基于模式識別理論的電機故障診斷技術研究.pdf

1、電機是當今生產活動和日常生活中最主要的原動力和驅動裝置。隨著生產系統(tǒng)的發(fā)展，系統(tǒng)中需要的電機數量和單機容量都在不斷增加，現代化的工業(yè)生產設備的特點是技術先進、結構復雜、精度要求高，這使得故障檢測的工作量和難度都有很大程度的增加。而且電機的正常工作對保證生產制造過程的正常進行意義非常重大。因此對電機故障的診斷要求十分迫切，通過對電機常見故障的診斷和分析，可以及早發(fā)現故障和預防故障的進一步惡化。本論文正是基于這種考慮，對異步電機的智能診斷方

2、法進行了探討研究。 神經網絡具有很強的并行性、容錯性和自學習能力，通過對典型樣本的學習，完成知識的獲取，并將知識分布存儲在神經網絡的拓撲結構連接權值中，用來對未知樣本進行識別、比較。該方法不需要對診斷系統(tǒng)建立模型結構，利用頻率成分的能量變化來識別不同的模式。 本論文以鼠籠型異步電機轉子為研究對象，在轉子正常和斷條兩種模式下，對定子電流進行分析，利用小波包分析后得到的信號，作為神經網絡的輸入。神經網絡采用三層BP網絡，BP