基于模式識別的五相容錯永磁電機短路故障智能診斷.pdf

1、目前，多相永磁電動機在優(yōu)于多相電動機的基礎上，引入永磁體，因而得到了頗為廣泛的應用。另外，多相永磁電機具有良好的容錯運行能力，使得它在電動汽車等一些特殊應用方面愈加被重視。因而，保證多相永磁電機的穩(wěn)定與安全運行已逐漸成為當前的熱門研究之一。
　　本文主要以電動汽車用五相永磁容錯電機作為對象，重點分析電機的正常運行狀態(tài)和匝間短路運行狀態(tài)，并針對電機不同的運行狀況和不同故障嚴重程度情況，探討了基于人工智能方式的故障模式識別系統(tǒng)。本文內(nèi)

2、容概括如下:
　　1、根據(jù)電機運行原理推導出五相永磁容錯電機數(shù)學模型，在分析了電機無故障運行的情況下，建立五相永磁容錯電機在發(fā)生單相繞組短路故障下的模型并搭建其矢量控制仿真模型，利用軟件Matlab/Simulink，仿真了電機的正常運行狀態(tài)以及不同嚴重程度下電機匝間短路故障狀態(tài)，分析了短路故障對電機輸出信號和運行狀態(tài)的影響。
　　2、介紹了快速傅立葉變換(FFT)和主元分析(PCA)降維方法，并應用到電機匝間短路故障的診斷

3、中，對電機故障電流信號進行分析。因為電機故障產(chǎn)生的影響很大，必須及時準確的診斷出故障及其嚴重程度，本文介紹了人工神經(jīng)網(wǎng)絡(NN)的基本知識，在經(jīng)典BP神經(jīng)網(wǎng)絡輸入層上提出改進方法，并應用到電機單相匝間短路故障智能模式診斷研究中，通過仿真結果的對比分析驗證該方法的優(yōu)越性。
　　3、引入支持向量機(SVM)分類方法，采用最小二乘支持向量機(LS-SVM)。在二分類支持向量機的基礎上，重點介紹了多分類支持向量機，在粒子算法的基礎上實現(xiàn)了