異步電機的智能故障診斷研究

1、分類號：密級：UDC：學號：406107012005南昌大學碩士學位研究生學位論文異步電機的智能故障診斷研究異步電機的智能故障診斷研究TheResearchofIntelligentdiagnosticsasynchronousmots郭軼培養(yǎng)單位（院、系）：信息工程學院、電氣與自動化工程系指導教師姓名、職稱：汪慶年教授申請學位的學科門類：工學學科專業(yè)名稱：電機與電器論文答辯日期：2015年5月29日答辯委員會主席：評閱人：年月日摘要I

2、摘要異步電機為現(xiàn)代社會最主要的動力機械，在人類生活中應用廣泛。當電機發(fā)生故障，嚴重時甚至因故障停止運轉，將對生產活動帶來很大損失，對人民生活帶來諸多不便，因此對電機的故障檢測診斷十分具有必要性和重要性。作者通過研究電機的振動信號和定子電流信號的特征參數的提取方法，學習電機在定子短路、轉子斷條、轉子偏心情況下的故障原理特征后，說明上述狀態(tài)下的定子電流以及振動信號的特征頻率能量變化，并以此作為判斷電機故障的標準。隨后本文設計進行故障診斷實驗

3、，通過實驗測量電機振動信號和定子電流信號，之后對所得數據進行分析和特征提取。之后以所得的實驗數據輸入，利用傳統(tǒng)的BP神經網絡診斷電機故障，發(fā)現(xiàn)實驗結果結果并不理想，反映出BP神經網絡在實驗電機故障診斷中的收斂速度和誤差精度并不滿足需求以及陷入局部極小值等缺點。支持向量機擁有避免局部極小值推廣性和分類精確性優(yōu)越的特點，針對神經網絡診斷的問題選擇了支持向量機進行電機故障診斷實驗測試結果表明支持向量機在收斂速度和診斷精度上都能滿足要求，能很好