基于hmm在电机故障诊断上研究

《基于hmm在电机故障诊断上研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、第11卷第4期铁道科学与工程学报Volume11Number42014年8月JournalofRailwayScienceandEngineeringAugust2014基于HMM在电机故障诊断上的研究于天剑，陈雅婷，陈特放，陈春阳(1．中南大学交通运输学院，湖南长沙410075；2．中南大学信息科学与工程学院，湖南长沙410075)摘要：提出一种基于隐马尔可夫模型的方法用于故障的诊断与检测，该方法采用HMM与模式识别相结合的方法，通过对电机的电压电流信号进行特征提取和分析，构建电压电流空间模型，并且每

2、个模型可以作为一级，每一级可以提高其判断的准确度，而HMM模型用做一个故障分类器来使用，相比于自适应模糊推理方法(MLFF)和多层前馈网络法(ANFIS)，其准度有了很大提高，并且减少了计算。通过对不同故障诊断实例阐述了基于HMM的故障诊断方法的有效性和可行性。关键词：故障诊断；隐马尔可夫模型；感应电机；模式识别中图分类号：U265文献标志码：A文章编号：1672—7029(2014)04—0103—06ResearchonmotorfaultdiagnosisbasedonHMMYUTianjian，

3、CHENYating，CHENTefang，CHENChunyang(1．SchoolofTrafficandTransportationEngineering，CentralSouthUniversity，Changsha410075，China2．SchoolofInformationScienceandEngineering，CentralSouthUniversity，Changsha410075，China)Abstract：AmethodofhiddenMarkovbasedonMarkov

4、modelswasproposedinthispaperfordiagnosisandfaultdetection．Thereinto．themethodcombiningHMMtechniqueandpatternrecognitionfeaturecanbeutilizedtoextractandanalyzethevoltageandcurrentsignalsofthemotor，therebyconstructingthevoltageandthecurrentspacemode1．Moreo

5、ver，eachmodelcanberegardedasalevelwhichcouldimprovethejudgingaccuracy，whileHMMmodelwasusedasafaultclassifier，andincomparisonwiththeadaptivefuzzyreasoningmethod(MLFF)andmuhilayerfeed—forwardnetwork(ANFIS)，itsaccuracywasimprovedgreatlywithlesscalculationnu

6、mber．Finally，theeffectivenessofthemethodoffaultdiagnosisbasedonHMMandthefeasibilitywereverifiedthroughthedifferentfaultdiagnosisexamples．Keywords：faultdiagnosis；HMMmodel；inductionmotor；patternrecognition电机在工业生产中一直扮演着很重要的角色，状态分析等方面，而且着意于从概率角度刻画动态电机的故障或者损坏

7、会带来很严重的危害和重大系统的内在状态与外在表现，既能反应对象的随机的经济损失，准确发现并探测出运行电机的故障有性，又能反应对象的潜在结构，适用于复杂动态系着很重要的意义，三相电机运行过程中，时常会发统的建模问题。本文提出一种新的基于隐马尔生一些故障包括绕组匝间短路J、转子断条和可夫模型与模式识别相结合的方法，对电机进行故轴承故障J，在电力科学研究院与电子工商协会障诊断，可以快速、准确地探测电机的异常行为，有的统计当中，其中轴承故障约占42％，绕组匝问短利于电机故障的早期发现及诊断。路约占31％，转子断

8、条占9％，其他故障约为18％。结合国内外的诊断研究，HMM是一种非平1HMM的拓扑结构稳时间序列的统计建模方法j，广泛应用于众多领域当中，比如语音识别、电气设备状态监测、网络基于HMM的故障诊断和检测有2个阶段：信收稿日期：2014—03—05基金项目：国家自然科学基金资助项目(61273158)通讯作者：于天剑(1988一)，男，湖南长沙人，博士，从事电力牵引与故障诊断研究；E—mail：250486154@qq．eom104铁道科学与工