基于神经网络感应电机故障监测诊断的研究

《基于神经网络感应电机故障监测诊断的研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、分类号：密级：天津理工大学研究生学位论文基于神经网络感应电机故障监测诊断的研究(申请硕士学位)学科专业：检测技术与自动化装置研究方向：智能控制理论及其在自动化装置中的应用作者姓名：刘凉指导教师：陈在平教授2005年12月摘要本文在广泛收集国内外对于感应电动机故障诊断技术发展与现状的基础上，论述了感应电动机故障诊断技术的特点和研究成果，并在现有的一些研究基础之上，从定子电流入手，利用神经网络作为故障识别装置来监测感应电动机是否处于正常状态，从而实现对电动机较为常见的电气故障和机械故障的综合检测。在具体

2、的研究过程中，首先针对感应电动机的工作机理，系统分析了笼型转子的感应电动机在发生定子绕组故障、转子绕组故障、转子偏心故障和轴承故障时电动机的特性，并提取出了电动机在故障时相应的特征频率和特征幅值，揭示出各类电机故障与特征频率之间的内在联系。其次，在传统神经网络的理论基础上，并考虑到神经网络技术在故障诊断中的应用方向，给出了一种相应的网络结构模型和一种改进型的神经网络权值学习算法——MABPM算法，这种算法能够有效地加快神经网络的收敛速度，并且具有更好的泛化能力。此外引入了模糊理论来对故障征兆进行描述

3、，从而实现对故障发生的可能性和故障程度的诊断。。最后，根据不同类型的感应电动机故障，总结并整合出相应类型的电动机故障样本，将这些样本提交给神经网络进行网络训练，再把训练好的神经网络作为最终的诊断装置用于感应电动机的故障诊断中，通过对诊断系统进行大量的仿真研究，并将最终的结果与标准BP训练算法和改进型BP算法相比较，得到了更为理想的诊断效果，由此证明了所提方案具有较高的正确性和较好的容错性，是一种行之有效的故障诊断方法。关键词：感应电动机故障诊断神经网络Thispaperdiscussesthecha

4、racteristicsofinductionmotorfaultdiagnosisanditsachievementsinrecentacademicresearch．whichiSbasedonalargecollectionoftheabroadanddomesticscientificandtechnicaldocuments．Thediagnosticdeviceisdesignedwiththehelpofneuralnetworktomonitorwhetherallinduction

5、motorperformsundernormalconditionsbydetectingitsstatorcurrent，whichcanexaminethetypicalfaultsincludingelectricalfaultsandmechanicalfaults．Intheprocessofresearch,theclassicalstatorfault，rotorfault，eccentricityfault，andbearingfaultarefirstlyanalyzedatlen

6、gthinthecaseofinductionmotorwithsquirrelcagebasedonitsprincipleofoperation．Thetypicalfrequenciesandtheirrelevantamplitudeareextractedfromthemotorandtherelationbetweenmotorfaultsandtypicalfrequenciesispresented．Secondly,consideringtheapplicationofneural

7、networktofaultdiagnosisfield，asortofmodifiedformofweightlearningalgorithm，MABPMalgorithm，basedonthestandardalgorithmis印pliedtotrainthefeedforwardnetwork,whichgenerallyacceleratestheconvergentspeedandgainsbettergeneralizationabilitythanusual．Fuzzytheory

8、isalsointroducedtodescribethefaultsymptomwhichcanrealizethediagnosisoffaultdegreeandprobabilityoffaultoccurring．Finally，accordingtodifferentkindsofmotorfaults，theirfaultsamplesarecollectedtotraintheneuralnetworkthatactasthefinaldiagnost