Lyapunov指数在异步电动机机械振动识别中的应用

基于非线性动力学理论,研究异步电动机振动信号的Lyapunov指数特征,并应用于故障诊断和识别。首先,搭建试验平台,并模拟异步电动机正常工作、转子不对中和底座安装不良的三种转动状态。分析电动机三种振动信号的波形,并进行去噪和预处理。然后,基于BBA算法计算振动信号在不同工作状态下的Lyapunov指数谱,选取最大Lyapunov指数作为特征用于识别异步电动机的机械振动;最后,为了对该分析方法的有效性及抗干扰性进行验证,引入了随机噪声,分析所提出算法在不同参数下的受噪声的影响水平。研究结果显示,异步电动机在正常运行时,其最大Lyapunov指数值在0.3~0.7;安装不良时其最大Lyapunov指数值在0~0.3,表明这两种工作状态下电动机振动信号序列出自于一个混沌过程;在电动机处于转子不对中状态时,其最大Lyapunov指数值近似为零,表明其振动序列中基本不存在混沌属性。在该研究结果的基础上,配合特征融合与机器学习分类算法,将有效提高异步电动机机械振动识别的准确率和效率。

基于LCS的水库供水规则分类系统

建立了基于遗传学习分类器系统(LCS)的水库供水规则分类系统,通过信任分配(桶链算法,BBA)与规则发现(遗传算法,GA)机制进行学习,提取水库供水调度规则.实例研究得到学习样本识别率接近95%,检验样本识别率为85%.进一步从调度规则的合理性、学习样本对规则集的影响以及该分类系统与人工神经网络对规则提取结果的比较这3个方面分析了系统提取规则的性能与行为.研究表明,利用该分类系统提取水库供水调度规则是可行且有效的.