基于多数据融合的电机故障诊断方法研究

（河北机电职业技术学院电气工程系，河北 邢台 054000）

电机作为各类电驱设备的主要动力装置，具有结构简单、控制方便、能效高、无污染等优点，被广泛运用于各类机电设备。电机的运行状态不仅对其本身，更会对整个机电系统的正常运行产生巨大影响。然而，电机故障种类繁多，各种故障类型的征兆与表现又相似，且不同故障产生的原因也错综复杂，这给电机故障诊断带来了很大难度。若能在电机运行过程中精确地辨识电机运行状态及故障类型，便能极大地提高生产效率，降低维修成本。

传统的电机故障诊断方法多以单一的传感器数据信息为样本，对电机故障进行诊断。其中，定子电流信号是一种典型的故障判别依据，文献[1]提出一种对转子断条故障进行诊断的方法，对电机启动电流进行小波分析，实现了转子断条故障的在线诊断；文献[2]采用基于电机电流信号分析（motor current signature analysis，MCSA）的故障在线监测与诊断方法，通过分析定子电流的Hilbert模量频谱，实现了异步电机转子故障准确诊断；文献[3]提出一种电机典型故障通用诊断系统，通过理论推导确定了电流信号中的故障特征参数，并通过实验验证了所提出故障诊断系统的可行性。

电机振动信号也蕴含着一些典型故障信息，文献[4]提出一种基于小波变换和BP神经网络的电机故障诊断系统，通过小波变换从电机振动信号中提取到故障特征量，并通过BP神经网络进行故障识别，提高了故障诊断的准确性；……