对应Dij的置信度mi,k进行融合，融合所有规则后，得到支持Dij的置信度为
(3-6)计算出未来t+o时刻fj,t+o的预测值yj,t+o为
(4)对于每个故障特征变量fj都按照步骤(3...
【专利技术属性】
技术研发人员：徐晓滨，董峻，侯平智，马枫，孙杰，俞卓辰，章振杰，
申请(专利权)人：杭州电子科技大学，南京智慧水运科技有限公司，
类型：发明
国别省市：浙江;33
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。