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。

0 引言

1 故障特征提取

   1.1 基于Park矢量变换的故障特征提取

   1.2 基于小波包能量的故障特征提取

2 WOA-LSSVM算法

   2.1 LSSVM

   2.2 WOA-LSSVM算法流程

3 异步电动机故障诊断流程

4 实验分析

   4.1 实验设计

   4.2 故障特征提取

   4.4 诊断算法对比

5 结论