基于概率神經(jīng)網(wǎng)絡(luò)的電機(jī)故障診斷研究.pdf

1、異步電機(jī)作為現(xiàn)代化工業(yè)的驅(qū)動(dòng)力，給人們的日常生活和社會(huì)生產(chǎn)帶來(lái)了巨大的幫助。隨著現(xiàn)代工業(yè)技術(shù)和科學(xué)技術(shù)的飛速發(fā)展，電機(jī)的數(shù)量和種類在不斷增加，其結(jié)構(gòu)和性能也變得越來(lái)越復(fù)雜。電機(jī)的正常工作狀態(tài)保證了其生產(chǎn)過(guò)程中高效優(yōu)質(zhì)、安全可靠的運(yùn)行特點(diǎn)，提高了社會(huì)經(jīng)濟(jì)效益。電機(jī)在異常狀態(tài)下運(yùn)行，不僅損壞了電機(jī)本身的結(jié)構(gòu)性能，也會(huì)對(duì)生產(chǎn)制造和人身安全造成巨大的影響，同時(shí)也帶來(lái)了巨大的經(jīng)濟(jì)損失。因此，對(duì)電機(jī)在運(yùn)行過(guò)程中出現(xiàn)的常見(jiàn)故障，采用先進(jìn)的科學(xué)技術(shù)進(jìn)行

2、診斷處理，有著十分重要的實(shí)際意義。然而，隨著智能控制技術(shù)的不斷發(fā)展，神經(jīng)網(wǎng)絡(luò)、模糊控制、人工智能系統(tǒng)等在電機(jī)的故障診斷領(lǐng)域中的得到了廣泛的實(shí)踐和應(yīng)用。本文主要采用神經(jīng)網(wǎng)絡(luò)技術(shù)算法設(shè)計(jì)電動(dòng)機(jī)常見(jiàn)故障的診斷系統(tǒng)，提高故障診斷效率。
　　本文主要研究的是基于神經(jīng)網(wǎng)絡(luò)下的異步電動(dòng)機(jī)常見(jiàn)故障診斷系統(tǒng)，通過(guò)掌握網(wǎng)絡(luò)結(jié)構(gòu)和故障機(jī)理，分別建立BP網(wǎng)絡(luò)和PNN網(wǎng)絡(luò)的網(wǎng)絡(luò)模型，并對(duì)這兩種診斷方法做出比較。本文實(shí)驗(yàn)中，主要研究的對(duì)象是Y801-4型異步

3、電動(dòng)機(jī)，通過(guò)搭建試驗(yàn)平臺(tái)，采集數(shù)據(jù)信號(hào)，提取故障特征頻率，驗(yàn)證了BP網(wǎng)絡(luò)和PNN網(wǎng)絡(luò)在故障診斷系統(tǒng)中的可行性。
　　首先，對(duì)定子的匝間短路故障和轉(zhuǎn)子的斷條、偏心故障以及軸承的內(nèi)圈故障進(jìn)行了詳細(xì)的分析研究，主要分析了電動(dòng)機(jī)產(chǎn)生這四種故障的原因和機(jī)理，以及引發(fā)的電機(jī)振動(dòng)和定子電流的變化情況。
　　其次，對(duì)BP網(wǎng)絡(luò)的原理進(jìn)行深入了解后，采用MATLAB軟件編寫(xiě)神經(jīng)網(wǎng)絡(luò)算法，通過(guò)不斷的改變訓(xùn)練參數(shù)和訓(xùn)練函數(shù)，實(shí)現(xiàn)最佳的診斷結(jié)果。

4、r>　　然后，在掌握了PNN神經(jīng)網(wǎng)絡(luò)的工作原理及其網(wǎng)絡(luò)結(jié)構(gòu)的基礎(chǔ)上，對(duì)電動(dòng)機(jī)出現(xiàn)的四種常見(jiàn)故障進(jìn)行診斷分析，并且對(duì)比BP網(wǎng)絡(luò)訓(xùn)練結(jié)果，確定了診斷方法具有結(jié)構(gòu)簡(jiǎn)單，訓(xùn)練速度快，穩(wěn)定性高等優(yōu)點(diǎn)。
　　最后，搭建電動(dòng)機(jī)故障試驗(yàn)平臺(tái)，并且人為地設(shè)置轉(zhuǎn)子的導(dǎo)條斷裂故障和轉(zhuǎn)子的偏心故障。采集電動(dòng)機(jī)正常運(yùn)行和故障運(yùn)行時(shí)的振動(dòng)信號(hào)以及流過(guò)電動(dòng)機(jī)的定子電流信號(hào)，并對(duì)振動(dòng)信號(hào)的時(shí)域波形和頻域波形進(jìn)行簡(jiǎn)單的分析判斷。根據(jù)電動(dòng)機(jī)故障機(jī)理，提取定子電流信號(hào)