基于Park-WPT和WOA-LSSVM的异步电动机故障诊断方法

针对现有电动机多故障诊断技术诊断精度较差、成本高等问题,基于三相定子电流信号对异步电动机转子断条、气隙偏心及其混合故障进行研究,提出了一种基于Park-WPT(Park矢量变换融合小波包变换)和WOA-LSSVM(鲸鱼优化的最小二乘支持向量机)的异步电动机故障诊断方法。通过Park矢量变换对采集到的三相电流信号进行预处理,根据椭圆轨迹的畸变率提取信号特征,作为第1类特征量;对Park矢量模平方谱进行WPT,求取其分解系数的能量值,作为第2类特征量;采用WOA的收缩包围猎物和螺旋更新猎物位置的机制优化LSSVM中的正则化参数和核宽度,根据提取的2类特征信号建立以WOA-LSSVM为基础的故障诊断模型。实验结果表明,基于Park矢量变换或WPT的单一特征提取算法对混合故障的识别效果较差,故障特征识别率分别为73.75%和88.33%,将2类特征组合后,故障识别率提高到97.08%;WOA-LSSVM的寻优速度较快,故障诊断正确率较高,综合性能优于PSO(粒子群优化)算法、GWO(灰狼优化)算法和GA(遗传算法)优化的LSSVM。