基于多传感器融合的电机在线状态监测方法
来源期刊:冶金自动化2021年第2期
论文作者:胡博 李骏 郭强 肖雄 张勇军
文章页码:85 - 92
关键词:电机状态监测;多传感器融合;小波包变换;D-S证据理论;
摘 要:电机系统的安全运行与生产过程的稳定性息息相关,因而对电机运行状态的在线检测和诊断具有重要意义。随着传感器和嵌入式技术的发展,电机监测方式也由以人工和单一的信号为主向多传感器检测方向发展。为进一步探究多传感器检测的准确性和有效性,基于嵌入式系统面向多种电机状态参数实时监测与分析,设计开发了一套电机在线状态监测系统,利用小波包对信号进行特征提取,采用BP(back propagation)神经网络作为异常状态识别的预分类框架,并引入D-S证据理论算法将多源基本可信度分配函数综合,选取高置信度信号作为BP网络特征信号。测试结果证明了多信号融合的在线监测系统的可行性和电机状态诊断算法的有效性。
胡博1,李骏2,郭强1,肖雄1,张勇军1
1. 北京科技大学高效轧制国家工程研究中心2. 北京科技大学设计研究院有限公司
摘 要:电机系统的安全运行与生产过程的稳定性息息相关,因而对电机运行状态的在线检测和诊断具有重要意义。随着传感器和嵌入式技术的发展,电机监测方式也由以人工和单一的信号为主向多传感器检测方向发展。为进一步探究多传感器检测的准确性和有效性,基于嵌入式系统面向多种电机状态参数实时监测与分析,设计开发了一套电机在线状态监测系统,利用小波包对信号进行特征提取,采用BP(back propagation)神经网络作为异常状态识别的预分类框架,并引入D-S证据理论算法将多源基本可信度分配函数综合,选取高置信度信号作为BP网络特征信号。测试结果证明了多信号融合的在线监测系统的可行性和电机状态诊断算法的有效性。
关键词:电机状态监测;多传感器融合;小波包变换;D-S证据理论;