[发明专利]一种基于模糊推理的电机气隙偏心故障诊断方法

摘要

本发明提出一种基于模糊推理的电机气隙偏心故障诊断方法，该方法利用气隙偏心和机械故障间的模糊关系，依据模糊算法，推理导致电机气隙偏心故障的机械故障原因，提供气隙偏心故障的维修指导。

主权项

一种基于模糊推理的交流感应电机气隙偏心故障诊断方法，主要包含以下步骤：第一步：将与导致电机气隙偏心的机械故障有关的信号参数作为电机故障征兆集S＝{s1,s2,…,sn}，其中s1，s2…sn为故障征兆；其中设定n＝3,选择电机偏心的频率特征fecc、静态偏心的频率特征feccs以及动态偏心的频率特征feccd作为故障征兆s1，s2，s3，取故障征兆集为S＝{s1,s2,s3}，并对s1，s2，s3分别进行模糊处理，设置正大(PB)、正中(PM)、正小(PS)三种模糊状态，将s1的三种模糊状态表示为s1',s2',s3'，将s2的三种模糊状态表示为s4',s5',s6'，将s3的三种模糊状态表示为s7',s8',s9'；第二步：确定产生所述故障征兆的故障模式，所有故障模式的集合称为故障模式集M，其中M＝{M1,M2,…,Mm}；其中将电机的软脚，轴承松动，转轴弯曲挠度和轴承磨损设为故障模式；第三步：根据模糊关系，建立所述故障征兆集S与所述故障模式集的模糊关系矩阵W；第四步：利用所述模糊关系矩阵W，计算电机当前状态所对应的故障特征集Sk对各种故障模式Mp(p＝1,2,…,m)的隶属度，并将隶属度进行从大到小的排序，隶属度最大值所对应的故障模式即为当前产生气隙偏心的故障原因；其中在第四步中，确定电机当前状态所对应的特征集其中，对于故障模式Mp(p＝1,2,…,m)，电机当前状态的故障特征所具有的权值分别为Wpl,l＝1,2,3，当时，Wpl取Wpi′的值，其中Wpi′为模糊关系矩阵W中si'对应的权值(i′＝1,2...,9)；隶属度计算采用加权平均算法，任一特征集Sk对给定故障模式Mp的隶属度为：。