[發(fā)明專利]基于小波包支持向量機(jī)的感應(yīng)電機(jī)轉(zhuǎn)子斷條故障診斷方法

在審

• 申請?zhí)枺?/td>: 201811637863.4
• 申請日: 2018-12-29
• 公開（公告）號: CN109782168A
• 公開（公告）日: 2019-05-21
• 發(fā)明（設(shè)計）人: 徐浩東;劉凌;司杰文
• 申請（專利權(quán)）人: 西安交通大學(xué)
• 主分類號: G01R31/34
• 分類號: G01R31/34
• 代理公司: 西安通大專利代理有限責(zé)任公司 61200
• 代理人: 徐文權(quán)

1.一種基于小波包支持向量機(jī)的感應(yīng)電機(jī)轉(zhuǎn)子斷條故障診斷方法，其特征在于，包括：

步驟一、對檢測到的感應(yīng)電機(jī)轉(zhuǎn)子斷條故障定子電流進(jìn)行預(yù)處理，濾除故障定子電流中夾雜的工頻定子電流分量和高頻噪聲分量，僅保留故障分量并將數(shù)據(jù)存儲；

步驟二、對消噪后的電流信號進(jìn)行小波包分解，得到各子頻帶故障電流信號分量；

步驟三、對小波包分解系數(shù)進(jìn)行重構(gòu)并計算各頻段內(nèi)信號能量總和；

步驟四、對各頻段內(nèi)的信號能量進(jìn)行歸一化處理并構(gòu)造特征向量；

步驟五、構(gòu)建支持向量機(jī)模型，將特征向量劃分為訓(xùn)練樣本和預(yù)測樣本，利用訓(xùn)練樣本對支持向量機(jī)模型進(jìn)行訓(xùn)練，利用預(yù)測樣本對訓(xùn)練后的模型進(jìn)行測試，判斷特征向量對應(yīng)信號所屬的故障類型，并獲得測試集的診斷準(zhǔn)確率作為對模型的驗證結(jié)果。

2.根據(jù)權(quán)利要求1所述基于小波包支持向量機(jī)的感應(yīng)電機(jī)轉(zhuǎn)子斷條故障診斷方法，其特征在于：步驟一通過基于奇異值分解的SVD濾波法濾除工頻定子電流分量和高頻噪聲分量。

3.根據(jù)權(quán)利要求1所述基于小波包支持向量機(jī)的感應(yīng)電機(jī)轉(zhuǎn)子斷條故障診斷方法，其特征在于：步驟二對消噪后的電流信號進(jìn)行5層小波包分解。

4.根據(jù)權(quán)利要求1所述基于小波包支持向量機(jī)的感應(yīng)電機(jī)轉(zhuǎn)子斷條故障診斷方法，其特征在于：所述的步驟三當(dāng)轉(zhuǎn)子出現(xiàn)斷條故障時，則各子頻帶內(nèi)的信號能量產(chǎn)生影響。

5.根據(jù)權(quán)利要求1所述基于小波包支持向量機(jī)的感應(yīng)電機(jī)轉(zhuǎn)子斷條故障診斷方法，其特征在于：所述的步驟三將第N層中的特征向量提取出來，以X_Nj代表第N層中從低頻到高頻的2^N個子頻帶分解系數(shù)向量，然后得到2N個子頻帶的特征信號為S_Nj；

通過下式計算各子頻帶能量總和E_Nj：

6.根據(jù)權(quán)利要求5所述基于小波包支持向量機(jī)的感應(yīng)電機(jī)轉(zhuǎn)子斷條故障診斷方法，其特征在于，所述的步驟四對各子頻帶能量綜合按照下式進(jìn)行歸一化處理：

構(gòu)造的特征向量為：

7.根據(jù)權(quán)利要求1所述基于小波包支持向量機(jī)的感應(yīng)電機(jī)轉(zhuǎn)子斷條故障診斷方法，其特征在于，所述的步驟五建立基于交叉優(yōu)化算法的支持向量機(jī)模型，支持向量機(jī)模型以RBF徑向基為核函數(shù)，對樣本進(jìn)行交叉優(yōu)化，實現(xiàn)對懲罰參數(shù)c和參數(shù)g的賦值。