旋转整流器故障神经网络识别研究.pdfVIP

旋转整流器故障的神经网络识别研究 刘 念 王海田 党晓强 刘 靖 四〔川大学电气信息学院 610065成韵 摘 要:以630kW无剧励磁同步电机为研究对裁 采用神经月络识别故蹄.在旋转签流若各种故降状 态下，侧试交流扇猫机极间探侧线圈中感应电势的各次谐践 作为神经网络的训练样本.级后，将经过 训练的神经网络程序棋块里入计算机监侧系统中，以识别旋转整流居的各种故降类型. 关健词:旋转整流廿 神经网络 故障识别 0引言 随着电力工业的迅速发展，发电机向大容盆或超大容t方向发展.发电机所需励磁电流变得越来越 大.这就引起了一系列问且，如集电环与电刷发热加剧，易产生磨扭，嗓音和火花等. 目前。我国大型发电设备制造公司先后引进和开发了无别局磁技术 井成功地将这项新技术应用到 300MW至600MW的发电机组上.但息 由于去掉了电剧和淆环，使得转子旋转整流巷故降类型的识 别问砚成为无刷励磁同步发电机监侧的难点之一 文献l[]s[J介绍的方法能够识别旋转整流器是正常还 是故障，其主要思路是将探侧线圈中的感应电势铁形通过频进分析计算后，采用各次谐映电势幅值作为 反映故障类型的特征盈，然后比较其大小，进行故阵的分类识别.但此法识别故降范国有限，特别是同步 发电机组处于过励状态时，交流励磁机极间探测线圈中感应电势波形易发生畸交，造成误判或汤到现 象. 本文采用神经网络技术来解决上述难砚。将一台630kW无月吐励磁同步电机机组作为研究对象.确 定其神经网络的故障识别数学棋型，并在翅转整流签各种故降状态下，侧试其交流助磁机极间探侧线. 中感应电势的各次谐波，获取神经网络的训练样本，用于训练神经网络，最后实现了旋转拉流器故降的 神经网络计算机识别. 1故障识别的网络结构与训练 旋转整流舒是无那目励徽同步电机机组的核心部件.旋转整流券故障多为突发性产生 井很快转交为 故雌恶化和多故障并发，最终烧坏旋转整流a，造成同步电机抓组转子振荡、转子拐坏和失步等严重故 降.因此要求监侧系统能够快速、准确地识别旋转整流拐故障，并给予报苦. 在旋转整流器故蹄识别中，前饮神经网络具有独特的优点.其网络结构简单，容错性张，网络不要 求训练样本完全与标准模式相匹配，只要求训练祥本具有一定的故障特征即可.网络经训练后，其在线 故库识别既准确又迅速，完全能满足快速识别与旋转整流备故阵报替的要求.当各神经元均采用Sigmoid 函数时，只需采用前向三层神经网络权可快速地完成故降分类识别任务14A图】所示的无剧励磁同步电 机旋转整流移故降识别的神经网络，仅由轴入层，输出层和一个中间层所构成。 偏人r 中间房 二:::愉出赚 图z 故峰识别的神经网络 6 在田I中.物入层有6个神经元其输入信号是y,0)1尹:·J尹，分别为交流励磁机定子极间探侧线圈 中感应电势信号的葵该夕次~ ‘次谐浪的相对值，神经网络的抽入信号可从文献[1]采用的信号采集与数 据处理方法中获取;中间层有二个神经元;艳出层有3个神经元，其理想输出分别是(0.7,0.1,0.1), (0.1,0.1,0.9),(0.1,0.9,0.1),..，(0.9,0.9,0.91因此 该故障识别的神经网络能够识别旋转整流器的8种运 行工况。 在图1中，每层包含有若千个神经元第k层中第了个神经元有下列物入输出关系: Y，犷ak)，==F。全[(z-w-ik(1)yok(4，一，1k()) (1) 式中i=1,z..，N。;“二1,Z3;w尸，是第正一1层中第个‘神经元到第k层中第J个神经元的加权值， 它分布在神经元之间的突触上，使图1所示的神经网络具有分布式存储各类故障综合信息的特点; Bfk()是对应神经元的BAt:N,是第kZ)R;0n#HF,(A神经元的型“传递Me. 在旋转整流公故障运行中，通过实验收集到若千类型的故障样本集Y忿,Y呈，一Y，罗，并设皿变换目标输 出泞,Y夕，一,，Y7,因此，故阵识别神经网络中的W罗_p可通过训练神经网络得到，娜经网络浦足: 二LV,i一Ylu