基于神經網(wǎng)絡的異步電機故障診斷研究.pdf

1、異步電機是工農業(yè)生產中廣泛應用的驅動設備，并且扮演著重要的角色。隨著現(xiàn)代工業(yè)系統(tǒng)的飛速發(fā)展，電機的單機容量不斷增加，其所驅動的負載也越來越復雜。電機故障不僅會損壞電機本身，嚴重時還會使電機突然停機，使生產線崩潰進而造成巨大的經濟損失，有時甚至還會對人身安全構成嚴重的威脅。因此，準確地發(fā)現(xiàn)并診斷出運行中電機的故障在工業(yè)生產中有著很重要的意義。
　　 本文分析了當前國內外電機故障診斷的現(xiàn)狀及存在的問題，對異步電機定子故障、轉子故障、

2、軸承故障中等幾種常見故障的機理及故障特征分別進行了深入研究；在詳細分析了傅里葉變換理論的基礎上，總結出其在分析非平穩(wěn)信號時的劣勢，采用了一種基于小波變換的故障信號特征提取方法；將通過小波變換提取出的能量值作為電機故障的特征向量。
　　 隨著神經網(wǎng)絡技術的發(fā)展，神經網(wǎng)絡已被廣泛應用于電機故障診斷這一領域。本文首先利用Matlab仿真平臺以標準BP算法訓練出的三層神經網(wǎng)絡對電機故障進行診斷，經仿真發(fā)現(xiàn)網(wǎng)絡不能收斂，并且停滯在局部極小

3、點附近。隨即提出了兩種改進方法，一是為標準BP算法增加動量項使其在迭代發(fā)生停滯時能夠跳出局部極小點，進而有效解決了BP算法易陷入局部極小的問題，使其收斂于全局最小點。二是利用基于粒子群算法(PSO)
　　 優(yōu)化的BP 神經網(wǎng)絡進行異步電機故障診斷。具體來說就是采用(PSO)算法對神經網(wǎng)絡的輸入層—隱層和隱層—輸出層的權值進行優(yōu)化。經驗證(PSO)優(yōu)化算法可以有效地克服BP 神經網(wǎng)絡存在的學習效率低，收斂速度慢以及容易陷入局部極小