基于小波包分析和支持向量機(jī)的異步電機(jī)轉(zhuǎn)子斷條故障診斷

    王旭紅^1,2，何怡剛²

(1長(zhǎng)沙理工犬學(xué)，湖南長(zhǎng)沙410076；2湖南大學(xué)，湖南長(zhǎng)沙410082)

     摘要：提出了一種基于小波包分析(wPA)和支持向量機(jī)(sVM)的異步電機(jī)轉(zhuǎn)子斷條故障診斷方法。針列異步電機(jī)轉(zhuǎn)子斷條故障時(shí)定子電流出觀的邊頻分量(1±2s)f進(jìn)行小波包分析，提取動(dòng)態(tài)條件下各頻帶能量作為故障特征向量，削弱了負(fù)載變化及噪聲對(duì)診斷準(zhǔn)確性的影響?采用多個(gè)最小二乘支持向量機(jī)組成故障分類(lèi)器，兼顧了訓(xùn)練誤差和計(jì)算效率，將敝障特征向量輸入支持向量機(jī)進(jìn)行訓(xùn)練，從而實(shí)現(xiàn)在小樣本情況下轉(zhuǎn)子斷條故障的在線識(shí)別。試驗(yàn)結(jié)果表明：基于小波包分析提取的故障特征明顯，由wPA和sVM構(gòu)成的診斷系統(tǒng)．具有良好的分類(lèi)能力和泛化能力，有效提高了異步電機(jī)轉(zhuǎn)子斷條故障在線診斷的準(zhǔn)確率。

    關(guān)鍵詞：異步電機(jī)；轉(zhuǎn)子斷條；故障診斷；小波包分析；支持向黿機(jī)

    中圖分類(lèi)號(hào)：TM343    文獻(xiàn)標(biāo)識(shí)碼：A  文章編號(hào)：1004—7018(2010)05—0034—03

0引  言

    轉(zhuǎn)子斷條故障占高壓異步電機(jī)故障種類(lèi)的10％左右^[1]，尤其是大容量的高壓電機(jī)，如循環(huán)水泵電機(jī)、輸煤電機(jī)等，長(zhǎng)期處于高電壓、大電流、高轉(zhuǎn)速的工作狀態(tài)下，且多數(shù)運(yùn)行于惡劣環(huán)境中，轉(zhuǎn)子斷條故障的發(fā)生率更高，危害更大。近年來(lái)，隨著各種新分析方法的出現(xiàn)以及微電子技術(shù)的發(fā)展，該領(lǐng)域內(nèi)的診斷技術(shù)取得了很大進(jìn)展^[2]，專(zhuān)家提出了諸多轉(zhuǎn)子斷條故障監(jiān)測(cè)方法，如：軸漏磁通頻譜分析、定子電流頻譜分析、瞬時(shí)功率監(jiān)測(cè)、電動(dòng)機(jī)轉(zhuǎn)矩及轉(zhuǎn)速信號(hào)的頻譜分析等。由于定子電流信號(hào)采集較簡(jiǎn)單，容易制成非侵入式診斷系統(tǒng)，因此采用定子電流分析法應(yīng)用較為廣泛^[3]。

當(dāng)電機(jī)發(fā)生斷條故障時(shí)，定子電流將出現(xiàn)(1±2s)f(s為轉(zhuǎn)差率，f為供電頻率)的特征頻率分量，基于傅里葉變換的定子電流檢測(cè)法通過(guò)對(duì)穩(wěn)態(tài)定子電流信號(hào)直接作頻譜分析，根據(jù)頻譜圖中是否存(1±2s)f頻率分量來(lái)判斷轉(zhuǎn)子有無(wú)斷條故障。但早期輕微斷條或負(fù)載變化時(shí)，斷條故障信號(hào)往往是間斷和不明顯的，(1±2s)f頻率分量的幅值相對(duì)于f頻率分量的幅值很小，且異步電機(jī)轉(zhuǎn)差率s很小，(1±2s)f與f頻率值非常接近(相差約為l～5 Hz)，因此，(1±2s)f頻率分量易被基頻分量的泄漏及環(huán)境噪聲淹沒(méi)，加上故障特征分散、模糊以及交叉重疊，增加了信號(hào)處理和特征提取的難度，使診斷的準(zhǔn)確性降低[4]。

    本文根據(jù)小波變換在動(dòng)態(tài)信號(hào)分析上的優(yōu)勢(shì)，將小波包分析(wPA)技術(shù)應(yīng)用到定子電流信號(hào)的分析中，提取電機(jī)轉(zhuǎn)子斷條的故障特征；由于支持向量機(jī)(sVM)在小樣本情況下具有很好的分類(lèi)能力和泛化能力，因此，將由wPA得到的故障特征送人sVM，對(duì)sVM進(jìn)行訓(xùn)練和測(cè)試，獲得具有良好分類(lèi)特性的轉(zhuǎn)子斷條故障信息，從而在線準(zhǔn)確診斷出電機(jī)轉(zhuǎn)子斷條故障。

1基于wPA的斷條故障特征提取

    小波分析具有信號(hào)時(shí)頻局部化的良好特性，能同時(shí)提供非平穩(wěn)信號(hào)時(shí)域和頻域中的局部化信息，已成為故障或異常狀態(tài)特征信號(hào)提取的有力工具。小波包分析(wPA)方法是小波變換的一種改進(jìn)，它在全頻帶進(jìn)行多層次的頻帶劃分，對(duì)多分辨分析沒(méi)有細(xì)分的高頻部分進(jìn)一步分解，并能夠根據(jù)分析信號(hào)的特征，自適應(yīng)地選擇相應(yīng)的頻帶，使之與信號(hào)頻譜相匹配，實(shí)現(xiàn)了對(duì)信號(hào)時(shí)頻域任意精確度劃分，從而提高時(shí)頻分辨率^[5]。

    小波變換中，原始信號(hào)f(x)在l2(R)上的信號(hào)二范數(shù)定義為：

    因此，小波變換中信號(hào)二范數(shù)的平方等價(jià)于原始信號(hào)在時(shí)域的能量。f(x)小波變換為：

式中：Ckj為小波變換系數(shù)；Ψ(x)為基小波Ψ(x)的對(duì)偶小波。

    根據(jù)式(1)、式(2)以及Parseval能量積分等式，有：

    由式(3)可知，小波變換系數(shù)Ckj具有能量的量綱。由于分解到每個(gè)頻帶的信號(hào)都具有一定的能量，因此，可以用各個(gè)頻帶里信號(hào)能量作為特征向量來(lái)表征電機(jī)的運(yùn)行狀態(tài)。

    設(shè)小波包分解后第k層第j個(gè)頻帶的重構(gòu)信號(hào)skj對(duì)應(yīng)的信號(hào)能量為Ekj,則有：