基于骨干微粒群算法和支持向量機的調速電機轉子斷條故障診斷

5.1基波濾除和特征量提取   

         圖為調速電機的定子電流信號頻譜故障特征分量，由于調速電機的基波分量的泄漏及轉差率太小，wq被淹沒，而無法辨認。在調速電機中，由于轉差率的增大和故障的加劇，故障特征沒有被關分量wq淹沒，但是仍就十分微弱。因此必須濾除基波分量，且不能影響故障特征分量，才能實現轉子斷條故障的可靠檢測和診斷。

       利用本文所提方法，對上述三種狀態(tài)的電流信號分別進行濾除基波操作，獲得殘余調速電機的電流信號的頻譜所示。在這過程中，BBPSO算法的參數設置對殘余電流信號進行3層Symlets小波包(經多次嘗試該小波分解效果{zj0})分解，求取各頻段信號的能量，并歸一化。由于感應調速電機轉子斷條故障特征分量主要分布在電源頻率附近，因此選擇3,4, 5頻段信號能量作為特征參量，摒棄與感應調速電機狀態(tài)變化關系較小或無關的頻段對故障診斷所帶來的干擾。所列信號的特征向量。