[發(fā)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?zhí)枺?/td>: 201510087882.4
• 申請日: 2015-02-25
• 公開（公告）號: CN104614673B
• 公開（公告）日: 2017-12-05
• 發(fā)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

技術領域

本發(fā)明涉及一種電機氣隙偏心故障診斷方法，特別的涉及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。

背景技術

交流感應電機廣泛的應用于工業(yè)和國防軍事領域，其安全運行至關重要。電機故障在線診斷是通過在線監(jiān)測電機相關參數(如電壓、電流、磁通、轉速、溫度、噪聲、振動等)，并采取適當的手段對電機當前的狀態(tài)進行評估，進一步的可以確定電機的故障類型和嚴重程度，并給予推薦行動。

交流感應電機的故障類型大體可以分為機械故障與電氣故障，更具體的可以細分為定子故障、轉子故障、氣隙偏心與軸承故障等。氣隙偏心作為一種常見的感應電機故障，大多與感應電機機械故障有關，其中，靜態(tài)偏心的故障原因包括柔性基礎、軟腳以及軸承松動等，動態(tài)偏心的故障原因包括轉軸彎曲撓度、軸承磨損以及機械共振等。因此，當感應電機出現氣息偏心時，必然伴隨著一種或多種機械故障的發(fā)生，此時，如果能夠根據有關的故障特征，推理出導致氣隙偏心的機械故障原因(或者貢獻最大的機械故障原因)，將對感應電機的診斷和維修起到重要的指導意義。

基于知識和基于神經網絡的診斷方法在電機故障診斷應用上已經取得了較大的成功，但是，還未見有關的研究和報導將基于知識和基于模糊診斷方法應用于電機氣隙偏心故障的診斷，往往只是診斷出氣隙偏心的存在，而不能給出導致氣隙偏心的機械故障原因。

發(fā)明內容

因此，本發(fā)明提出基于模糊推理的電機氣隙偏心故障診斷，利用氣隙偏心和機械故障間的模糊關系，依據模糊算法，推理導致電機氣隙偏心故障的機械故障原因，提供氣隙偏心故障的維修指導。

本發(fā)明提出了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；其中選擇電機偏心的頻率特征f_ecc、靜態(tài)偏心的頻率特征f_eccs以及動態(tài)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(tài)，將s₁的三種模糊狀態(tài)表示為s_1',s_2',s_3'，將s₂的三種模糊狀態(tài)表示為s_4',s_5',s_6'，將s₃的三種模糊狀態(tài)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(tài)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(tài)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(tài)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：

附圖說明

下面結合附圖對本發(fā)明作進一步詳細的說明。