（启光发电有限公司）
摘要：基于Matlab simulink的网络仿真根据三相异步电动机的接地短路的外部故障，提出了一种基于支持向量机的故障诊断方法,利用FFT分析, 将振动信号的频谱分析作为支持向量机的训练样本。对所采集异步电动机的定子转矩电流进行数据预处理与特征提取、归一化后，把这些特征参数作为支持向量机的输入，经过学习训练，以判断系统状态，识别系统的故障。仿真和测试结果表明了该方法的有效性和正确性。
关键词：支持向量机，三相异步电动机，故障诊断，matlab
0引言
异步电动机因结构简单,性能可靠,维护方便,在工业生产中应用非常广泛,在生产生活中起着重要的作用,但常常因为设计制造、绝缘老化、运行条件、环境恶劣以及维护工作的不到位,电机故障时有发生,导致经济的重大损失,甚至危及人身安全。故障智能诊断面临的主要难题是典型故障数据样本的严重不足，从而导致诊断系统中用于训练的样本数较少。目前比较常用的模糊诊断、专家系统和人工神经网络等智能诊断方法，往往需要大量的故障数据样本或先验知识[1]。此外，由于设备自身结构的复杂性，机、光、电、液、气问的非线性耦合等，使得设备故障引起的外部特征可能被减弱、消失、甚至重叠，因而现有的智能诊断方法不能有效地解决复杂系统的故障诊断问题。本文提出一种利用支持向量机技术，完成对异步电机的故障信号分析、故障特征提取和故障识别诊断等工作。
1 异步电动机常见故障类型
常见的两种故障：定子部分故障和转子部分故障。
转子故障是因为电机频繁启动和过载运行使转子导条和端环易产生疲劳，使之逐渐产生断裂或开焊，引起故障。定子部分的故障主要是定子绕组故障。主要是由绝缘破坏而引起的不同形式的故障。如内部放电、匝间短路、相间短路和单相对地短路等。具体故障表现为过载、堵转、断相、电压不平衡、接地、过压、欠压等几种类型。短路故障包括供电线路的短路与电动机内部各绕组间对称的断路。电动机的短路会发生热破坏，在严重情况下将同时发生力破坏，二者形成恶性循环，造成严重的安全事故[2-3]。
2 支持向量机（SVM）概述
2.1支持向量机的特点
支持向量机使用大间隔因子来控制学习机器的训练过程，使其只选择具有最大分类间隔的分类超平面。在不可分情况下，又引入松弛因子来控制经验风险，从而使其在满足分类条件的情况下，又具有高的推广能力。寻找最优超平面(Optimal Hyperplane)的过程最终转化为二次型优化问题，从理论上讲，得到的是全局最优解。与传统的学习机器不同的是，支持向量机是将原始的模式矢量映射到非常高维的特征空间，仍然使用大间隔因子在高维特征空间中寻找最大间隔超平面。得到的高维特征空间中的超平面对应着原始模式空间中的非线性分类面。而实际上，其优化过程并没有真正在高维空间中进行只是通过一些具有特殊性质的核函数，将高维空间中的内积运算转化为原始空间中核函数的运算，从而妙地避免了在高维空间中处理问题的困难。支持向量机与神经网络有着根本性的不同。简单地说，支持向量机的隐层是随着所要解决的问题和规模而动调节的，从而使学习机器的复杂度总是与实际问题相一致，因而可以自适应地解决各种不同的问题[4]
2.2支持向量机故障诊断方法
根据支持向量机的基本原理和算法，结合机械故障诊断的特点，基于SVM的故障诊断方法可以分为三个阶段：
(1)数据处理阶段
为了提高故障诊断的准确率，需要首先对采集到的正常状态和各种故障下的数据即特征样本进行预处理并归一化，此阶段又叫做特征提取阶段。
(2)训练阶段
用支持向量机对处理好的数据样本进行训练，确定各参数的值，找到训练样本中的支持向量，并据此确定最优分类超平面。
(3)诊断阶段
将待分类的故障数据输入到以上训练好的SVM诊断模型中进行诊断，确定其故障类型。
3 异步电动机在MATLAB中的建模仿真及故障设置
3.1 异步电动机在MATLAB中的建模
本文将对三相异步电动机进行建模与仿真。三相异步电动机基本参数如下：工作电压为380V；工作频率为50Hz；功率为15kW；额定转速为1460r/min。搭建完的串电阻起动Simulink模型如图3.1所示
并 且得到训练和测试结果如下图所示。
由以上测试结果可知：故障测试结果为100%.因此，可以判定经过训练后，系统完全可以满足异步电机故障诊断的要求。
5结论
本文简单介绍了基于支持向量机的三相异步电动机故障诊断方法的研究和实验过程包括搭建实验模型对三相异步电动机的几种故障类型仿真，以及支持向量机方法在实验过程中对于故障的数据采集、特征提取、样本训练。通过实验证明了基于支持向量机的方法在三相异步电动机的故障诊断中有很好的效果，可以达到要求。
参考文献
[1]ZHANG SHENG, ASAKURA T, XV xiao-li, et a1. Fault Diagnosis System for Rotary Machines based on Fuzzy Neural Networks. Proceedings of AIM 2003. Beijing, 2003: 199-204.
[2]张萍,周东华.动态系统的故障诊断方法.控制理论与应用,2000,17(2) 153-158
[3]陆春月,王俊元.机械故障诊断的现状与发展趋势.机械管理开发,2004(6):85-86
[4]杨润贤,王斌;基于ADAM的三相异步电机电气故障试验系统研究与开发[J];计算机测量与控制;2013年12期
[5]吕辉,刘诤.基于MATLAB的异步电动机故障仿真分析.吉林化工学院学报.2010,27(1):73-76
论文作者:武艺玄
论文发表刊物:《电力设备》2017年第27期
论文发表时间:2018/1/26
标签：向量论文; 故障论文; 故障诊断论文; 样本论文; 特征论文; 方法论文; 定子论文; 《电力设备》2017年第27期论文;