分类号：分类号：TP273单位代码：单位代码：10110学学号：号：s20070312中中 北北 大大 学学 硕硕 士士 学学 位位 论论 文文基于小波分析和支持向量机的电机故障诊断研究硕士研究生硕士研究生_李晓华李晓华_指导教师指导教师_姚舜才姚舜才_学科专业学科专业_电子信息技术及仪器电子信息技术及仪器_2010 年5月28日图书分类号图书分类号_TP273_密级密级_非密非密_UDC 注注 1_硕硕士士学学 位位论论文文基于小波分析和支持向量机的电机故障诊断研究基于小波分析和支持向量机的电机故障诊断研究李晓华李晓华指导教师（姓名、职称）指导教师（姓名、职称）_姚舜才副教授姚舜才副教授_申请学位级别申请学位级别_工学硕士工学硕士_专业名称专业名称_电子信息技术及仪器电子信息技术及仪器_论文提交日期论文提交日期_年年_月月_日日论文答辩日期论文答辩日期_年年_月月_日日学位授予日期学位授予日期_年年_月月_日日论文评阅人论文评阅人_答辩委员会主席答辩委员会主席_注注 1：注明：注明国际十进分类法国际十进分类法 UDC的分类的分类年年月月日日原原 创创 性性 声声 明明本人郑重声明：所呈交的学位论文，是本人在指导教师的指导下，独本人郑重声明：所呈交的学位论文，是本人在指导教师的指导下，独立进行研究所取得的成果。除文中已经注明引用的内容外，本论文不包含立进行研究所取得的成果。除文中已经注明引用的内容外，本论文不包含其他个人或集体已经发表或撰写过的科研成果。对本文的研究作出重要贡其他个人或集体已经发表或撰写过的科研成果。对本文的研究作出重要贡献的个人和集体，均已在文中以明确方式标明。本声明的法律责任由本人献的个人和集体，均已在文中以明确方式标明。本声明的法律责任由本人承担。承担。论文作者签名：论文作者签名：日期：日期：关于学位论文使用权的说明关于学位论文使用权的说明本人完全了解中北大学有关保管、使用学位论文的规定，其中包括：本人完全了解中北大学有关保管、使用学位论文的规定，其中包括：学校有权保管、并向有关部门送交学位论文的原件与复印件；学校有权保管、并向有关部门送交学位论文的原件与复印件；学校可学校可以采用影印、缩印或其它复制手段复制并保存学位论文；以采用影印、缩印或其它复制手段复制并保存学位论文；学校可允许学学校可允许学位论文被查阅或借阅；位论文被查阅或借阅；学校可以学术交流为目的，复制赠送和交换学位学校可以学术交流为目的，复制赠送和交换学位论文；论文；学校可以公布学位论文的全部或部分内容（保密学位论文在解密学校可以公布学位论文的全部或部分内容（保密学位论文在解密后遵守此规定）。后遵守此规定）。签签名：名：日期：日期：导师签名：导师签名：日期：日期：中北大学学位论文基于小波分析和支持向量机的电机故障诊断研究摘要文章以电机的故障诊断为研究对象，在总结国内外电机故障诊断研究现状的基础上，提出了一种基于小波分析和支持向量机的电机故障诊断方法，并通过实验进行了验证，结果表明采用小波和支持向量机结合的方法能够有效地对异步电机的故障进行检测和诊断。针对异步电机的工作原理，首先对电机的噪声、振动以及其他常见故障进行了故障机理分析，阐述了产生噪声和振动的原因及其故障特征，并通过异步电机实验系统来采集实验电机的噪声和振动信号。电机出现故障时，故障信号中往往含有大量的时变、短时突发性质的成分。由于小波包变换具有优良的时频局部特性和多分辨的处理能力，既可对信号进行整体分析，又可以反映信号局部的细节内容，能够及时准确的捕捉到非平稳局部突变信号的故障特征。故文中采用小波包分析法对所采集信号进行了消噪处理，并得到作为电机故障诊断输入特征向量的分解后的频段能量特征值。针对有限样本情况下故障诊断的特点，把支持向量机引入到电机故障诊断中，有效解决了人工神经网络算法容易出现的过学习和欠学习问题。将支持向量机的改进算法最小二乘支持向量机应用于电机故障诊断中，通过实验比较 RBF 神经网络和最小二乘支持向量机的分类性能，发现支持向量机的诊断结果明显优于 RBF 神经网络。综上所述，小波和支持向量机结合的电机故障诊断方法是一种具有实效性的方法。关键词：异步电机，故障诊断，小波包，支持向量机中北大学学位论文Motor Fault Diagnosis Based on The Wavelet and SVMABSTRACTThis paper is mainly concern about motor fault diagnosis, which is based on the research offault diagnosis domestic and abroad motor fault diagnosis, as well. It proposes a newdiagnostic method based on Wavelet and Support Vector Machine (SVM). The experimentresults have proved that the method of the combination of wavelet and SVM can effectivelyexamine and diagnose motor fault.In view of the principle of the asynchronous motor, the motors noise, vibration, and othercommon faults are analyzed at first. It has been elaborated that generate noise and vibrationcharacteristics of the causes and failures. The motors noise and vibration signal have beenacquainted through the induction motor experimental systemAs electrical failure, the fault signal often contains a lot of composition which is time-varying, and breaking at short time. The Wavelet packet has time-frequency andmulti-resolution feature. Therefore, not only the whole signal but the partial signal can beanalyzed. The fault feature of non-stationary transient signal can be caught correctly. Hence,this paper uses method of wavelet packet of the acquainting signal to reduce the noisingprocess. The feature energy of frequency-band has been got as the input feature vectors ofmotor fault diagnosis.Aiming at the characteristics of fault diagnosis with finite samples, the problem ofover-learning and less-learning, which is evoked by artificial neural network algorithm, hasbeen solved effectively by applying SVM to motor fault diagnosis system. The method ofLeast Squares Support Vector Machine (LSSVM), the betterment of SVM has been appliedto fault diagnosis of motor. By comparing the RBF neural network and LSSVM, the result ofexperiment indicates that the diagnose algorithm of SVM is better than that of neural中北大学学位论文network. In conclusion, the methods of the combination of wavelet and SVM have beenproved to be effective.Keywords：Asynchronous Motor，Fault diagnosis, Wavelet packet, SVM中北大学学位论文目 录1 绪论 . 11.1 电机故障诊断的目的和意义 . 11.2 电机故障诊断技术研究概况 . 21.3 论文主要工作和结构安排 . 52 电机故障机理分析 . 72.1 电机噪声故障机理分析 . 72.2 电机振动故障机理分析 . 82.3 其他常见故障机理分析 . 122.3.1 电机定子故障机理 . 122.3.2 电机转子绕组故障机理 . 143 小波分析理论及应用 . 163.1 小波分析理论 . 163.1.1 连续小波变换 . 173.1.2 离散小波变换 .