矿用电动机转子瞬时功率分析与故障论断方法的研究

摘要

在煤矿产业中，电动机作为驱动装置被广泛应用于破碎机、筛分机、刮板机、掘进机等大型设备中，因此，对矿用破碎机电动机的运行状态和故障类型进行及时检修是非常重要的，不仅关乎整个煤矿开采系统的正常安全运行，更加关乎煤炭工作人员的人身安全。
　　本文以矿用破碎机电动机故障中最为常见的电动机转子断条和偏心故障为例。当矿用电动机转子产生故障时，在其定子两端的线电流中会产生相对应的故障特征频率，将特征频率变化反映到转子电流特征量变化中，但由于转子电流中产生的故障特征频率会因矿用电动机的转差率较小，其故障特征值被基波频率淹没。因此，求取矿用电动机其转子两端的线电流对应的线电压，进而求取矿用电动机转子的瞬时功率，对矿用电动机转子瞬时功率的率频谱图进行小波包分解、重构，从而对不同频段的频率特征量能量值进行提取，作为识别破碎机电动机转子故障的特征量。
　　本文在所提取的不同频段矿用破碎机电动机转子故障特征量中，有些故障特征量可能存在冗余、重复、不确定情况，这些特征量不仅影响诊断速度，更会降低故障诊断的准确性。所以，在对数据样本进行故障诊断分类之前应先利用粗糙集理论(RS)对特征量样本进行预处理，从而减少冗余数据，获得最终数据样本。
　　由于矿用破碎机电动机恶劣的工作环境，使数据不能大量提取，又为了提高故障诊断率而引入的粗糙集算法对特征量样本进行预处理后，会使样本数据减少，因此，本文应用对小样本、非线性数据进行较好地诊断分类的支持向量机(SVM)算法，实现对矿用电动机转子故障的诊断与分类，使误判率降低。仿真实验结果表明，经粗糙集处理后的故障特征量的诊断结果更加准确。

目录

声明

1绪论

1.1课题研究背景及意义

1.2 电动机故障诊断的研究现状及发展趋势

1.3 本文研究的主要内容

1.4 本课题的来源及内容安排

2 瞬时功率诊断分析法

2.1 电动机转子故障诊断方法

2.2 电动机转子断条故障频率特征量分析

2.3 电动机转子偏心故障频率特征量分析

2.4 本章小结

3 基于小波包矿用电动机信号分析与特征提取

3.1 小波分析理论

3.2 分辨率概念

3.3 Mallat重新构建算法

3.4 小波包基本理论

3.5 矿用电动机转子瞬时功率故障的实例分析

3.6 小结

4 粗糙集的基本理论及应用

4.1 粗糙集基本概念

4.2上近似集、下近似集与依赖度

4.3 属性的约简与核

4.4 矿用电动机故障数据预处理实例分析

4.5 小结

5 支持向量机的分类在矿用电动机中的应用

5.1 统计学习基本理论

5.2 支持向量机基本理论

5.3 核函数

5.4 模型参数的选择

5.5 矿用电动机故障诊断分类的实例分析

5.6 小结

6 结论与展望

6.1总结

6.2 展望

致谢

参考文献

附录