異步電機(jī)故障診斷研究

精品文檔-下載后可編輯異步電機(jī)故障診斷研究1人工免疫算法

人工免疫算法的理論原型就是生物上的免疫機(jī)理，但從思考的切入角度不同可分為三大類：基于免疫網(wǎng)絡(luò)模型的、基于克隆選擇機(jī)制的、基于陰性選擇機(jī)制的。一般的代表性算法有一般免疫法、deCastro提出的克隆選擇算法、Forrest提出的陰性選擇算法、deCastro提出的人工免疫網(wǎng)絡(luò)算法（AiNet）。人工免疫算法在實(shí)際應(yīng)用時(shí)的一般過程為：（1）確定應(yīng)用領(lǐng)域。（2）確定免疫實(shí)體。（3）獲得問題解（抗體）。

2陰性選擇算法原理

陰性選擇在免疫學(xué)中的機(jī)理為T淋巴細(xì)胞的陰性選擇過程。如果一個(gè)未成熟T細(xì)胞由于結(jié)合自我抗原而激活，則會(huì)被清除，而那些存活的T細(xì)胞則將在機(jī)體中行使的相應(yīng)免疫功能。而這個(gè)過程在應(yīng)用到異步電機(jī)診斷上時(shí)，T細(xì)胞就對(duì)應(yīng)了算法中的檢測器。Forrest的算法中將“自己”與“非已”定義到兩個(gè)集合中，通過集合的邏輯關(guān)系來反應(yīng)被測樣本與正常樣本和異常樣本的匹配關(guān)系。如果要定量地分析匹配關(guān)系，則可借助歐式空間距離公式來進(jìn)行計(jì)算。如果設(shè)定一個(gè)距離閾值λ，將點(diǎn)d值與λ值的差值E定義為匹配誤差，當(dāng)E0時(shí)，檢測器[t1,t2,…,tn]不與自我樣本[x1,x2,…,xn]匹配；當(dāng)E≤0時(shí)，則相反。陰性選擇就是將不與自我樣本匹配的檢測器保留，將匹配的檢測器剔除，用保留的檢測器去檢測被測樣本。若檢測器與被測樣本匹配，則說明被測樣本存在異常變化。陰性選擇算法最關(guān)鍵的便是產(chǎn)生有效的檢測器，而這取決于其他一些因素，例如：自體集的數(shù)量大小，檢測時(shí)的匹配規(guī)則（可用海明距離、連續(xù)r位匹配規(guī)則等），以及檢測器的產(chǎn)生方法。另一個(gè)需要關(guān)注的點(diǎn)便是距離閾值λ取值的適當(dāng)性。電機(jī)在運(yùn)行時(shí)，或多或少會(huì)受到諧波的影響，而諧波影響也將影響陰性選擇算法中自體集的范圍，進(jìn)而影響檢測器的生成。

3陰性選擇算法的實(shí)現(xiàn)

Forrest陰性選擇算法的過程如下：（1）定義長度為L有限個(gè)字母串類集S（自體集）。（2）定義匹配規(guī)則、距離閾值等參數(shù)。（3）由陰性選擇過程產(chǎn)生檢測器集R。（4）不斷地用R中的檢測器監(jiān)測S，找出非自體元素。

4陰性選擇算法的優(yōu)化方法

傳統(tǒng)的陰性選擇算法采用的是窮舉法來產(chǎn)生檢測器，這種產(chǎn)生方法在使用時(shí)，占用內(nèi)存空間大，而且還不能保證檢測器的優(yōu)異性。同時(shí)檢測器的數(shù)量還直接關(guān)系到檢測器監(jiān)測自體集的實(shí)時(shí)性。因此在使用時(shí)還往往會(huì)對(duì)傳統(tǒng)的陰性選擇算法進(jìn)行優(yōu)化。其中，應(yīng)用最廣泛的便是克隆優(yōu)化法。優(yōu)化的作用相當(dāng)于對(duì)檢測器的一次篩選，保留優(yōu)異的診斷器，減少漏判和誤判。克隆優(yōu)化主要涵蓋在2個(gè)階段，檢測器優(yōu)化階段和故障診斷階段。采用克隆優(yōu)化方法，只保留下那些具有最佳故障診斷率的檢測器。檢測器的故障診斷率是通過計(jì)算他的優(yōu)化匹配度。例如，在N個(gè)故障診斷情況下，對(duì)于其中某一個(gè)故障i(1,2,…,n)，Li和Mi分別代表檢測器與自體集和非自體集的特征信號(hào)匹配次數(shù)。

5傳統(tǒng)模型與優(yōu)化模型的實(shí)驗(yàn)結(jié)果分析

為了分析陰性選擇算法的傳統(tǒng)模型和克隆優(yōu)化模型的診斷效果，本文針對(duì)異步電機(jī)的轉(zhuǎn)子斷條故障，分別用兩種方法對(duì)其診斷，根據(jù)實(shí)驗(yàn)結(jié)果，分析在對(duì)傳統(tǒng)方法進(jìn)行克隆優(yōu)化后，診斷過程的區(qū)別和診斷結(jié)果優(yōu)異性。實(shí)驗(yàn)過程中，采取異步電機(jī)滿載下三相定子電流作為特征信號(hào)進(jìn)行測量和采集。為了計(jì)算方便，采用歸一化對(duì)數(shù)據(jù)進(jìn)行預(yù)處理，然后按照兩種模型的算法步驟，進(jìn)行多次故障診斷。診斷結(jié)果如表5-1所示。通過對(duì)比可以發(fā)現(xiàn)，在對(duì)傳統(tǒng)的陰性選擇算法進(jìn)行克隆優(yōu)化后，確實(shí)診斷準(zhǔn)確率有了明顯的提高，在實(shí)際應(yīng)用時(shí)有更好的診斷性能。

6總結(jié)

本文基于免疫系統(tǒng)的陰性選擇機(jī)理，提出了可對(duì)異步電機(jī)進(jìn)行實(shí)時(shí)在線監(jiān)測的診斷方法。并針對(duì)傳統(tǒng)陰性選擇算法的缺點(diǎn)，進(jìn)行了克隆優(yōu)化，減少了合適檢測器的數(shù)量，并保證了