资源描述：
《面向状态监测的改进主元分析方法》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。
1、第7期面向状态监测的改进主元分析方法·55·更多电子资料请登录赛微电子网www.srvee.com面向状态监测的改进主元分析方法*韦洁1,2张和生1,2贾利民1(1.轨道交通控制与安全国家重点实验室,北京100044;2.北京交通大学电气工程学院,北京100044)摘要:为满足牵引电动机状态监测中多维海量数据处理的需求,给出了一种基于改进主元分析的状态监测方法。该方法以均值化代替标准化对传统主元分析进行改进,在保留原有数据信息特征的基础上降低指标维数,消除变量关联,建立主元模型,利用SPE统计量和T2统计量判断电机运行是否发生异常。实验结果表明:基于
2、改进主元分析的状态监测方法能够建立准确的状态监测统计模型并快速检测出电机异常情况,该方法在电机状态监测中是有效可行的。关键词:状态监测；主元分析；牵引电动机；数据预处理中图分类号:TP393.11 文献标识码:A 国家标准学科分类代码:510.5010StatemonitoringapproachbasedonimprovedprincipalcomponentanalysisWeiJie1,2ZhangHesheng1,2JiaLimin1(1.StateKeyLaboratoryofRailTrafficControlandSafety,
3、Beijing100044,China;2.SchoolofElectricalEngineering,BeijingJiaotongUniversity,Beijing100044,China)Abstract:Inordertomeetthedemandsofmultidimensionalandmassdataintractionmotorstatemonitoring,anewkindofPrincipalComponentAnalysis(PCA)approachisproposed.Thismethod,whosedatapreproce
4、ssingisimproved,isaneffectivewaywhichcannotonlyreducethedimensionofmotorindexandeliminatecorrelationbetweenprocessvariables,butalsoreserveenoughinformationoforiginaldatacharacteristicsneededformodeling.BasedonPCAmodel,astatemonitoringexperimentiscarriedoutonatractionmotorwithSP
5、EandT2statistics.Theexperimentresultsvalidatethattheapproachcanbuildanaccuratemonitoringmodelanddetectabnormalstateofmotoreffectively.Keywords:statemonitoring;PCA;tractionmotor;datapreprocessing第7期面向状态监测的改进主元分析方法·55·1引言牵引电动机是列车牵引设备重要部件之一[1]。对其进行状态监测,确保安全运行十分必要。目前对电机状态监测主要通过对电机定
6、子电流[2-3]或振动信号[4]进行频谱分析。全面掌握牵引电动机运行状态,应采用多测点、多传感器采集方式获取电机运行状态参数。然而随着电机受控指标维数的增加,监控系统的复杂性急剧增加,给分析和处理电机的状态数据带来了困难。为解决这些存在的问题,本文采用主元分析PCA(principalcomponentanalysis)作为处理牵引电动机多指标数据的方法。主元分析是指标聚合及特征提取的一个基本方法,在火电厂过程监测[5]、模拟电路故障监测[6]等有广泛应用。针对传统主元分析采用标准化作为数据预处理导致部分信息丢失这一问题,本文用均值化代替标准化预处理
7、原始数据,并将改进后的主元分析应用于牵引电动机状态监测中,第7期面向状态监测的改进主元分析方法·55·利用正常运行状态下的历史数据建立主元模型,通过检验新的数据样本相对于主元模型的背离程度,从而发现异常和故障。通过对一台牵引电动机的实验验证了改进主元分析状态监测方法的有效性。2主元分析原理主元分析PCA是一种将多个相关指标变量转化为少数几个相互独立变量(主元),且新的独立变量能够反映原变量提供的绝大部分信息的多元统计方法。设m维指标的随机变量,其正交变换为T=PTX(1)式中:P是正交矩阵。要求T的各分量是不相关的,并且T的第一个分量的方差是最大的,
8、第二个分量的方差次之,依次类推。PCA通过保留前几个方差大的分量(主元),忽略后几个方差小的分量来降低数据集
