采用RWNN的电机定子绕组匝间故障诊断方法 Detection Method for Stator Winding Turn Fault Using RWNN.pdfVIP

下载本文档

0
0
约1.83万字
约 5页
2017-08-03 发布于上海
举报
版权申诉

采用RWNN的电机定子绕组匝间故障诊断方法 Detection Method for Stator Winding Turn Fault Using RWNN.pdf

1、本文档共5页，可阅读全部内容。
2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
8、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

第35卷第7期高电压技术 V01．35No．7 2009年7月31日 31．2009·1607· HighVoltageEngineering July 采用RWNN的电机定子绕组匝间故障诊断方法王旭红1’2，何怡刚2 摘要：针对电机定子绕组匝间短路故障，提出了基于递归小波神经网络(RWNN)的故障在线诊断方法。该方法采用两个RWNN监测匝间故障，一个用于估算故障的严重度，另一个用于确定故障匝数。针对RWNN的训练，研计了试验系统，试验结果表明，基于RWNN的诊断模型可精确确定短路故障匝数，与前馈神经网络(FFNN)相比，能更有效地监测匝间短路故障的缓慢变化情况。关键词：异步电动机；定子绕组；匝间短路；故障诊断；RWNN；LM学习算法中图分类号：TN731．8 文献标志码：A 文章编号：1003—6520(2009)07-1607—05 DetectionMethodforStator TurnFault RWNN Winding Using WANG Xu—hon91”。HEYi—gan92 (1．SchoolofElectricalandInformation ofScience’and Engineering，ChangshaUniversity Technology， 410076，China； Changsha and 2．SchoolofElectricalInformation 410082，China) Engineering，HunanUniversity，Changsha recurrentwaveletneural onlinestator turnfaultdetectionmethodfor Abstract：A network(RWNN)一basedwinding inductionmotorswas whichtwoRWNNswere todetectturn wasusedtoestimate presented，in employed fault，one thefault otherwasusedtodeterminetheexactnumberoffaultturns．Inthecourseof severity-the training-Leven— wasintroducedtomaketheRWNN more were berg—Marquardt(LM)algorithm convergingquickly．Experiments carriedoutona rewound inductionmotor．TheresultsshowthattheRWNN—basedmod— special laboratory diagnosis eldeterminestheshortedturns andismoreeffectivethanthefeed-forwardneural exactlyI detection