论文部分内容阅读
异步电动机作为现代化生产生活的主要动力源，在国民经济各行业和人们的日常生活中得到了广泛应用。若电机发生故障，严重时甚至导致停机，将对工作生产和人们生活造成巨大损失，故对电动机的故障检测诊断具有重要的实际意义。本文在总结国内外异步电动机故障诊断的发展和现状下，研究电动机振动信号和定子电流信号特征参数的提取方法，提出一种异步电动机故障诊断方法，即引入ANFIS模糊神经网络的诊断方法，来解决异步电动机故障诊断问题，并通过实验验证其有效性。本文以异步电动机故障诊断为研究对象，首先针对异步电动机的工作原理，系统研究电动机在定子短路、转子断条、转子偏心三种故障的故障机理，并详细阐述三种故障下振动信号和定子电流信号的特征频率的能量变化，作为判断电机故障的标准。其次，根据异步电动机的故障机理，设计Y132M-4型异步电动机故障诊断实验，通过该实验测量实验电机的振动和定子电流信号，并对所得数据进行相关处理和特征提取。然后，由于BP神经网络在故障诊断中的广泛应用性，利用传统的BP神经网络诊断电机故障，以实验数据为依据，经测试得到的结果不理想，反映BP神经网络在实验电机故障诊断中收敛速度慢、误差精度大和局部极小值缺点。最后，针对BP神经网络故障诊断中上述的缺点，在模糊神经网络的理论基础上，建立适用于电动机故障诊断的ANFIS模糊神经网络故障诊断系统，通过实验提取的特征参数对模糊神经网络推理系统进行训练、测试，并与传统的BP训练算法相比较，得到更为理想的诊断结果，可以有效地加快训练时间、减小误差和避免局部极小值。由此证明针对Y132M-4型电动机，本文建立的ANFIS故障诊断系统可准确高效地诊断电机的故障类型，是一种行之有效的故障诊断方法，对于异步电动机的故障诊断具有一定的参考价值。