采用RWNN的电机定子绕组匝间故障诊断方法

采用RWNN的电机定子绕组匝间故障诊断方法

ID:37123312

大小:352.81 KB

页数:5页

时间:2019-05-18

采用RWNN的电机定子绕组匝间故障诊断方法_第1页
采用RWNN的电机定子绕组匝间故障诊断方法_第2页
采用RWNN的电机定子绕组匝间故障诊断方法_第3页
采用RWNN的电机定子绕组匝间故障诊断方法_第4页
采用RWNN的电机定子绕组匝间故障诊断方法_第5页
资源描述:

《采用RWNN的电机定子绕组匝间故障诊断方法》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、第35卷第7期高电压技术Vol.35No.72009年7月31日HighVoltageEngineeringJuly31,2009·1607·采用RWNN的电机定子绕组匝间故障诊断方法1,22王旭红,何怡刚(1.长沙理工大学电气与信息工程学院,长沙410076;2.湖南大学电气与信息工程学院,长沙410082)摘要:针对电机定子绕组匝间短路故障,提出了基于递归小波神经网络(RWNN)的故障在线诊断方法。该方法采用两个RWNN监测匝间故障,一个用于估算故障的严重度,另一个用于确定故障匝数。针对RWNN的训练,研究了Levenberg–Marquardt(LM)学习算法,以减少

2、训练中的计算量,确保网络模型的快速收敛。根据此方法,设计了试验系统,试验结果表明,基于RWNN的诊断模型可精确确定短路故障匝数,与前馈神经网络(FFNN)相比,能更有效地监测匝间短路故障的缓慢变化情况。关键词:异步电动机;定子绕组;匝间短路;故障诊断;RWNN;LM学习算法中图分类号:TN731.8文献标志码:A文章编号:100326520(2009)0721607205DetectionMethodforStatorWindingTurnFaultUsingRWNN1,22WANGXu2hong,HEYi2gang(1.SchoolofElectricalandInfor

3、mationEngineering,ChangshaUniversityofScienceandTechnology,Changsha410076,China;2.SchoolofElectricalandInformationEngineering,HunanUniversity,Changsha410082,China)Abstract:Arecurrentwaveletneuralnetwork(RWNN)2basedonlinestatorwindingturnfaultdetectionmethodforinductionmotorswaspresented,in

4、whichtwoRWNNswereemployedtodetectturnfault,onewasusedtoestimatethefaultseverity,theotherwasusedtodeterminetheexactnumberoffaultturns.Inthecourseoftraining,Leven2berg2Marquardt(LM)algorithmwasintroducedtomaketheRWNNconvergingmorequickly.Experimentswerecarriedoutonaspecialrewoundlaboratoryin

5、ductionmotor.TheresultsshowthattheRWNN2baseddiagnosismod2eldeterminestheshortedturnsexactly,andismoreeffectivethanthefeed2forwardneuralnetwork(FFNN)2baseddetectionmodelundertheconditionofdetectingaslowlydevelopingturnfault.Keywords:inductionmotor;statorwindings;shortedturns;faultdetection;

6、RWNN;LMalgorithm测和故障诊断中的逐步应用,有学者提出了基于前0引言馈神经网络(FFNN)的定子绕组匝间短路故障诊断[6]异步电机运行过程中,定子绕组匝间短路故障方法,该方法考虑了影响负序电流的电机结构不经常发生,据统计,这类故障的发生率高达电机故障对称因素,但FFNN是一种静态映射,不具备延时[123]总数的35%左右,发展下去,往往导致相间短路功能,缺乏动态处理能力,因此,无法准确诊断电机[7]或接地短路故障,危害严重,因此必须对电机定子绕瞬态时缓慢发展变化的匝间短路故障。[8]组的早期匝间短路故障进行检测。递归神经网络具有前馈和反馈连接,具备很[9,10

7、]国内外学者对电机定子绕组匝间故障进行了大强的非线性映射能力和动态特性。小波变换通量的研究,作为监测和诊断的参数主要有电机的功过尺度的伸缩和平移对信号进行多尺度分析,能有[11]率、电压、电流、频率、绕组温度和振动等,其中,基于效提取信号的局部信息。递归小波神经网络定子电流的监测诊断方法已得到诸多学者的应(RWNN)兼有小波变换和递归神经网络的优点,具[4,5]有很强的动态处理和函数逼近能力[12,13],同时通过用,该方法通过监测定子电流负序分量,诊断出定子绕组匝间故障,然而因电源电压不对称及电机训练,自适应调整

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。