專題實作｜專題成果

111年

The Electrical Engineering department

The
Electrical Engineering
department

特徵選取感應電動機故障檢測

指導老師

李俊耀

組長

劉政緯

組員

丁春祺、林安栗

感應電動機為現代工業和生活中不可或缺的產品，從日常家電、電動車、再到工業用的大型機械手臂，甚至到風力發電機都是感應電動機的延伸應用。換句話說，感應電動機為生產製造中不可或缺的一種動力來源，一旦發生故障就必須馬上停止動作並排除故障，才能繼續進行生產流程。如果我們能馬上偵測到感應電動機故障的訊號，並迅速進行維修保養，預防其嚴重或無法維修的損壞，就可避免因故障所衍生的問題。

本論文旨於感應電動機故障診斷，首先，量測八顆感應電動機(如表1.1)在四種負載(25%、50%、75%、100%)下的電壓，其中包含健康(healthy)、軸承破壞加工(broken bearings)、定子層間短路(stator winding short-circuit)、轉子鑽孔(broken rotor bar)之感應電動機。再使用特徵選取法EA(Spline、Hilbert Transform、Analytic)和Wavelet擷取其特徵值，而本專題使用之特徵值包含最大值(min)、最小值(max)、平均值(mean)、標準差(std)、方均誤差(mse)、變異數(var)、平方平均數(rms)、峰度(kurtosis)、偏度(skewness)、形狀因子(shape factor)、脈衝因子(impulse factor)、峰值因數(crest factor)、餘隙因數(clearance factor)。接下來使用三種特徵選取法過濾器法(Filter)、包裝器法(Wrapper)、嵌入法(Embedded)，排除多餘之特徵並提高準確率，最後再使用六種分類法決策樹(DT)、隨機森林(RF)、線性區別分析(LD)、K-近鄰演算法(KNN)、(SVM)、樸素貝葉斯(NB)，分類其故障種類，最終將有無特徵選取之數據進行比較，以提高數據之準確率。