[發明專利]一種基于模糊推理的電機氣隙偏心故障診斷方法

有效

• 申請號: 201510087882.4
• 申請日: 2015-02-25
• 公開（公告）號: CN104614673B
• 公開（公告）日: 2017-12-05
• 發明（設計）人: 張民恕;黃沛明;方在華
• 申請（專利權）人: 珠海派諾科技股份有限公司
• 主分類號: G01R31/34
• 分類號: G01R31/34
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于模糊推理的交流感應電機氣隙偏心故障診斷方法，主要包含以下步驟：

第一步：將與導致電機氣隙偏心的機械故障有關的信號參數作為電機故障征兆集S＝{s₁,s₂,…,s_n}，其中s₁，s₂…s_n為故障征兆；其中設定n＝3,選擇電機偏心的頻率特征f_ecc、靜態偏心的頻率特征f_eccs以及動態偏心的頻率特征f_eccd作為故障征兆s₁，s₂，s₃，取故障征兆集為S＝{s₁,s₂,s₃}，并對s₁，s₂，s₃分別進行模糊處理，設置正大(PB)、正中(PM)、正小(PS)三種模糊狀態，將s₁的三種模糊狀態表示為s_1',s_2',s_3'，將s₂的三種模糊狀態表示為s_4',s_5',s_6'，將s₃的三種模糊狀態表示為s_7',s_8',s_9'；

第二步：確定產生所述故障征兆的故障模式，所有故障模式的集合稱為故障模式集M，其中M＝{M₁,M₂,…,M_m}；其中將電機的軟腳，軸承松動，轉軸彎曲撓度和軸承磨損設為故障模式；

第三步：根據模糊關系，建立所述故障征兆集S與所述故障模式集的模糊關系矩陣W；

第四步：利用所述模糊關系矩陣W，計算電機當前狀態所對應的故障特征集S^k對各種故障模式M_p(p＝1,2,…,m)的隸屬度，并將隸屬度進行從大到小的排序，隸屬度最大值所對應的故障模式即為當前產生氣隙偏心的故障原因；其中在第四步中，確定電機當前狀態所對應的特征集其中，對于故障模式M_p(p＝1,2,…,m)，電機當前狀態的故障特征所具有的權值分別為W_pl,l＝1,2,3，當時，W_pl取W_pi′的值，其中W_pi′為模糊關系矩陣W中s_i'對應的權值(i′＝1,2...,9)；

隸屬度計算采用加權平均算法，任一特征集S^k對給定故障模式M_p的隸屬度為：

。