文档介绍：华侨大学
硕士学位论文
基于增量SVM的变频电机转子故障诊断
姓名:宋彦兵
申请学位级别:硕士
专业:电工理论与新技术
指导教师:方瑞明
20100501
华侨大学硕士学位论文中文摘要
中文摘要
随着现代控制理论、新型大功率电力电子器件以及新型变频技术的
飞速发展,集变频电机、电力电子装置为一体的交流变频调速系统逐渐
取代传统的直流调速系统,而成为电气传动的主流。在交流调速系统促
进工业生产自动化、提高劳动生产率的同时,变频电机故障对生产的影
响也显著增加。因此,研究变频电机的状态监测与故障诊断技术
(Condition Monitoring and Diagnosis, CMD),从源头上有效地防止设备
事故发生并保证生产流程的稳定运行意义重大,已成为一项刻不容缓的
任务和课题。本文主要围绕变频电机转子故障诊断所涉及的数据采集、
信号处理、智能诊断等三方面进行研究和探索。
首先,在基于定子电流信号分析的变频电机转子故障诊断过程中需
要获得电机的实时转速,以确定电机的故障特征量。本文利用最优估计
算法——扩展 Kalman 滤波算法进行了变频电机转速估计研究,为实现无
速度传感器的变频电机故障诊断打下基础。
其次,针对变频电机定子电流信号中谐波分量丰富,易和转子故障
特征频率发生混叠,导致误诊断的现象,提出了一种 FFT 结合自选频算
法,该算法能够从电机定子电流信号的频谱中选择最明显的故障特征量。
为验证该算法的可行性,基于电机数字化调速技术和电参量采集技术搭
建了变频电机转子故障试验平台,并利用该平台采集信息进行了大量实
验。实验结果表明,FFT 结合自选频算法能更有效提取变频电机转子故
障特征。
— I —
华侨大学硕士学位论文中文摘要
最后,基于机器学习算法——支持向量机(Support Vector Machine,
SVM)进行了变频电机转子故障智能诊断,针对智能诊断中训练样本具
有逐渐添加的特性,提出了一种具有增量学习功能的 SVM 模型,该算法
的精度能够随着训练过程中训练样本集的积累而不断提高。利用前文提
取的各种变频电机转子故障特征量对该模型进行了训练和测试。测试结
果表明,该模型能够高效的对各种故障模式进行分类,并具有较好的增
量学习能力,对变频电机转子故障的诊断效果较好。

关键词:变频电机转子故障电流信号分析支持向量机增量学习
— II —
华侨大学硕士学位论文英文摘要
ABSTRACT
The AC adjustable drive system, which consisted of Inverter-fed Motor
and power electronic devices, became the main stream of electrical drive
system in replace of the traditional DC drive system, with the development of
modern controlling theory, power electronic devices and new type inverter
technology. Along inverter-fed system contributed to the industrial automatic
manufacture and high productivity, the damages of inverter-fed motor fault to
production increased significantly. So, the condition monitoring and diagnosis
(CMD) of inverter-fed motor turned a crucial task and theme, which
originally enabled to prevent fault and ensure manufacturing smoothly. This
dissertation mainly developed research and exploration around the
inverter-fed motor current signal collecting, signal processing and intelligence
diagnosis.
Firstly, the real-time motor speed was acquired during di