感应电机是广泛应用工农业生产中的复杂机电设备,随着现代制造技术的快速发展,电机需要长时间运行在复杂环境下且对单机容量的要求不断增加,一旦电机发生故障,不仅会损坏电机本身,严重时还会带来灾难性后果。统计数据表明,转子断条、定子绕组匝间短路和轴承故障是感应电机最常见的三类故障,占其全部故障种类的88%左右。因此,研究这三类感应电机的故障诊断技术,及早发现故障并防止故障进一步恶化,具有重大的理论意义和经济效益。在此背景下,本文进行了基于细菌觅食优化算法和多元相关向量机的感应电机故障诊断方法研究,主要工作和创新点体现在以下几个方面:1.为提高细菌觅食优化算法(BFO)的全局收敛性,使其更适合感应电机故障诊断模型参数优化的实际要求,提出了一种具有快速全局收敛的骨干细菌觅食算法(BBBFO)。首先,该算法通过引入基于高斯分布的趋向性策略,充分利用细菌个体的历史信息和群体的共享信息,以保证其强大的全局搜索能力和局部开采能力;其次,该算法引入了基于种群多样性的复制策略,在搜索过程中用细菌的多样性衡量个体的健康度,以避免算法早熟和陷入局部极值。该方法为优化感应电机故障诊断模型的参数提供了更加有效的途径。2.提出了一种基于多分辨小波核的多元相关向量机(MWMRVM),该方法利用小波的多分辨和局部特性对多元相关向量机(MRVM)核函数进行各向异性扩展,可用于解决复杂的多分类和多元拟合问题。与单核参数模型相比,MWMRVM具有很大的灵活性,能获得更高精度的稀疏解,从而为建立感应电机故障诊断模型奠定了坚实的基础。3.在传统定子电流频谱分析中,感应电机基波分量很容易淹没转子断条故障分量而导致故障特征无法准确检测。针对这一问题,提出了一种基于LDA/GSVD和BBBFO-MWMRVM的感应电机转子断条故障诊断方法,该方法以定子电流信号作为分析媒介,利用LDA/GSVD对其进行降维除噪从而获得低维故障特征向量,再通过BBBFO-MWMRVM对低维故障特征向量进行故障诊断检测。4.通过建立感应电机定子绕组匝间短路故障仿真模型,发现定子线电流和相电压之间的相位移对定子匝间短路故障有很强的敏感性,从而提出了一种基于相位移和BBBFO-MWMRVM的感应电机定子绕组匝间短路故障诊断方法。该方法以感应电机三相的相位移作为BBBFO-MWMRVM的输入故障特征向量,BBBFO-MWMRVM不仅包含用于判断故障发生相的MWMRVM分类器,还包含预测短路匝数的MWMRVM拟合器。5.在对感应电机轴承振动机理及故障分析的基础上,提出了一种基于混合域、GLPP和BBBFO-MWMRVM的感应电机轴承故障诊断方法。该方法利用电机振动信号的时频域和混沌特征,构造出高维混合域特征向量;同时,为降低故障模式识别中的计算复杂度,提出了基于测地距离的局部保持投影改进算法(GLPP),并利用该算法对高维特征向量进行降维,然后通过BBBFP-MWMRVM分类器对降维后的特征向量进行故障识别,仿真及试验结果均验证了所提方法的有效性和优越性。