混合智能故障診斷技術(shù)在異步電機(jī)故障診斷中應(yīng)用研究.pdf

1、異步電機(jī)作為當(dāng)前運(yùn)用最廣泛的驅(qū)動裝置，在人們生活的各個領(lǐng)域中起到了不可替代的作用，它的故障往往會帶給人們意想不到的災(zāi)難。因此，對異步電機(jī)故障診斷技術(shù)的研究具有非常重要的社會意義。在過去的幾十年中，異步電機(jī)故障診斷技術(shù)由以前的純靠人的經(jīng)驗(yàn)和利用數(shù)學(xué)模型等傳統(tǒng)方法到后來利用各種傳感器和人工智能相結(jié)合的方法，得到了飛速的發(fā)展。然而，目前主要采用的各種單一人工智能方法還存在很多的不足，特別是對于復(fù)雜的診斷系統(tǒng)，得到的診斷結(jié)果往往準(zhǔn)確度偏低。在此

2、基礎(chǔ)上，本文利用不同人工智能診斷方法的優(yōu)勢互補(bǔ)并結(jié)合不同的信號處理方法，提出了一種基于混合智能故障診斷技術(shù)的方法。
　　本文以異步電機(jī)故障診斷為研究對象，首先從課題的研究背景及意義進(jìn)行介紹，進(jìn)而簡單闡述了國內(nèi)外異步電機(jī)故障診斷技術(shù)的發(fā)展?fàn)顩r及趨勢，同時對混合智能故障診斷技術(shù)進(jìn)行定義和簡介，并從定子電流信號和振動信號方面對異步電機(jī)的各種常見故障類型進(jìn)行機(jī)理分析。然后對希爾伯特—黃變換中的EMD分解和Hilbert譜分析兩個步驟進(jìn)行重

3、點(diǎn)研究，并用該方法對故障信號進(jìn)行處理，對采集到的各類故障的定子電流信號和振動信號進(jìn)行特征信號提取，構(gòu)建系統(tǒng)需要的故障特征向量。在故障類型的識別方法上，采用了當(dāng)前廣泛應(yīng)用的BP神經(jīng)網(wǎng)絡(luò)，通過對該網(wǎng)絡(luò)的深入研究，了解并掌握其優(yōu)缺點(diǎn)，并針對 BP神經(jīng)網(wǎng)絡(luò)的缺點(diǎn)，提出了粒子群算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的混合人工智能技術(shù)，并重點(diǎn)分析和研究了粒子群算法的工作原理和算法以及如何優(yōu)化BP神經(jīng)網(wǎng)絡(luò)。最后，構(gòu)建了基于混合智能故障診斷技術(shù)的異步電機(jī)故障診斷系統(tǒng)模型