基于小波神经网络的电机故障诊断研究

提出了用小波神经网络对电机进行故障诊断的方法。利用小波神经网络对任意函数或信号具有有效的逼近功能的这一特点,对异步电动机故障进行有效的诊断与监控。通过实例仿真验证了基于小波神经网络的电机故障诊断方法,并与BP神经网络比较,进一步说明小波神经网络在故障诊断中的优越性。     

基于BP神经网络和小波包能量熵的异步电动机故障诊断

为了高效解决异步电动机故障问题,提出了一种基于反向传播(BP)神经网络和小波包能量分析的异步电动机故障诊断系统。采用定子电流信号作为异步电动机的故障信号,运用小波包能量分析对采集的定子电流信号进行分析,提取出相应的故障特征向量。为了提高诊断的准确性,提取信号时域、频域的特征,输入到BP神经网络中进行训练学习。经过足够多的训练后,用测试样本对其精确率进行测试。通过所提方法,可以及时排除及修正异步电动机故障,提高工厂的经济效益。     

基于BP神经网络模型的异步电动机故障辨识

针对目前三相异步电动机故障诊断方法存在的局限性及其缺陷,在利用小波包分析提取电动机故障信号特征量基础上,提出基于蝙蝠-粒子群及改进BP算法的异步电动机BP神经网络故障辨识模型,采用蝙蝠-粒子群算法优化BP神经网络结构参数,利用改进BP算法训练BP神经网络.仿真结果分析表明,该BP神经网络模型用于三相异步电动机故障辨识,...     

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。     

基于小波与参数区间估计法的电机故障诊断

为利用电机噪声信号对电机进行出厂故障诊断,采用小波分析技术对小功率异步电动机噪声信号进行多分辨率分析。从能量分布出发,结合概率论参数区间估计法获得不同故障各频段能量区间,对电机进行故障诊断。实验证明,不同故障的各频段能量区间不同,根据能量分布区间可以有效地诊断电机故障类型。     

基于RPROP神经网络算法的异步电动机故障诊断

为了更快、更精确地识别异步电动机的各种故障类型,克服BP神经网络存在的局部极小值和收敛速度慢等问题,提出了一种改进的BP算法——RPROP（Resilient PROPagation）神经网络算法。在介绍RPROP算法的基础上,建立了基于RPROP算法的异步电动机故障诊断模型,对异步电动机的定子匝间短路、转子断条、转子偏心和轴承4种故障进行识别和诊断。实验结果表明,该方法对异步电动机的故障诊断是有效的。     

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。     

基于高频信号注入的异步电动机转子故障诊断方法研究

鉴于工频分量对异步电动机转子断条故障特征分量的泄露影响,提出了高频信号注入的异步电动机转子故障诊断新方法.推导出高频信号注入后转子断条新的故障特征频率,采用电机多回路理论和绕组函数理论建立异步电动机完好以及转子断条故障数学模型,通过仿真验证了高频信号注入法在电机轻载情况下对诊断转子断条故障的有效性和可行性.     

网络化电动机故障智能诊断和保护系统

针对目前电动机保护中存在的现场综合保护系统通信功能不强、综合保护与早期故障诊断不能有机结合等问题,应用计算机技术、网络技术、多处理器技术、神经网络和故障智能诊断等技术,设计了一种网络化的电动机故障智能诊断与保护系统。重点介绍了同步采样脉冲产生电路和以太网通信模块的设计,给出了上位计算机采用经遗传算法优化的BP神经网络对电机的早期故障进行智能诊断的软件流程。试验结果表明,该系统能准确诊断电机的各类故障并实施有效保护。     

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。     

基于小波包的异步电动机故障分析

小波包分析是一种能有效进行时一频定位和微弱信号提取的方法,它对信号具有最优降噪处理能力。采用小波包分析法来提取异步电动机振动信号的故障特征,并将电机故障信号和正常信号的特征频段能量进行对比,给出定量对比的结果,充分说明故障与无故障之间存在明显差异,从而实现异步电动机的故障诊断。实例证明该方法正确有效。     

基于小波包的异步电动机故障分析

小波包分析是一种能有效进行时-频定位和微弱信号提取的方法,它对信号具有最优降噪处理能力。采用小波包分析法来提取异步电动机振动信号的故障特征,并将电机故障信号和正常信号的特征频段能量进行对比,给出定量对比的结果,充分说明故障与无故障之间存在明显差异,从而实现异步电动机的故障诊断。实例证明该方法正确有效。     

基于小波分析和神经网络的电机故障诊断方法研究

在电机故障诊断技术中,电机振动信号最能全面反映电机的运行状态.由于电机振动信号属于非平稳随机信号,传统的傅里叶变换从频域角度进行信号分析,只能说明信号中某频率成分幅值的大小和频率密度,不能检测奇异信号点的时域信息,而且还可能将含有丰富故障信息的微弱信号作为噪声滤去.因此,不能完全满足故障信号特征提取的要求.为解决这一问题,提出一种基于小波分析和神经网络的电机故障诊断方法,该方法采用小波时频分析技术对电机故障振动信号进行消噪滤波,通过小波包分解系数求取频带能量,根据各个频带能量的变化提取故障特征,应用BP神经网络进行故障识别,并采用Matlab仿真软件予以实现.结果表明,该方法不需要建立电机的故障诊断模型,能有效提高电机故障诊断的准确性.     

基于最小二乘支持向量机的电机故障鉴别

针对异步电机的构造与转子故障特征,基于统计学习理论提出了信号处理技术与支持向量机故障诊断相结合的方法,以鼠笼式异步电动机为研究对象,建立了电机转子故障实验系统,并采集了电机故障信号,使用最小二乘支持向量机(LS-SVM)进行故障分类。其次针对鼠笼式电机转子多故障分类问题,提出了小波包分析两种不同故障信号预处理方法,将采集的电机机壳振动信号分别进行分析,提取了故障特征向量,并结合LS-SVM分类功能,实现对电机转子不同故障的有效分类。实验结果表明,小波分析与LS-SVM结合的方法具有很好的分类精度。     

三相逆变器功率管故障智能诊断研究

以三相逆变器-电动机驱动系统为例,研究基于神经网络的逆变器故障智能诊断方法.在三相逆变器易发的功率管开路故障、短路故障及短路故障后逆变器工作状态理论分析和仿真实验研究基础上,建立三相逆变器故障仿真模型.通过仿真实验获取逆变器故障状态下的电机定子电流信号数据,利用信号分段方法提取故障特征构造神经网络的学习样本,并以此训练神经网络,确定用于三相逆变器故障诊断的神经网络结构和参数.在感应电机矢量控制系统中进行仿真验证,仿真实验结果表明,该方法相对已有逆变器故障诊断方法,具有诊断迅速、可靠性高的优点,可在20ms内在线完成上述各种功率管故障的诊断.     

异步电动机故障仿真与诊断研究

针对异步电动机传统故障诊断方法存在的问题,基于Simulink平台建立异步电动机故障仿真模型,应用人工神经网络开展故障诊断研究.在Simulink平台上选取仿真模块,设置单相短路(A相、B相、C相)、两相短路(AB、AC、BC)等6种接地短路故障类型,设定仿真参数,并进行仿真分析;建立异步电动机BP神经网络诊断模型;提...     

基于谐波分析的异步电动机故障诊断研究

针对传统方法在异步电动机故障诊断应用中造成设备停机、诊断维修不及时、不到位和维修过于频繁、盲目维修等影响生产运作的问题,研究一种基于电流谐波分析的故障诊断方法。在不影响异步电动机运行的情况下,采集电流信号进行去噪处理和频谱分析,得到各高次谐波,并做归一化处理,与对应劣化标准进行对比,从而作出相应的故障诊断。通过实验验证和分析结果表明,该方法可有效判断出异步电动机的故障原因及故障程度,对维持生产稳定、减少事故、降低成本等具有重要意义。     

基于小波变换的改进LMS算法在异步电动机轴承故障诊断中应用

基于电机定子电流信号分析方法的异步电动机轴承故障检测中,计及实际电动机供电电压谐波和三相电压不平衡等外部因素的情况下,如何实现轴承故障的可靠检测一直是电动机故障检测领域的难题.对传统的定子电流频谱分析方法进行了深入研究,讨论了传统最小均方算法(LMS)自适应滤渡方法在信号处理中的不足.在此基础上,提出了将小渡分析、连续细化傅里叶变换和改进LMS自适应滤波方法有机结合的异步电动机轴承故障检测新方法.该方法能够正确判断轴承故障特征频率分量,从而提高异步电动机轴承故障诊断效果,实现轴承故障的可靠检测.实验结果表明了该方法的有效性.     

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.     

基于粗糙集和聚类PSO-RBF的水电机组故障诊断

正将聚类PSO优化粗糙集-神经网络算法引入水电机组故障诊断中,利用聚类算法和PSO算法的优点改进粗糙集属性约简方法并对水电机组故障的检测信息进行约简,提取对故障分类起主要作用的信息,并用BP神经网络对粗糙集处理后的故障信息进行诊断。该方法降低了神经网络的输入信息空间维数,简化神经网络结构,有效提高故障诊断的准确性。通过对水电机组振动故障数据进行诊断分析,