基于小波分析和神經網絡的異步電動機故障診斷.pdf

1、異步電機具有結構簡單、堅固耐用、價格低廉、使用和維護方便等優(yōu)點，在國民經濟各領域得到廣泛應用。所以電機是否正常工作，對保證生產制造過程中的安全、高效、優(yōu)質及低耗運行意義非常重大。電機的故障和停止運行，不僅會損壞電機本身，而且會影響整個生產系統(tǒng)的正常工作，甚至會危及人身安全，造成巨大的經濟損失和惡劣的社會影響。因此要求對電機的早期故障進行診斷日益緊迫，通過對電機常見故障的診斷和分析，可以及早發(fā)現(xiàn)故障和預防故障的進一步惡化，減少突發(fā)事故造成

2、的停產損失。
　　 本文對電機的幾種典型故障如軸承故障、轉子斷條故障、絕緣故障進行分析，詳細闡述了這幾種電機故障的機理及產生原因。在試驗中，本文采集了電機正常和故障電機的振動信號及定子電流信號進行分析。在故障檢測技術中，信號故障特征的分析與提取直接關系到故障診斷的準確性。電機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的故障特征，小波變換具有良好的時頻局部性，能夠將信號在任意頻段進行劃分，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。人工神經網絡在智能故障診斷中得到了廣泛的應用，本文介紹了一種基于改進型Elman神經網絡的異步電機故障檢測的方法，通過在基本的Elman神經網絡的承接層單元上增加了一個自反饋連接，增加了它的動態(tài)跟蹤功能。同時提出采用粒子群算法(PSO)的Elman神經網絡的混合優(yōu)化策略，通過PSO優(yōu)化連接權值來對神經網絡進行訓練，相比于標準的BP算

4、法，PSO是采用實數編碼，其結構簡單，學習收斂快。該方法實現(xiàn)了網絡在線學習，通過時間窗的推移，不斷地利用新采集數據對網絡進行訓練，提高了網絡的建模效率和對真實數據的擬合能力。仿真結果表明該模型適合于對異步電機進行故障診斷。最后結合VB的界面顯示功能和Matlab的計算功能，借助AetiveX部件和動態(tài)數據交換(DDE)技術來實現(xiàn)VB-與Matlab的混合編程，從而對基于小波分析和改進型PSO-Elman神經網絡的軟件模型進行設計。通過將