基于人工免疫算法的电机故障诊断系统研究

【摘要】： 电机设备广泛应用于现代工业生产的各个部门中。电机设备一旦发生故障,不仅会影响整个系统的正常运转,甚至会造成安全事故。电机故障诊断技术能实现电机在线运行的情况下,通过电机特征信号的检测和分析,判断其是否存在故障并判断故障的位置,对确保电机设备的安全运行有重要作用。 神经网络、模糊数学、遗传算法、人工免疫算法等人工智能理论的发展,为电机故障诊断技术的发展提供新的思路和方法。本文的研究目标是利用人工免疫算法领域的研究成果,设计一种电机故障诊断系统,以提高电机故障诊断性能和故障诊断率。 本文首先介绍了各种常见电机设备的应用情况,并选择异步电机作为故障诊断的对象。针对电机设备各种常见的故障,分析了其发生的原因和故障特征,在此基础上,研究了各种常用的电机故障诊断方法。由于理论基础和测量方法都比较成熟,诊断结果准确可靠,便于实施等原因,振动诊断技术被选择作为本文的诊断方法。 其次,本文研究了各种常用的人工免疫算法,阐述了其免疫学基础,详细描述了各种算法的实现的过程以及各种算法的优缺点。在综合研究各种算法的基础上,本文选择了阴性选择算法作为振动故障检测器的产生算法,并对其进行了克隆优化以改进检测器的诊断性能。 最后,本文设计了基于改进阴性选择算法的电机轴承故障诊断系统的仿真实验,实验结果表明,改进后的阴性选择算法检测器在故障检诊断性能和诊断率方面相较于传统检测器有较大的提高,有较好的故障诊断效果。