[发明专利]基于多模态PSO搜索MUSIC的感应电机断条检测方法

摘要

本发明公开了一种基于多模态PSO搜索MUSIC的感应电机转子断条故障检测方法。首先测取任意一相定子电流瞬时信号，构建数据自相关矩阵；然后对相关矩阵进行特征值分解，并形成噪声子空间和信号子空间；接着，利用噪声子空间和信号频率向量构建适应度函数；最后利用多模态PSO在频率可行域内进行多谱峰搜索，实现断条故障特征频率的估计，根据电机转速与估计出的频率值判断电机是否处于故障状态。本发明利用智能群体搜索代替固定步长遍历搜索，不但能够准确检测转子断条故障，而且提高了频率的搜索效率、精度以及实时性，大大降低了计算开销。

主权项

1.一种基于多模态PSO搜索MUSIC的感应电动机转子断条故障检测方法，其特征在于：将感应电机的实测电流信号作为观测数据，利用多重分类（MUSIC）算法构建噪声子空间和谱峰搜索适应度函数，然后利用多模态骨干微粒群优化算法（多模态PSO）搜索所有谱峰，实现信号各个分量的频率估计，根据电机转速和估计出的频率值判断电机是否处于故障状态，该方法具体步骤如下：步骤1：测取任意一相定子电流瞬时信号y(n)，数据长度为N；步骤2：基于M个阵元构建M×N的矩阵，并保证M远大于信号个数P，求取自相关矩阵；步骤3：将自相关矩阵Ryy进行特征值分解，生成信号子空间S和噪声子空间G；步骤4：利用噪声子空间G和信号频率向量e(f_i)构建适应度函数；步骤5：对信号频率向量中的fi进行实数编码形成种群微粒，利用多模态PSO在频率可行域内进行多谱峰搜索，估计出信号的各个分量的频率值;步骤6：根据电机转速确认电流信号中是否存在(1±2s)f1频率分量；如果有，则电机处于断条故障状态；如果没有，则电机处于健康状态。