基于神經(jīng)網(wǎng)絡(luò)的異步電動(dòng)機(jī)故障預(yù)測與診斷技術(shù)的研究.pdf

1、電機(jī)在工業(yè)生產(chǎn)、日常生活等諸多領(lǐng)域有著廣泛的用途,并且起著非常重要的作用,一旦發(fā)生損壞不僅會(huì)影響設(shè)備和正常的系統(tǒng)工作,還有可能會(huì)導(dǎo)致巨大的經(jīng)濟(jì)損失和生命財(cái)產(chǎn)安全。能否對電機(jī)設(shè)備進(jìn)行實(shí)時(shí)的數(shù)據(jù)檢測,并根據(jù)數(shù)據(jù)積累進(jìn)行相應(yīng)的提前故障診斷,這對發(fā)現(xiàn)異步電機(jī)故障和預(yù)防故障的進(jìn)一步惡化以及為電機(jī)設(shè)計(jì)者提供經(jīng)驗(yàn)和積累數(shù)據(jù)有著十分重要的意義。
　　 本文提出了一種將小波分析和神經(jīng)網(wǎng)絡(luò)相結(jié)合的異步電機(jī)的智能故障診斷方法。由于小波分析具有良好的頻

2、率特性和局部特性,為電機(jī)故障診斷的信號(hào)處理提供了強(qiáng)有力的工具。首先應(yīng)用小波分析對異步電機(jī)的定子電流故障信號(hào)進(jìn)行了三層分解獲得八個(gè)頻段的小波分解系數(shù)能量,應(yīng)用八個(gè)頻段的系數(shù)能量作為神經(jīng)網(wǎng)絡(luò)的輸入特征向量,以電機(jī)常見故障類型作為人工神經(jīng)網(wǎng)絡(luò)的輸出,搭建神經(jīng)網(wǎng)絡(luò)故障診斷模型。對Y160M2-8異步電動(dòng)機(jī)正常和各種故障狀態(tài)下的定子電流信號(hào)進(jìn)行了算例分析,所提出的故障診斷模型能正確識(shí)別轉(zhuǎn)子不平衡、中心不對中、轉(zhuǎn)子碰磨故障狀態(tài)。
　　 實(shí)驗(yàn)