基于人工神经网络的交流电动机故障诊断 调研报告.docVIP

中南大学 本科生毕业论文（设计）调研报告 题 目 基于人工神经网络的交流电动机故障诊断 学生姓名 李亚光 指导教师 王海波 学 院 信息科学与工程学院 专业班级 自动化0507 内容摘要 电动机是将电能转变为机械能的一种机器人工神经网络（Artificial Neural Networks, ANN）一种模仿动物神经网络行为特征，进行分布式并行信息处理的算法数学模型。1 交流电动机及其故障诊断 4 1．1 交流电动机 4 1．2 交流电动机的常见故障 4 1．3 交流电动机的故障诊断 5 1．3．1 电动机故障诊断的特点 5 1．3．2 国内外电动机设备故障诊断技术的现状 6 1．3．3 电动机的故障诊断的方法 6 1．3．5 电动机设备的现代故障诊断新方法 7 2 基于人工神经网络的故障诊断 8 2．1 人工神经网络概述 8 2．1．1 人工神经网络的基本特征 8 2．1．2 人工神经网络的分类 10 2．2 人工神经网络的故障诊断 11 2．2．1 基于人工神经网络的智能诊断的形成 11 2．2．2 基于神经网络的智能诊断的发展 13 2．2．3 神经网络的故障诊断能力 14 3 基于人工神经网络的交流电动机故障诊断 16 3．1 电动机故障诊断中的神经网络模型 16 3．2 基于神经网络的电动机故障诊断的发展方向 18 4 结论 18 参考文献 19 前 言 随着经济建设的发展和电气化程度的提高，电动设备已被广泛应用于工业生产的各个领域，及时准确地发现电机设备潜在的和现有的故障是保证生产安全运行的重要措施。因此，研究不同场合、不同运行状态下电机设备故障诊断理论和技术是设备可靠运行的保证。电机设备是组成供、用电系统的基本元件，在运行中受到电、热、机械、周围环境等各种因素的作用使其性能逐渐劣化, 最终导致故障；一旦发生故障，即使是停止工作的时间极短，也会造成很大的损失。一般这些故障的发生总是以各种征兆表现出来，并且故障类型也多种多样: 既有缓变故障和突变故障，又有电气故障和机械故障；既有线性系统故障，又有非线性系统故障，其关系错综复杂，这给电机设备故障的有效、快速诊断带来一定的困难。 人工神经网络(ANN)是由大量简单处理单元广泛连接而成的复杂的非线性系统, 具有学习能力, 自适应能力, 非线性逼近能力等。故障诊断的任务从映射角度看就是从征兆到故障类型的映射。用ANN 技术处理故障诊断问题, 不仅能进行复杂故障诊断模式的识别, 还能进行故障严重性评估和故障预测, 由于ANN 能自动获取诊断知识, 使诊断系统具有自适应能力。由于以上优点，将人工神经网络应用于电机设备故障诊断成为当前电机设备故障诊断的热点。 本文首先介绍了交流电动机及其常见故障，总结了交流电机故障诊断的传统方法和新进展。然后通过对神经网络的特点描述和分类，引出人工神经网络在故障诊断（即智能诊断）领域的应用和发展历程，并论证了人工神经网络的故障诊断能力。最后，将结合前两章内容的“基于人工神经网络的交流电动机故障诊断”方法进行了介绍，总结了常见的电动机故障诊断网络模型，提出了人工神经网络在电动机故障诊断方面的发展方向。 1 交流电动机及其故障诊断 1．1电动机是将电能转变为机械能的一种机器它主要包括一个用以产生磁场的电磁铁绕组或分布的定子绕组和一个旋转电枢或转子其导线中有电流通过并受磁场的作用而使转动。电动机按使用电源不同分为直流电动机和交流电动机，电力系统中的电动机大部分是交流电动机，可以是同步电动机或者是异步电动机（电动机定子磁场转速与转子旋转转速不保持同步速）各种电动机中应用最广的是交流异步电动机（又称感应电动机）。它使用方便 、运行可靠 、价格低廉 、结构牢固，但功率因数较低，调速也较困难。大容量低转速的动力机常用同步电动机。同步电动机不但功率因数高，而且其转速与负载大小无关，只决定于电网频率工作较稳定在要求宽范围调速的场合多用直流电动机但它有换向器，结构复杂，价格昂贵，维护困难，不适于恶劣环境。1．21．31．3．1[1] 电动机的故障诊断是设备诊断技术的一个部分．但是由于电动机的工作原理和结构上的种种特点，其诊断方法和采用的检测技术和其他设备的诊断有所不同。根据电动机工作原理，在它内部存在着几个相互关联而又不可截然分割的工作系统，因此，电动机诊断需涉及较多技术领域，如电动机学、热力学和传热学、高电压技术、材料工程、机械诊断学、电子测量学、信息工程技术和计算机技术等。 由于电动机内存在几个相互关联的工作系统，故障起因和故障征兆往往表现出多元性，这为电动机故障诊断增加了难度，对电动机进行诊断时，必须熟悉诊断对象。 电动机运行中由于负载条件、环境条件或其他运行条件改变等原因，会导致电动机出