异步电机转子断条故障诊断研究

• 作者: 王志阳 荆双喜 赵行宇 郭松涛
• 来源期刊: 河南理工大学学报（自然科学版）
• 学科: 工学
• 关键词: 经验模态分解 能量熵 支持向量机 转子断条 故障诊断
• 年，卷（期）: 2016,（2）
• 所属期刊栏目: 机电工程
• 页码范围: 224-229
• 页数: 6页
• 分类号: TP391.9
• 字数: 3752字
• 语种: 中文
• DOI: 10.16186/j.cnki.2016.02.015

摘要

针对异步电机转子断条故障诊断中,原始信号包含的故障特征成分能量微弱,其提取过程较为繁琐,给断条故障的及时诊断带来不便,提出一种基于经验模态分解(Empirical Decomposition Mode,EMD)能量熵,主成分分析(Principal Component Analysis,PCA)和支持向量机(Support Vector Machine,SVM)相结合的新诊断方法,无须提取信号中的故障特征频率就能对电机断条故障做出准确的判断.该方法选取振动信号经过PCA处理后的EMD能量熵作为新的故障识别分类的特征量,然后支持向量机模型便可以根据断条故障前后振动信号EMD能量熵内在变化规律对转子正常和断条故障时的两种振动信号进行准确分类.通过实验分析表明,该方法操作便捷且简单,能够将转子正常和发生断条故障时的两种振动信号数据全部准确的识别分离,达到对转子断条故障进行有效识别诊断的目的,验证了方法的实用和有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	荆双喜	河南理工大学机械与动力工程学院	60	402	12.0	17.0
2	郭松涛	河南理工大学机械与动力工程学院	3	18	3.0	3.0
3	赵行宇	河南理工大学电气工程与自动化学院	2	10	2.0	2.0
4	王志阳	河南理工大学机械与动力工程学院	20	32	3.0	4.0