基于D—S證據和數據融合的電機故障診斷研究

趙娟 姜曉艷 韓明 張然 李欣

摘 要：針對電機的發熱、振動和噪音問題的現象及原因進行分析研究，設計出以ARM微處理器作為核心處理的電機故障診斷系統，采用了溫度傳感器、電壓傳感器和壓電式加速度傳感器的多傳感器測量技術，對采集的溫度、電壓、振動信號進行分析，提出用D-S證據和多傳感器數據融合技術的電機故障診斷方法。再應用D-S證據理論對數據進行算例分析，完成電機的實時監控。與單一信號故障診斷結果相比，可以有效地提高電機故障診斷結果的可信度，減小診斷的不確定性因素。

關鍵詞：故障診斷 D-S證據 多傳感器測量技術 數據融合

中圖分類號：TN7 文獻標識碼：A 文章編號：1672-3791（2018）11（a）-00-02

1 電機常見故障機理分析

電機運行過程中，如果過熱會引起電機燒毀等事故。通過電機發熱問題的機理分析，確定使用溫度傳感器采集的溫度信號作為本系統數據采集分析的一部分；電機的持續振動會加劇電機的絕緣老化，使電機的軸承等部件的磨損速度加快，嚴重影響電機的正常運行。通過電機振動問題的機理分析，確定了使用電壓傳感器采集的電壓信號作為本系統數據采集分析的一部分；電機的噪聲主要有電磁噪聲、機械噪聲、軸承噪聲等現象，通過電機噪音問題的分析，確定了壓電式加速度傳感器采集的振動信號作為本系統數據采集分析的一部分。

分析可知，對電機進行日常維護和檢修時，要對電機的溫度、電壓、振動信號進行實時地監測，為設計電機故障診斷系統提供了理論依據和數據支持。

2 以ARM為核心的多傳感器信息采集系統

系統硬件電路由電機信號采集、信號處理、A/D轉換、核心處理系統ARM、鍵盤、LCD顯示等電路構成。其中信號采集電路采用了溫度傳感器、電壓傳感器、壓電式加速度傳感器的多傳感器信息采集技術，分別采集電機的溫度、電壓、振動信號作為故障診斷系統監測數據，作為診斷系統的數據采集端，再經過信號處理電路將采集到的電機實時信息進行處理，直接送到A/D轉換器進行模數轉換，由ARM處理器進行數據融合分析處理，再將參數數據和分析結果送到PC機上顯示。

3 基于D-S證據的多傳感器數據融合技術

3.1 D-S證據的數據融合技術在電機診斷中的應用

本系統采用多傳感器信息采集系統將電機的溫度、電壓、振動數據存儲ARM存儲器中，再結合D-S證據的多傳感器數據融合技術進行電機故障診斷分析是考慮到以下兩方面因素。

3.1.1 電機故障特征與故障形式間的非線性關系

電機是一個較為復雜的系統，其中涉及到電路、磁路及機械等方面的知識內容，其故障特征與故障形式不存在一一對應的線性關系，而是較為復雜的非線性關系。基于上述分析，想要對電機的故障狀態做出準確判斷，就需要采集不同的特征信息進行綜合判斷，所以選擇基于D-S證據的多傳感器數據融合技術，結合溫度、電壓、振動3種信號綜合分析，解決這一難題。

3.1.2 電機故障診斷中存在不確定性因素

由于電機運行環境的不確定因素、不同類型傳感器采集信號的不確定因素和信號處理、診斷方法的不確定因素等原因，使得電機故障診斷過程中存在著大量的不確定性因素。傳統的基于單個傳感器采集的單一特征信息對電機故障進行診斷的系統往往難以保證診斷的準確性。

3.2 D-S證據的數據融合技術在電機診斷中的應用

本系統采用了3個獨立的傳感器（溫度傳感器、電壓傳感器和壓電式加速度傳感器）作為系統的數據采集端，首先假設電機只發生一種故障現象，可以構造決策系統的識別框架為{正常，故障}，根據分析可知冪集元素有3個： {{正常}、{故障}、{不確定}}，其中{不確定}因素是由于外界各種不確定因素和基本可信度分配誤差等原因導致無法判斷電機是否出現故障。假定使用溫度傳感器、電壓傳感器和壓電式加速度傳感器某次檢測判斷得到關于電機運行狀態，正常運行用A表示，故障狀態用B表示，不確定因素用φ表示，其基本可信度分配如表1所示。

利用D-S證據理論的合成規則，將3個傳感器的融合結果與單個傳感器進行基本可信度對比，如表2所示。

實驗證明，基于多傳感器測量的D-S證據理論是一種有效的數據融合方法，能有效提高電機故障診斷的準確度。

4 結語

該電機監測系統具有體積小、精度高、實時性好等特點。通過采用ARM微處理器對電機的溫度、電壓、振動信號快速實時采集和處理。從提高故障診斷精度出發，再利用基于多傳感器監測技術的數據融合方法，并結合算例分析了證據理論對證據累計的作用，該系統能夠有效的提高電機故障診斷結果的可信度，減小診斷的不確定性因素。從而證明了基于D-S證據多傳感器數據融合技術的電機故障診斷是一種有效的故障診斷方法。

參考文獻

[1] 周慧.基于神經網絡的感應電機故障診斷技術研究[D]. 江西理工大學，2008.

[2] 劉振興，尉宇，趙敏，等.基于RELAX頻譜分析方法的鼠籠式異步電動機轉子故障診斷[J].中國電機工程學報，2006（22）：146-150.

[3] 梁正國.神經網絡用于轉子在線振動監測中的譜型預報[J].西安交通大學學報，1994（9）：2-6.

[4] 王耀楠，李樹濤.多傳感器信息融合及其應用綜述[J].控制和決策，2001（5）：518-522.