7笼型异步电机故障的信息融合诊断方法7.1笼型异步电机故障7.1.1转子断条和端环开裂故障转子断条故障的特征频率7.1.2气隙偏心故障气隙偏心故障的特征频率7.1.3绕组过热与匝间短路故障7.1.4单相电流谱分析方法的局限性7.2转子断条故障的诊断7.2.1应用扩展派克矢量方法同时存在断条和气隙偏心故障时两种故障同时发生时派克矢量的模k=1、m=1派克矢量的模中包含的频率成分1故障特征矢量的提取2运用BP网络实现断条故障的自动识别BP网络训练误差曲线BP网络对断条故障的诊断结果7.2.2基于Park矢量的融合电流小波分析方法小波变换不同分解尺度对应的最低频带宽度（fs＝5000Hz）良好电机空载运行时DB5小波分解结果良好电机满载运行时DB5小波分解结果2根断条故障电机满载运行时DB5小波分解结果5根断条故障电机空载运行时DB5小波分解结果5根断条故障电机满载运行时DB5小波分解结果良好空载7.3绕组匝间短路故障的诊断7.3.1故障特征矢量的提取运用RBF网络实现故障的自动识别RBF网络对匝间短路故障的识别结果匝间短路故障相别判定方法绕组匝间短路相别判据（一）绕组匝间短路相别判据（二）7.4气隙偏心故障的诊断同一气隙偏心故障电流7.5变频调速电机的故障诊断变频电流与工频电流波形比较变频调速电机故障诊断方法评述同一转子断条故障电机，由变频电源、工频电源供电时的频谱基于小波变换的转子断条故障的诊断基于启动电流的小波诊断方法断条故障电机启动电流信号的小波分解结果良好电机启动电流信号的小波分解结果基于启动电流的小波诊断方法的优点7.6电机故障的信息融合诊断模型实例一分别用F1、F2、F3、F4表示电机的4种状态：正常、转子断条、气隙偏心和绕组匝间短路，构成故障诊断识别框架U＝{F1，F2，F3，F4}，用F表示框架U的不确定性。BP网络输出的判据结果用基本概率赋值函数m1表示，融合电流信号的DWT分解和启动电流信号的连续复值小波分解的判决结果，分别用函数m2和m3表示。对BP网络的输出进行归一化，结果为[0.6928，0.3065，0，0.0007]。得到电机正常F1和转子断条F2的基本概率赋值（因BP网络不具有识别F3、F4的能力，对应F3、F4的输出归入F）设Bel1和Bel2是同一识别框架U上的两个信任函数，m1、m2分别是其对应的基本概率赋值，焦元分别为A1，A2，…，Ak和B1，B2，…，Br，又设K1=(0.2452+0.0693)=0.3145m12（F1）＝（0.5542＋0.0006＋0.0693）/(1-K1)=0.9103m12（F2）＝（0.0307＋0.0001＋0.0307）/(1-K1)=0.0896m12（F）＝0.0001/(1-K1)=0.0001m123（F1）＝（0.8193＋0.0001＋0.0455）/(1-K2)=0.9897m123（F2）＝0.0103，m123（F）≈0实例二m1{F1，F4，F}＝[0.9000，0.0800，0.0200]m2{F1，F4，F}＝[0，0.99，0.01]m3{F1，F4，F}＝[0.05，0.9，0.05]m123{F1，F4，F}＝[0.0095，0.9904，0.0001]纠正了先前的错误诊断结论！实例三m1{F1，F2，F}＝[0.1072，0.8928，0]m2{F1，F2，F}＝[0.1000，0.8000，0.1000]m3{F1，F2，F}＝[0.0010，0.9000，0.0990]根据证据理论，进行证据组合，最终结果为：m123{F1，F2，F}＝[0.0001，0.9878，0.0121]实例四单相电流频谱BP网络:m1{F1，F2，F}＝[0.9866，0.0015，0.0119]融合电流小波分析：m2{F1，F2，F}＝[0.6000，0.2000，0.2000]启动电流小波分析：m3{F1，F2，F}＝[0.0100，0.9000，0.0900]决策融合的结果为：m123{F1，F2，F}＝[0.9395，0.0602，0.0003]。诊断结果得到了一定程度的纠正如果放弃BP网络的诊断结果，只对m2和m3进行证据组合，得到的决策融合结果为：m23{F1，F2，F}＝[0.1354，0.8253，0.0393]对应故障为转子断条故障F2，与实际故障相符，纠正了先前的错判基于证据理论的决策融合总结end气体放电实验数据处理结果演示作业1：作业2：