資源描述：
《基于數(shù)據(jù)融合的電機(jī)故障診斷技術(shù)研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。
1、中北大學(xué)學(xué)位論文基于數(shù)據(jù)融合的電機(jī)故障診斷技術(shù)研究摘要本文以電機(jī)故障診斷為研究對(duì)象，在廣泛收集國(guó)內(nèi)外對(duì)于感應(yīng)電動(dòng)機(jī)故障診斷技術(shù)發(fā)展與現(xiàn)狀的基礎(chǔ)上，論述了感應(yīng)電動(dòng)機(jī)故障診斷技術(shù)的特點(diǎn)和研究成果，給出了一種基于BP神經(jīng)網(wǎng)絡(luò)和曠S證據(jù)理論相結(jié)合的數(shù)據(jù)融合的電機(jī)故障診斷方法，并通過(guò)實(shí)驗(yàn)進(jìn)行了驗(yàn)證。在具體的研究過(guò)程中，首先從電機(jī)的噪聲和振動(dòng)兩個(gè)方面對(duì)電機(jī)故障進(jìn)行機(jī)理分析，闡述了引起電機(jī)產(chǎn)生噪聲和振動(dòng)的原因，并分析了其故障特征。另外針對(duì)電機(jī)的其他常見(jiàn)故障進(jìn)行故障機(jī)理分析，其中主要包括定子匝間短路、轉(zhuǎn)子斷條、軸承故障和偏心故障，得出特征頻率處電機(jī)故障和正常狀態(tài)下其特征幅值的變化，
2、并根據(jù)此進(jìn)行電機(jī)故障診斷。其次，詳細(xì)介紹了D_S證據(jù)理論的基本概念和證據(jù)的融合推理方法，從提高故障診斷精度出發(fā)，提出了基于多測(cè)點(diǎn)的D．S證據(jù)理論推理的數(shù)據(jù)融合方法，并結(jié)合算例分析了D．S證據(jù)理論對(duì)證據(jù)累計(jì)的作用，能夠有效的提高診斷結(jié)論的可信度，減小診斷的不確定性。從而證明了瞞證據(jù)理論的確是一種有效的數(shù)據(jù)融合故障診斷手段。最后在實(shí)際應(yīng)用中發(fā)現(xiàn)D_S證據(jù)理論的_些問(wèn)題，并簡(jiǎn)單總結(jié)了D-S證據(jù)理論的優(yōu)缺點(diǎn)。最后，詳細(xì)介紹了感應(yīng)電動(dòng)機(jī)實(shí)驗(yàn)檢測(cè)系統(tǒng)，且通過(guò)該實(shí)驗(yàn)檢測(cè)系統(tǒng)測(cè)量實(shí)驗(yàn)電機(jī)的噪聲和振動(dòng)信號(hào)，并對(duì)所得數(shù)據(jù)進(jìn)行了相關(guān)處理和特征提取，接著利用BP神經(jīng)網(wǎng)絡(luò)對(duì)所測(cè)量數(shù)據(jù)進(jìn)行局部
3、診斷。針對(duì)基于多傳感器數(shù)據(jù)融合電機(jī)故障診斷的特點(diǎn)，提出了將BP神經(jīng)網(wǎng)絡(luò)和D_S證據(jù)理論相結(jié)合進(jìn)行電機(jī)故障綜合診斷的思路，并且給出了綜合診斷模型。最后利用D_S證據(jù)理論對(duì)局部診斷結(jié)果(網(wǎng)絡(luò)輸出)進(jìn)行融合，得到了較為滿意的結(jié)果，從而證明了BP神經(jīng)網(wǎng)絡(luò)和D_S證據(jù)理論相結(jié)合的電機(jī)故障綜合診斷方法的實(shí)效性。關(guān)鍵詞：感應(yīng)電動(dòng)機(jī)，故障診斷，BP神經(jīng)網(wǎng)絡(luò)，O-S證據(jù)理論，數(shù)據(jù)融合中北大學(xué)學(xué)位論文MotorFaultDiagnosisBasedonDataFusionABSTRACT啦spaperismainlyaboutmotorfaultdiagnosticmethodandd
4、iscussesthecharactefistiesofinductionmotorfaultdiagnosisanditsachievements，whichisbasedonalargecollectionoftheabroadanddomesticscientificandtechnicaldocuments．ThenitgivesanewdiagnosticmethodbasedonBPneuralnetandD·Sinference，andthroughexperimentsitisverified．Intheprocessofresearch，dataf
5、usiontechnologyarefirstlyintroduced，whichincludesprinciple，model，structureandalgorithmofdatafusion．Thenagainstelectricalfaultandmechanicalfaultofmotorfault,thefaultmechanismofinductionmotoraleanalyzedbystatorcurrentdetectionmethod,internalrelationsbetweenmotorfaultsandtypicalfrequencie
6、sispresented．Secondly,WediscussthecharacteristicofBPneuralnetwork，anditshowsthatneuralnetworkcanbeusedformotorfaultdiagnosis．WestudymotorfaultdiagnosismeansbasedBPneuralnetwork,andputfprwardimprovementalgorithmintegratingalter-learnrateandappendingmomentum,whichquickentheconvergencespe
7、ed．Totheuncertaintyoffaultdiagnosis，thedecision-makingfusionbasedonD—Sevidencetheoryisputforward．nebasicconceptionofevidencetheoryisintroduced，andcombinedwiththeexampleitisanalyzed．Finally,electricalfaultdiagnosissystemisbroughtforward,experimentaldetectionsystemofinductionmotorisin缸
