永磁轮毂电机技术发展综述

电传动技术是车辆实现全电化的重要基础,电驱动系统是电动车辆的动力核心,而轮毂电驱系统是电驱动系统的终极驱动形式,轮毂电机的性能在轮毂电驱系统中具有决定性作用。首先,该文介绍了轮毂电驱系统的结构形式,对不同磁场类型的轮毂电机的优缺点进行了分析;其次,调研了目前市场主流轮毂电机产品的性能参数,为轮毂电机的研发提供参考目标;然后,针对轮毂电机高功率/转矩密度、宽转速运行范围、高运行效率和高可靠性等需求,分别调研了径向磁场、轴向磁场和横向磁场等不同类型的永磁轮毂电机的研究现状;最后,展望了不同磁场类型的永磁轮毂电机的发展方向。     

低速大转矩永磁直驱电机研究综述与展望

低速大转矩永磁直驱电机替代传统的感应电机加机械减速机构的传动模式具有明显的优势,受到越来越广泛的关注。转矩密度是衡量低速大转矩直驱电机的关键指标之一,本文主要从结构特点、应用现状和科研进展等方面,介绍了真分数槽集中绕组永磁电机、永磁游标电机、永磁盘式电机、横向磁通电机和双定子/双转子电机等几类高转矩密度低速大转矩永磁直驱电机。概述了转矩脉动、气隙偏心故障、机械强度和温度场研究等的必要性和方法。基于研究现状展望未来发展方向,为实现高性能低速大转矩永磁直驱电机提供参考。     

四相双电枢绕组分布电励磁双凸极电机短路故障研究

短路故障是一种较为严重的电机故障,研究电机在短路故障下运行特性对提高电机在特殊环境下的运行能力至关重要.本文提出了一种四相12/9极双电枢绕组分布电励磁双凸极电机,深入研究了其基本结构与工作原理.在此基础上通过有限元仿真研究电机在两种短路故障下的绕组电流、磁链和端电压等电磁特性,得出了短路电流产生的电枢反应对电机的影响...     

直驱永磁电机绕组匝间短路故障研究

直驱永磁电机包括旋转结构与直线结构,其电磁负荷高,直接与负载相连接,电机的可靠性运行对系统安全非常重要,绕组匝间短路故障是其中一种重要的影响因素。本文以直驱永磁直线电机（PMLM）为研究对象,基于有限元方法分析了初级绕组匝间短路故障对电机性能的影响。首先介绍了直驱PMLM的拓扑结构与气隙磁场,分析了匝间短路对相电流与短路电流的影响,然后计算了短路匝数、短路位置对电机性能的影响,包括三相电流、短路电流、平均推力与推力波动,最后总结了匝间短路故障对PMLM性能的影响,为直驱系统的故障诊断与容错运行提供理论支持。     

交流电机绕组直流电阻测试的有效性探讨

为了提高交流电机绕组故障判断的准确性,本文对交流电机绕组直流电阻测试的有效性进行了分析,并提出了测试电机工频特性值的做法.建议在测试电机直阻的基础上,加测电机绕阻的电感,阻抗,相角等工频特性值.综合分析各种数据,这样能快速准确地找出电机绕组方面的故障.     

新能源直驱电机防水结构优化设计

从优化新能源直驱电机油封工作环境的思路出发,开展了电机防水结构优化设计.同时通过防水能力试验,得出了一套试验验证方法,并通过该方法验证了新设计防水结构的性能,证明新设计的防水结构可有效提高新能源直驱电机的防水能力.     

基于特种车辆永磁同步多用途电机驱动系统设计

特种电驱车辆分布式电驱系统中各电机具有独立的控制自由度,部分系统采用相同功率级别的电机驱动,且两个系统的工作流程不存在重叠工况。车辆采用各自独立的电机控制器来控制。针对特种车辆应用需求,介绍一种多用途电机驱动系统,考虑双电机复用一套多用途电机控制器,分时复用,控制不同的电机,从而减少整车电机控制器数量,提高系统集成度,应用效果理想。     

电驱压缩机站电机正压通风控制系统介绍与故障分析

概述了电驱压缩机组在电机启动和运行中采取的防爆措施,对正压通风系统的结构原理以及每个元件的功能分阶段进行分析,便于在生产过程中确切掌握故障原因,采取相应的措施及时排除故障,提高设备运行的可靠性。     

汽电双驱高压大容量三相异步电机的研制

介绍了汽电双驱高压大容量三相异步电机的研制情况。阐述了该电机在不同工况下的电动-发电原理,提供一种新型节能环保"汽电双驱"引风机方案用高效节能环保电机产品,该产品有广阔的市场前景。     

基于概率神经网络模型的异步电机故障诊断

针对传统故障诊断方法的局限性,提出一种基于概率神经网络(PNN)的诊断方法.以异步电机转子断条、偏心、失电残压等故障为例进行了诊断研究,通过选取故障样本来训练PNN,将故障信息输入训练好的PNN模型后,由输出结果即可判断发生的故障种类.MATLAB仿真表明,基于PNN的电机故障诊断方法能有效识别出电机故障,故障诊断准确率高,易于工程实现.但神经网络还处于发展阶段,仍有不少问题需进一步研究.     

基于多传感器信息融合和神经网络的汽轮机故障诊断研究

针对传统故障诊断方法存在的诊断准确性不高的问题,提出了基于D-S证据理论的多传感器信息融合技术与BP神经网络相结合的方法,实现对汽轮机的机械故障诊断.由多个传感器采集振动信号,分别经小波变换特征提取后获得故障特征值,再经BP神经网络进行故障局部诊断,得到相应传感器对故障类型的基本可信任分配函数值,即获得彼此独立的多个证据,然后运用D-S证据理论对各证据进行融合,最终完成对汽轮机机械故障的准确诊断.实验结果表明,该方法克服了单个传感器的局限性和不确定性,是一种有效的故障诊断方法.     

基于改进遗传小波网络的电机故障诊断研究

用频谱分析方法提取了无刷直流电动机的正常工作状态和几种常见的故障(位置传感器一路故障、A相绕组断路故障和驱动开关断路故障)时的特征信号,进行了诊断算法研究,提出了用改进遗传算法优化小波神经网络参数的调整过程,并用改进遗传小波神经网络对无刷直流电动机进行故障诊断。仿真结果表明,与经典遗传小波神经网络、小波神经网络和BP神经网络等方法进行比较,该方法在无刷直流电动机故障诊断中具有更快的收敛速度和更高的诊断精度。     

基于改进粒子群优化神经网络的电机故障诊断

为了更加准确快速地诊断出三相异步电动机运行过程中发生的各类故障,在采用小波包分析提取异步电机故障特征向量的基础上,提出了一种混沌动态权重粒子群算法(CDW-PSO)优化BP神经网络的故障诊断方法,构建电机的神经网络故障诊断模型,采用混沌动态权重粒子群算法优化神经网络的结构参数。实验分析表明,采用该方法用于电机故障诊断,诊断速度快、准确性高、可靠性好。     

基于信息融合技术的电机故障诊断

为了从多方面反映电机系统状态,实现对电机故障模式的自动识别和准确诊断,将数据融合技术与神经网络相结合,建立电机故障诊断系统。首先在数据融合级上对故障特征量进行分类处理,然后采用多层神经网络进行故障特征级融合和电机故障的局部诊断,获得彼此独立的证据,再运用DS(DempserShafer)证据理论融合算法对各证据进行融合,最终实现对电机故障的准确诊断。诊断测试试验证明,该诊断系统提高了电机故障诊断的精度,能够满足诊断的实时性要求。     

基于信息融合技术的电机故障诊断

为了从多方面反映电机系统状态，实现对电机故障模式的自动识别和准确诊断，将数据融合技术与神经网络相结合，建立电机故障诊断系统。首先在数据融合级上对故障特征量进行分类处理，然后采用多层神经网络进行故障特征级融合和电机故障的局部诊断，获得彼此独立的证据，再运用D-S（Dempser sha-fer）证据理论融合算法对各证据进行融合，最终实现对电机故障的准确诊断。诊断测试试验证明，该诊断系统提高了电机故障诊断的精度，能够满足诊断的实时性要求。     

基于多分辨率小波网络-BP神经网-D-S证据理论信息融合模型的直流系统故障诊断方法

直流系统接地故障检测中常用的低频信号注入法容易受到大电容接地、环网以及电流互感器故障和饱和等因素的影响.针对这种情况,引入多传感器信息融合的思想,提出了基于"多分辨率小波网络-BP神经网络-D-S证据理论"信息融合模型的故障诊断方法,以综合多个信息源对直流系统的接地故障进行诊断.对具有3条支路的直流供电系统进行的仿真分析表明,在上述情况下利用该方法可以有效诊断出直流系统的故障支路,具有较好的诊断效果.     

基于D-S证据理论的感应电动机转子故障诊断方法研究

提出运用D-S(Dempster-Shafer)证据理论对感应电动机转子断条故障进行识别的故障诊断方法.基于小波包变换的频率划分特性,对定子电流信号进行小波包分解,建立了转子断条故障的特征矢量,提取转子断条故障的特征信息,利用BP神经网络对其识别的结果形成彼此独立的证据,并根据D-S证据融合规则进行融合处理,以实现对电动机转子断条故障的准确识别.实验结果表明,该方法克服了传统基于FFT分析方法难以提取故障特征频率分量的难点,提高了故障诊断的判决精度,可实现转子断条故障的可靠诊断.     

基于 BP 神经网络的无人机IMU 多传感器冗余的补偿算法

针对无人机多传感器数据决策时存在的数据可靠性不足以及资源浪费的问题,提出一种基于 BP 神经网络的无人机惯 性测量单元(IMU)多传感器冗余的补偿算法。 将低精度的 IMU 传感器数据输入到 BP 神经网络,利用 BP 神经网络的非线性拟 合能力,补偿低精度 IMU 数据的误差,然后利用基于置信度的数据仲裁算法对多个较高精度数据进行仲裁,输出经过数据融合 后的传感器数据,此过程还可以进行传感器故障判断和定位。 通过改变同类型传感器安装方式解决奇点问题。 实验结果表明, 经过神经网络误差补偿后,误差比原来减小了 55. 2%,比使用卡尔曼滤波算法进行误差补偿后的误差小 53. 9%。 此算法充分发 挥了冗余传感器设计的优势,提高了传感器系统的可靠性。     

基于小波神经网络和D-S证据理论的电力变压器故障诊断研究

>Transformer faults are quite complicated phenomena and can occur due to a variety of reasons.There have been several methods for transformer fault synthetic diagnosis,but each of them has its own limitations in real fault diagnosis applications.In order to overcome those shortcomings in the existing methods,a new transformer fault diagnosis method based on a wavelet neural network optimized by adaptive genetic algorithm(AGA)and an improved D-S evidence theory fusion technique is proposed in this paper.The proposed method combines the oil chromatogram data and the off-line electrical test data of transformers to carry out fault diagnosis.Based on the fusion mechanism of D-S evidence theory,the comprehensive reliability of evidence is constructed by considering the evidence importance,the outputs of the neural network and the expert experience.The new method increases the objectivity of the basic probability assignment(BPA)and reduces the basic probability assigned for uncertain and unimportant information.The case study results of using the proposed method show that it has a good performance of fault diagnosis for transformers.     

基于改进RBF神经网络的光伏组件故障诊断

由于光伏组件的输出特性受多种因素混合影响,对光伏组件的故障检测是一个严峻的考验.为了保证故障诊断的实时性和精确性,采用多传感器法提取短路和开路故障特征,利用电压扫描法获取不均匀光照引起的热击穿和电击穿故障的判断依据,以故障特征为判据,给出一种基于K均值聚类算法的改进RBF神经网络的光伏组件故障诊断方法,在Matlab平...