基于小波分析和神經(jīng)網(wǎng)絡(luò)的異步電動機(jī)故障診斷.pdf

1、異步電機(jī)具有結(jié)構(gòu)簡單、堅(jiān)固耐用、價(jià)格低廉、使用和維護(hù)方便等優(yōu)點(diǎn)，在國民經(jīng)濟(jì)各領(lǐng)域得到廣泛應(yīng)用。所以電機(jī)是否正常工作，對保證生產(chǎn)制造過程中的安全、高效、優(yōu)質(zhì)及低耗運(yùn)行意義非常重大。電機(jī)的故障和停止運(yùn)行，不僅會損壞電機(jī)本身，而且會影響整個(gè)生產(chǎn)系統(tǒng)的正常工作，甚至?xí)＜叭松戆踩斐删薮蟮慕?jīng)濟(jì)損失和惡劣的社會影響。因此要求對電機(jī)的早期故障進(jìn)行診斷日益緊迫，通過對電機(jī)常見故障的診斷和分析，可以及早發(fā)現(xiàn)故障和預(yù)防故障的進(jìn)一步惡化，減少突發(fā)事故造成

2、的停產(chǎn)損失。
　　 本文對電機(jī)的幾種典型故障如軸承故障、轉(zhuǎn)子斷條故障、絕緣故障進(jìn)行分析，詳細(xì)闡述了這幾種電機(jī)故障的機(jī)理及產(chǎn)生原因。在試驗(yàn)中，本文采集了電機(jī)正常和故障電機(jī)的振動信號及定子電流信號進(jìn)行分析。在故障檢測技術(shù)中，信號故障特征的分析與提取直接關(guān)系到故障診斷的準(zhǔn)確性。電機(jī)的故障信號是非平穩(wěn)信號，傅里葉變換不能有效地提取電機(jī)的故障特征，小波變換具有良好的時(shí)頻局部性，能夠?qū)⑿盘栐谌我忸l段進(jìn)行劃分，本文采取小波包變換提取信號的故障

3、特征信息，將小波與小波包對信號的消噪效果進(jìn)行對比，證明小波包對噪聲信號具有較好抑制作用，消噪特性非常明顯。人工神經(jīng)網(wǎng)絡(luò)在智能故障診斷中得到了廣泛的應(yīng)用，本文介紹了一種基于改進(jìn)型Elman神經(jīng)網(wǎng)絡(luò)的異步電機(jī)故障檢測的方法，通過在基本的Elman神經(jīng)網(wǎng)絡(luò)的承接層單元上增加了一個(gè)自反饋連接，增加了它的動態(tài)跟蹤功能。同時(shí)提出采用粒子群算法(PSO)的Elman神經(jīng)網(wǎng)絡(luò)的混合優(yōu)化策略，通過PSO優(yōu)化連接權(quán)值來對神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，相比于標(biāo)準(zhǔn)的BP算

4、法，PSO是采用實(shí)數(shù)編碼，其結(jié)構(gòu)簡單，學(xué)習(xí)收斂快。該方法實(shí)現(xiàn)了網(wǎng)絡(luò)在線學(xué)習(xí)，通過時(shí)間窗的推移，不斷地利用新采集數(shù)據(jù)對網(wǎng)絡(luò)進(jìn)行訓(xùn)練，提高了網(wǎng)絡(luò)的建模效率和對真實(shí)數(shù)據(jù)的擬合能力。仿真結(jié)果表明該模型適合于對異步電機(jī)進(jìn)行故障診斷。最后結(jié)合VB的界面顯示功能和Matlab的計(jì)算功能，借助AetiveX部件和動態(tài)數(shù)據(jù)交換(DDE)技術(shù)來實(shí)現(xiàn)VB-與Matlab的混合編程，從而對基于小波分析和改進(jìn)型PSO-Elman神經(jīng)網(wǎng)絡(luò)的軟件模型進(jìn)行設(shè)計(jì)。通過將