文献类型：期刊文章

作　　者：胡博[1] 李骏[2] 郭强[1] 肖雄[1] 张勇军[1]

HU Bo;LI Jun;GUO Qiang;XIAO Xiong;ZHANG Yongjun(National Engineering Research Center of Advanced Rolling Technology,University of Science and Technology Beijing,Beijing 100083,China;Design and Research Institute Co.,Ltd.,University of Science and Technology Beijing,Beijing 100083,China)

机构地区：[1]北京科技大学高效轧制国家工程研究中心,北京100083 [2]北京科技大学设计研究院有限公司,北京100083

出　　处：《冶金自动化》

基　　金：国家自然科学基金资助项目(61873025);中央高校基本科研业务费资助项目(FRF-TP-20-029A2)。

年　　份：2021

卷　　号：45

期　　号：2

起止页码：85-92

语　　种：中文

收录情况：IC、RCCSE、普通刊

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

分 类 号：TM307] TP212.9]