永磁直流电机故在线监测与智能诊断的研究.pdfVIP

Classified Index ：TM307.1 U.D.C ：621.3 Dissertation for the Doctoral Degree in Engineering STUDY ON ONLINE DETECTION AND INTELLECTUAL DIAGNOSIS OF FAILURES OF PM DC MOTOR Candidate: Liu Manlan Supervisor: Prof. Cui Shumei Academic Degree Applied for: Doctor of Engineering Speciality： Electric Machine and Apparatus Affiliation: School of Electrical Engineering Date of Defence: November, 2007 Degree-Conferring-Institution: Harbin Institute of Technology 摘要 摘 要 小功率永磁直流电机因其具有结构简单、运行可靠、体积小、重量轻、效 率高等优点，被广泛地应用于汽车工业以及航空、航天领域。为了这些电机的 安全运行，本文研究了一种简便的永磁直流电机故障在线监测与智能诊断方法。 针对在线故障监测的实时性与简便性的要求，提出了一种基于电流信号分 析与处理的永磁直流电动机常见故障的诊断方法。以易于检测的永磁直流电机 电枢电流为故障诊断的信号源，综合利用基于信号处理的方法来实现故障特征 的提取，基于人工智能方法实现故障模式识别。 在分析了永磁直流电动机的故障机理和电机动、稳态电流在正常与故障状 态下的变化特性的基础上，建立了基于电枢电流分析的永磁直流电机故障诊断 的数学模型。确立稳态电流i 的均值i 、稳态电枢电流频谱谱峰对应的脉动频率 av f 及其脉动幅度istd 、电机起动电流的峰值im 和峰值点附近的下降速率k 这五个 量确立为永磁直流电机故障诊断的特征参数，并将它们相对于正常状态的变化 量组成故障特征向量：T [f i i i k ]。 e av std m 以数台永磁直流电机为实验样本，对其常见的元件开路、匝间短路、电刷 磨损，绕组脱焊四种故障进行空、负载电枢电流故障特征提取及故障机理分析， 实验结果与故障机理分析的一致性表明：本文提出的基于电流分析的永磁直流 电机故障诊断方法对永磁直流电机的常见故障的诊断具有通用性。 故障模式识别是实现故障智能诊断的关键环节。专家系统在故障诊断领域 中的应用，实现了基于人类专家经验知识的故障模式智能识别技术。但由于永 磁直流电机故障特征参数的分散性、随机性和模糊性较大，获取有效的永磁直 流电机的诊断知识成为建造故障模式识别专家系统的关键问题之一。机器学习 是解决知识获取问题的主要途径。目前应用较为广泛的基于机器学习的故障模 式识别方法主要有统计模式识别方法和人工神经网络方法。但统计模式识别方 法和人工神经网络方法都是建立在传统的统计学基础之上的分类算法，即只有 在足够多的样本前提下，其算法才是合理的，而当训练的是小样本数据