基于小波神经网络的无刷同步发电机旋转整流器故障诊断研究.pdfVIP

维普资讯 第 31卷第3期 四 川 电 力 技 术 Vo1．31．No．3 2008年 o6月 SiehuanElectricPowerTechnology Jtm．，2008 基于小波神经网络的无刷同步发电机旋转整流器 故障诊断研究 梁 杉 ，刘 念 。岳 良顺 (1．四川大学 电气工程学院，四川 成都 610065；2．四川大学测试与控制工程学院，四川 成都 610065) 摘 要 ：无刷励磁 系统 中旋转整流器 因工作环境恶劣 ，发生故障时故 障信 息难 以提取 ，因而故障诊 断一直是一个难 点，成为制约该励磁方式发展 的障碍之一。针对大型无刷汽轮发 电机故障诊断需要 ，提 出应用小波神经网络对旋转 整流器故障进行诊断，通过对旋转整流器的故障信号的频谱分析 ，提取故障信息频域特征量作为学习样本，通过训练 使构建的小波神经网络能够准确反映频谱特征量和故障之间的映射关系，从而准确对故障进行诊断。提 出了比较精 确的数学模型，提高了旋转整流器故障的诊断能力和诊断的准确性 。 关键词 ：小波神经网络 ；旋转整流器 ；故障诊断 Abstract：Thefaultdiagnosisofrotaryrectifierisalwaysdifficultbecauseofitshardworkingconditionsandinconvenienceoffaultin— formationextraction，thusitisbecomingoneoftheobstacleofthedevelopmentofbrushlessexcitationsystem ．Accordingtofaultdiag— nosisoflargebrushlessgenerator，anew methodusingwaveletneural networkisproposedtobeappliedinfaultdiagnosis．Byanalyz— ing thespectrum offaultinformation，thefaultinformationspectrum eigenvalueisextractedtobehtestudysample．Afterthewavelet neuralnetworkisrtainedwiht hteasmple，itcanexpresstherelationshipofspectrum eigenvalueandfaultprecisely，thereforehtedi— agnosisisdoneaccurately．Precisemathematicsmodelisproposde ，andtheabilityandaccuracyoffaultdiagnosisofrotaryrectifier are improvde ． Keywords：waveletneuralnetwork；rotaryrectifier；faultdiagnosis 中图分类号：TM311 文献标识码 ：A 文章编号：1003—6954{2008)03—0051—03 20世纪 60年代就 已经发展起来采用无刷励磁 的同步发电机 ，无刷励磁系统取消了滑环和碳刷 ，消 1 小波神经网络基本算法 除了火花和噪声，使用和维护 比较简单，提高了运行 的可靠性。但是旋转整流器要承受离心力和电力作 小波网络实际上是用非线形 的Morlet函数取代 用，故障发生率比较高，而且与外界没有直接 的电联 了传统的非线形 Sigmoid函数，因为Morlet函数为余 系 ，因而故障难以检测和诊断 【1J_【。采用小波网络 弦调制的高斯小波 ，有时域频域 同时分辨率高 的特 的分析法对无刷励磁系统进行故障分析，可以有效提