大型电机的状态监测及故障诊断技术

通过对故障特征信号的提取分析可以对电机故障进行判断.本文对电机的多种基于信号监测的故障分析方法进行了原理分析,并对每种分析方法所适用的故障诊断类型及优缺点给予说明,最后指出其发展趋势,为电机故障诊断方法的应用提供了参考依据.     

远海航行船用电机监测与故障诊断

基于电机监测的一般手段和方法,针对船舶远海航行航时长、航程远以及复杂情况多发的特点,对船用电机定期监测,并根据数据的变化进行分析和故障诊断。通过具体的电机检查排障工作,验证了电机监测的可靠性与可行性。     

基于BP神经网络的舰船电机故障诊断

为了准确判断舰船电机故障类型,找到故障原因,建立基于BP神经网络的舰船电机故障诊断模型,收集故障样本数据.运用MATLAB软件进行仿真,以实例进行检测.检测结果表明,构建的模型准确可靠,可以模拟电工人员对舰船电机故障作出正确诊断,验证了BP神经网络的优越性和可行性.     

基于神经网络的电机转子断条故障诊断

由于电机工作过程中,转子断条故障将导致电机出力下降、运行性能恶化。因此研究更高效的电机故障诊断的理论方法和技术策略对其进行检测、特别是早期检测,迫在眉睫。本文采用神经网络技术以其高度的并行处理、联想记忆、自学习、自适应以及极强的非线性映射能力等特点经过反复的多次训练样本的选取,对电机转子断条故障引起各参数变化进行实时的在线模拟训练监测从而达到满意效果,并通过试验充分验证了其高效性。     

基于神经网络算法的感应电机故障诊断方法

本文研究电机转子断条故障的诊断机理,选取小波包分析作为信号处理的前置手段,得到输出神经网络的特征向量。神经网络通过学习训练得到诊断结果,将小波的局部特性和神经网络的自学习特性结合起来,使诊断系统具有自适应分辨性和良好的容错性。本研究已经应用于电机故障诊断教学实验,针对特征向量提取方法实现了故障的诊断和区分。     

基于遗传神经网络的感应电机故障诊断研究

针对电机故障诊断的特点,提出一种基于遗传神经网络(BP)进行异步电机故障检测的新方法.针对神经网络易陷入局部最小点的固有缺点,采用遗传算法(Genetic Algorithm,简称GA)对神经网络初始权值进行全局优化.实践证明该方法可以有效地实现对异步电机的故障诊断,且易于实现,有一定实用价值.     

神经网络在电机故障诊断中的应用综述

介绍神经网络在电机故障诊断方面的应用情况,系统地分析所采用的反向传播神经网络、径向基函数神经网络、小波神经网络、集成型智能诊断系统等网络模型及其最新的进展情况,并提出了未来的重点研究方向。     

基于定子电流监测方法的电机故障诊断

电机是一种复杂的旋转机械,其故障种类多而且难以辨别。为了对小功率异步电机的常见故障进行正确快速地诊断,采用小波分析技术对几种常见故障所引起的定子电流变化进行了多分辨率分析。从能量分布的角度出发,快速且较为准确地诊断出电机故障。诊断效果表明,小波分析是对电机故障进行定子电流诊断的有效方法,同时为电机故障在线实时诊断提供了理论依据。     

基于DSP的电机控制与状态监测系统设计

利用DSP TMS320F2812开发了既能满足多台电机控制需求,又能对电机运行状态进行实时监测,且通过CAN总线进行分布式控制和数据共享的系统.系统使用磁场定向控制算法通过DSP的PWM输出对电机进行电流矢量控制,使用过采样算法通过DSP片上集成ADC模块及其前端预处理电路对电机的振动信号进行高精度的数据采集,并利用DSP的高性能CPU对振动数据进行在线数字滤波和时频域简单预处理,通过CAN总线发送上位机控制命令并上传状态数据.系统实现了对多台电机的控制和在线状态监测,并为远程故障诊断打下了坚实的基础.     

风力机状态监测与故障诊断技术研究

介绍了风力发电机组的基本构成,对风力机常用状态监测技术及主要测量参数进行了分析研究,并分析了风力机部件的常见故障,研究了部件的故障机理,最后,分析研究了适合于风力机的多种故障诊断方法,对国内外风力机状态监测、诊断技术和系统应用现状进行了概述。研究结果对保证风力发电机组安全运行,减少故障发生率,提高风力发电机组的运行可靠性,实现基于状态维修起到了指导作用。     

粗糙集和BP神经网络在变压器故障诊断中的应用

结合粗糙集和神经网络,运用Visual C++语言编程实现了对变压器的故障诊断.     

故障树和BAM神经网络在光伏并网故障诊断中的应用

介绍了光伏并网发电系统的主要故障模式及故障原因,以及故障树(FT)的理论和双向联想记忆(BAM)神经网络的结构与学习算法。针对光伏并网系统工作过程中可能出现的故障,提出一种将故障树和双向联想记忆神经网络融合在一起的故障诊断方法。通过故障树分析法(FTA)得到系统的所有故障模式,然后再由故障模式和根据维修经验的故障分析归纳出BAM的学习样本,即故障模式与故障分析之间的对应。通过光伏系统故障诊断的实验与应用,结果表明,该方法具有很好的实时性和有效性。     

模糊神经网络在变压器故障诊断中的应用研究

基于模糊逻辑理论和人工神经元网络，提出了将模糊神经网络应用于变压器故障诊断的方法，该方法实现了变压器故障的智能诊断。     

基于混沌神经网络动态联想记忆的电机故障诊断

采用一种由混论神经元构成的神经网络,通过研究其非线性动力学特性、混炖吸引子轨迹以及对初始条件的敏感性,实现混炖神经网络的动态联想记忆。在此基础上,应用混沌神经网络对异步电动机鼠笼转子断条故障进行动态记忆和恢复。研究结果表明,基于混炖神经网络的故障诊断有助于故障模式的记忆和重视。     

用神经网络方法诊断变压器故障

基于局部特征量的神经网络方法对变压器的故障诊断进行了新的探索，建立了相应的故障诊断的神经网络压缩模型，实例诊断结果证明，这种方法的有效性，本方法能够诊断传统的三比值法无法诊断的故障，对于其他系统的故障诊断，也具有定的指导意义。     

基于人工鱼群神经网络的抽油机故障诊断

BP神经网络应用于抽油机的故障诊断时易陷入局部极值,同时收敛速度也无法保证。在此前提下,提出人工鱼群神经网络算法的抽油机故障诊断新方法,充分利用人工鱼群在全局范围的快速寻优特性以克服BP神经网络收敛速度较慢和易陷入局部最优解的缺点,从而提高故障诊断的准确率和速度。以抽油机的管漏、供液不足、杆断脱、泵漏失、气影响五种故障类型为例,利用MATLAB分别搭建了传统BP神经网络和人工鱼群神经网络的模型,并对两种方法的诊断结果进行了比较。仿真结果充分说明了人工鱼群神经网络在抽油机故障诊断中的可行性、准确性和优越性。     

基于BP神经网络的电力变压器故障诊断

介绍了基于BP神经网络的电力变压器的故障诊断方法,并给出了实例.     

基于模糊神经网络的异步电动机故障诊断研究

在对当前的检测方法与故障诊断手段研究的基础上,提出了基于模糊神经网络的故障诊断方法。该方法利用改进的BP算法,提高了学习速率,增强了稳定性。同时,针对异步电动机常见的故障特点,运用该诊断模型,对异步电动机故障进行了诊断。仿真结果表明：它具有准确度高,诊断速度快等优点,是一种较实用的故障诊断方法。     

小波包能量熵神经网络在电力系统故障诊断中的应用

提出了一种基于小波包能量熵神经网络的电力系统故障诊断方法。对采集到的故障后电压信号进行3层小波包分解,提取小波包能量熵,然后构造信号的小波包特征向量, 并以此向量作为故障样本对3层BP神经网络进行训练,实现智能化故障诊断。ATP和Matlab仿真结果表明该方法有效可行。     

自适应小波分类网络在充油电力设备故障识别中的应用

本文针对电力设备故障诊断的特点,提出了一种用于高维数据分析的小波分类网络（ＷａｖｅｌｅｔＣｌａｓｓｉｆｉｃａｔｉｏｎＮｅｔｗｏｒｋ,简称ＷＣＮ）,并结合具体应用研究了提高网络推广能力和抗噪性能的方法。实例检验结果证明了该网络应用的有效性。