基于PSO-SVM模型的感应电机故障诊断的研究(审批后)修改.doc

学 位 论 文 基于PSO-SVM模型的感应电机故障诊断应用 申专业名称：控制工程 论文题目： PSO-SVM模型在感应电机故障诊断中的应用 摘 要 感应电动机能够适应各种复杂的工作环境因而在工业、农业、科学技术现代化和国防中得到了广泛的应用。它是一种覆盖面最广、使用量最大的电动机。感应电动机的正常运行，可以保证生产过程中的高效，安全，快捷，电动机发生故障不仅会导致生产设备的毁坏，影响生产的进行，甚至停产，还会危及工人的人身安全，造成巨大的经济损失，因此对电动机进行故障检测，特别是早期故障检测，是很有必要的。 目前很多故障诊断技术的主观性较强，研究一种能以客观的方式进行故障诊断的技术势在必行；智能诊断技术十分符合现实的需要，其强大的自我学习能力能客观的发掘历史数据中的潜在故障规则，能更好的指导故障定位与检修。本文主要以智能诊断技术为研究方向，分析传统的智能诊断技术的研究现状以及存在缺陷，提出了基于支持向量机理论的故障诊断技术方法。支持向量机(Support Vector Machine, SVM)具有严谨的理论基础以及良好的泛化能力，在处理小样本事件中能保证很高的准确率，它在处理许多工程实际问题方面获得了成功的应用，本文试着将一种改进的支持向量机模型引入电机故障诊断中，主要内容如下： 1. 分析了轴承和转子断条两种故障的特征机理，给出了两种故障特征频率的计算公