[發明專利]基于粒子群優化支持向量機的電機故障模式診斷方法

在審

• 申請號: 201911079679.7
• 申請日: 2019-11-07
• 公開（公告）號: CN110969096A
• 公開（公告）日: 2020-04-07
• 發明（設計）人: 李志軍;盧應強;曾毅;張建學;陳果;袁雪;曹玲燕
• 申請（專利權）人: 國電南京自動化股份有限公司;江蘇國電南自海吉科技有限公司;安徽華電六安電廠有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G01R31/34;G06N3/00
• 代理公司: 南京知識律師事務所 32207
• 代理人: 張蘇沛

1.基于粒子群優化支持向量機的電機故障模式診斷方法，其特征在于，包括以下步驟：

(1)分別選取正常、轉子不對中、軸承碰摩三類電機狀態的振動信號，提取不同狀態下的N個范圍頻帶振動信號分別進行小波分析，其中，N為大于1的自然數。

(2)構造空間輸入向量：提取不同狀態下小波分解后的頻帶信號總能量作為特征數據，構造特征輸入向量作為訓練集和測試集。

(3)建立支持向量機模型：建立粒子群優化(PSO)最小二乘支持向量機(LS-SVM)。

(4)基于PSO的LS-SVM故障診斷模型，將特征信號的一部分作為訓練樣本，將剩余特征信號作為測試樣本進行驗證，對電機的相關故障進行診斷。

2.如權利要求1所述的基于粒子群優化支持向量機的電機故障模式診斷方法，其特征在于：所述步驟(1)中，分別對在正常、轉子不對中、軸承碰摩三類電機狀態下的振動信號進行3層小波包分解。提取的小波包分解信號頻率分別為S₀，S₁，S₂，S₃，S₄，S₅，S₆，S₇。假設原始信號中信號最低頻率為0，最高頻率為f，S₀～S₇分別代表0～0.125f，0.125f～0.25f，0.25f～0.375f，0.125f～0.25f，0.375f～0.5f，0.5f～0.625f，0.625f～0.75f，0.75f～0.875f，0.875f～f。

3.如權利要求1所述的基于粒子群優化支持向量機的電機故障模式診斷方法，其特征在于，所述步驟(2)中,重構小波包系數，求各頻帶信號的總能量，以頻帶信號總能量作為特征數據。

式中：x_jk表示重構信號離散點的幅值。

對特征向量進行歸一化處理：

歸一化后的特征向量為：

T＝[E₁，E₂，E₃，E₄，E₅，E₆，E₇]。