林 茂，李孝全，张 兴

（空军工程大学导弹学院，陕西 三原，713800）

前言

电力系统中电机的稳定性对整个系统来说至关重要，由于受电机工作环境等各方面因素影响，造成电机的故障频发，引起严重的事故。因此故障信号的提取，对于电机的故障诊断显得尤为重要；能够及时、准确的发现故障，是目前研究的主要工作。轴承故障是感应电机常见故障之一，其故障率约占电机故障的30%～40%。在安装、润滑和使用维护都正常的工作条件下，轴承疲劳失效从位于滚道和滚动体表面下的微小裂纹开始，并逐渐扩展，经过一段时间运转，便会出现疲劳剥落和磨损而不能正常工作，导致轴承故障。转子导条断裂也是感应电机最常见的故障，占其总故障的 10%左右[1]。此外，转子断条故障可能会导致扫膛故障，造成定子绕组短路、绕组接地等严重故障，甚至导致电机立刻报废，引发严重事故。

通过理论分析发现，在电机发生转子、轴承类故障时，单相瞬时功率中的故障特征更为丰富[2-3]；而小波包变换是一种基于“频带”的时频分析方法，非常适合于非平稳信号的分析[4-5]。但小波故障频带选取有一定主观和盲目性，因此，本文提出了基于小波包分解的故障信号提取诊断方法，应用粗糙集理论对提取的故障规则进行属性约简，将故障特征向量输入到RBF径向基网络中，成功地验证了在小样本情况下此方法的有效性。

粗糙集理论在电力系统中应用非常广泛，尤其在属性比较多，训练样本比较大的情况下，传统的RBF网络性能下降很快，同时在样本训练含有较多噪声时，应用粗糙集理论，可以提取主要特征量，剔除对结果有较小影响的特征量[6]。……