一种基于均匀度与峰度计算的电机故障诊断方法技术

本发明专利技术公开了一种基于均匀度与峰度计算的电机故障诊断方法。包括：通过对电机瞬态启动电流信号的均匀度和峰度的分析，获得更为简单且可以有效表征电机故障的参数。通过初始化权重来预测误差，并根据预测误差选择父权重，对选中的父权重完成两种算法的处理，一种是自适应遗传算法，另一种是布谷鸟搜索算法，最后将两种算法获得的结果合并，从而获得优化的神经网络权重及最佳解，由此构建基于均匀度、峰度及AGA

【技术实现步骤摘要】
一种基于均匀度与峰度计算的电机故障诊断方法


[0001]本专利技术涉及电机健康状态诊断
，具体涉及一种基于均匀度与峰度计算的电机故障诊断方法。

技术介绍

[0002]电机是电力工业、制造业的基础，而感应电动机一直是各种电气设备和制造工艺的重要部件，其主要特点是低成本、刚度和质量表现良好，但是，由于感应电动机故障导致其意外停机而带来的经济和技术后果却比较严重。设计可靠的早期电机故障诊断方法是一种低成本工作，因为，实现对电机故障的早期检测可以防止机器遭受灾难性损坏。
[0003]在过去几年中，对感应电机故障检测的研究引起了人们极大的兴趣。为防止电机发生灾难性故障，众多学者已经做了大量的研究工作，但是，许多已有方法是基于电机瞬态启动电流的分析，这类方法的缺点是其开发过程具有较高的数学复杂性和大的计算成本。另外，大多数已有故障检测方法也只专注于检测单个特定故障，且通常基于监测和分析电流和振动信号，这些检测方法和技术一般适用于诊断独立的感应电机故障，在实现过程中，大多数故障诊断方法还依赖于复杂的数学算法，比如，一些频域处理方法，需要将时域信本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于均匀度与峰度计算的电机故障诊断方法，其特征在于，包括以下步骤：步骤1：对电机瞬态启动电流信号的均匀度与峰度计算，获取电机故障特性参数；步骤2：构建基于AGA
‑
CS的混合分类器模型，利用均匀度和峰度特征参数训练所述混合分类器模型，通过初始化的权重来预测误差，根据预测误差选择父权重，对选中的父权重完成两种算法的处理，一种是自适应遗传算法AGA，另一种是布谷鸟搜索算法CS，最后将两种方法的结果合并，从而获得优化的神经网络权重及人工神经网络ANN最佳解，由此构建基于均匀度、峰度计算及AGA
‑
CS的电机故障诊断模型；步骤3：基于均匀度、峰度计算及AGA
‑
CS的电机故障诊断模型实现对感应电动机的故障诊断。2.根据权利要求1所述的基于均匀度与峰度计算的电机故障诊断方法，其特征在于，所述步骤1中电机故障特性参数设定五种电机状态，分别为健康电机、具有一个转子断条的电机故障1BRB、具有两个转子断条的电机故障2BRB、具有轴承外圈损坏的电机故障BRB和具有不平衡机械负载的电机故障UNB；其中故障类型为四个，其故障类型的确定依据为：(1)转子断条故障BRB利用相关频率参数f
BRB
表明BRB故障的存在，具体如下式：f
BRB
＝(1
‑
2kb)
·
f
s
，k＝1，2，3，
…
其中，k是整数，f
s
是电源的主频分量，b表示电机转差，其取值范围为0至1；(2)轴承故障BRN外滚道相关频率f0通过以下公式确定：其中，n是滚动元件的数量，f
r
是轴的旋转频率，BD是滚珠直径，PD为轴承座圈直径，β为座圈中滚动元件间角度；(3)机械不平衡故障UNB转子出现不平衡状态，产生不平衡力u，具体由下式给出：u＝m
×
r其中，m是质量，r是偏心率。当不平衡力随转速波动，并将转子从定子中心拖至其他位置，由于转子不平衡，使得定子和转子回路之间的互感变得不均匀，导致在定子电流中感应频率分量f
unb
，具体如下式所示：f
unb
＝f
s
[1
±
k(1
‑
b)/p]，k＝1，2，3，
…
其中，f
s
是电流源的基频，k是整数，b是感应电动机转差率，p是电极对数。3.根据权利要求1所述的基于均匀度与峰度计算的电机故障诊断方法，其特征在于，所述步骤1中提取电机电流信号的均匀度H与峰度K
urt
特性参数：计算每种电机状态下的均匀度和峰度参数，并将其归一化；对每种状态进行统计分析，从而获得健康电机、具有一个转子断条故障1BRB的电机、具有两个转子断条故障2BRB的电机、具有轴承外圈损坏故障BRB的电机和具有不平衡机械负载故障UNB电机的电流信号的均匀度参数和峰度参数的平均值μ和标准偏差σ；计算步骤如下：(1)计算均匀度特性参数
均匀度参数H描述如下式：其中，p(i，j)是归一化GLCM中位置序号为(i，j)的元素。均匀度参数可以用作电机故障检测和分类的索引，其原因在于，在感应电机的故障电流信号中，存在与故障相关的不同频率特征信号，由此将改变其均匀性，故均匀度参数也会随之而变；(2)计算峰度特性参数峰度特性参数可以测量概率分布的偏差，是描述信号概率分布形状的四阶矩，峰度参数计算如下：其中，N是样本数，x
i
是原始信号样本，i＝1，2，3，
…
，N，μ是随机事件X＝[x1，x2，x3，
…
，x
N
]的平均值，σ是标准偏差。4.根据权利要求1所述的一种基于均匀度与峰度计算的电机故障诊断方法，其特征在于，所述步骤2中权重初始化，误差预测，通过预测误差来选择父权重具体步骤如下：以随机的方式初始化神经网络权重，然后通过初始化的权重来预测误差，具体见下式：E＝A
V
‑
H其中，E是误差，H是激活函数，A
V
是实际值；激活函数H可通过下式获得：其中，M是隐藏层神经元数，N是输入层神经元数，是在隐藏和输出之间的第j个权重层，是在第i个输入层和第j个隐藏层神经元之间的权重，x
i
是第i个输入值；最后，选择父权重，基于减少误差的优化目的，通过误差预测来选择父权重，从而进一步减少计算误差。5.根据权利要求4所述的一种基于均匀度与峰度计算的电机故障诊断方法，其特征在于，所述步骤2中对选中的父权重完成自适应遗传算法AGA的运算具体为：根据个体适应值与群体平均适应值、最大适应值的接近情况，对交叉率和变异率进行线性调整，具体如下：(1)完成交叉率m
a
的改进，交叉率改进为：式中，g
...

【专利技术属性】
技术研发人员：戴峻峰，皇甫立群，刘金桂，柯永斌，
申请(专利权)人：淮阴工学院，
类型：发明
国别省市：