基于骨干微粒群算法和支持向量机的调速电机转子断条故障诊断

5.1基波滤除和特征量提取   

         图为调速电机的定子电流信号频谱故障特征分量，由于调速电机的基波分量的泄漏及转差率太小，xx被淹没，而无法辨认。在调速电机中，由于转差率的增大和故障的加剧，故障特征没有被关分量xx淹没，但是仍就十分微弱。因此必须滤除基波分量，且不能影响故障特征分量，才能实现转子断条故障的可靠检测和诊断。

       利用本文所提方法，对上述三种状态的电流信号分别进行滤除基波操作，获得残余调速电机的电流信号的频谱所示。在这过程中，BBPSO算法的参数设置对残余电流信号进行3层Symlets小波包(经多次尝试该小波分解效果{zj0})分解，求取各频段信号的能量，并归一化。由于感应调速电机转子断条故障特征分量主要分布在电源频率附近，因此选择3,4, 5频段信号能量作为特征参量，摒弃与感应调速电机状态变化关系较小或无关的频段对故障诊断所带来的干扰。所列信号的特征向量。