基于神经网络异步电动机故障诊断论文.docVIP

基于神经网络异步电动机故障诊断毕业论文 目 录 第一章 绪 论 1 1.1 异步电动机工作原理及用途 1 1.2 异步电动机常见故障类型及方法 1 1.2.1 异步电动机常见故障类型 1 1.2.2 故障诊断方法 1 1.3 神经网络在故障诊断中的应用 2 1.4 神经网络特点 3 1.5 神经网络故障诊断实现步骤 4 第二章 神经网络概述 5 2.1 BP神经网络 5 2.2 BP网络模型结构 5 2.2.1 神经元模型 5 2.2.2 前馈型神经网络 6 2.3 BP网络学习算法 7 2.3.1 学习算法 7 2.3.2 神经网络的实现过程 11 第三章 异步电动机在MATLAB中的建模仿真及故障设置 12 3.1 异步电动机在MATLAB中的建模 12 3.1.1 选择模块 12 3.1.2 搭建模块 12 3.1.3 模块参数设置 13 3.2 三相异步电动机故障设置及故障特征提取 16 3.2.1 故障设置 17 3.2.2 故障仿真 18 3.2.3 特征量提取及预处理 23 第四章 故障诊断实例 26 4.1 BP神经网络的构建 26 4.2 BP网络设计 26 4.2.1 网络创建 26 4.2.2 网络训练与测试 27 结 论 30 参考文献 31 附 录 33 致 谢 36 第一章 绪 论 1.1 异步电动机工作原理及用途 三相异步电动机也被称作感应电动机，当其定子侧通入电流以后，部分磁通将穿过短路环，并在短路环内产生感应电流。短路环内的电流阻碍磁通的变化，致使有短路环部分和没有短路环部分产生的磁通有了相位差，从而形成旋转磁场。转子绕组因与磁场间存在着相对运动而感生电动势和感应电流，即旋转磁场与转子存在相对转速，并与磁场相互作用产生电磁转矩，使转子转起来，从而实现能量转换。 三相异步电动机具有结构简单，成本较低，制造、使用和维护方便，运行可靠以及质量较小等优点，从而被广泛应用于家用电器、电动缝纫机、食品加工机以及各种电动工具、小型机电设备中,在工农业、交通运输、国防工业以及其他各行各业中应用也非常广泛。 1.2 异步电动机常见故障类型及方法 1.2.1 异步电动机常见故障类型 常见的两种故障：定子部分故障和转子部分故障。 转子故障是因为电机频繁启动和过载运行使转子导条和端环易产生疲劳，使之逐渐产生断裂或开焊，引起故障。定子部分的故障主要是定子绕组故障。主要是由绝缘破坏而引起的不同形式的故障。如内部放电、匝间短路、相间短路和单相对地短路等。 具体故障表现为过载、堵转、断相、电压不平衡、接地、过压、欠压等几种类型。过载和堵转将导致电机电流的增加和电机过热，断相和电压不平衡将会引起正序、负序电流的增长，这些故障都将使电机产生大量热量；接地将在定子电流中出现零序分量，在传统保护中是利用检测零序分量的方法来识别接地故障的；过压会损坏电机绝缘。 短路故障包括供电线路的短路与电动机内部各绕组间对称的断路。电动机的短路会发生热破坏，在严重情况下将同时发生力破坏，二者形成恶性循环，造成严重的安全事故。 1.2.2 故障诊断方法 三相异步电动机故障诊断方法主要有以下几种： (1)基于信号变换的故障诊断方法；(2)基于专家系统的故障诊断方法；该方法是根据被诊断系统的专家以往经验，将其归纳成规则，并运用经验规则通过规则推理来进行故障诊断。(3)基于模糊理论的故障诊断方法；通常电机的某些状态是不分明的、不确定的，因而可以用模糊集合加以描述。(4)基于人工神经网络（ANN）的故障诊断方法。 1.3 神经网络在故障诊断中的应用 神经网络作为一种自适应的模式识别技术，并不需要预先给出有关模式的经验知识和判别函数，它通过自身的学习机制自动形成所要求的决策区域。网络的特性有其拓扑结构、神经元特征、学习和训练规则所决定。它可以充分利用状态信息，对来自于不同状态的信息逐一进行训练而获得某种映射关系。而且网络可以连续学习，如果环境发生改变，这种映射关系还可以自适应地进行调整。 因此，神经网络由于自身的特性，在故障模式识别领域中有着越来越广泛的应用。下面以单隐层BP网络为例，介绍基于神经网络的故障诊断的方法和特点。其中，网络的输入节点对应着故障征兆，输出节点对应着故障原因。首先利用一组故障样本对网络进行训练，以确定网络的结构（中间层的传递函数和神经元数目）和参数（神经元时间的连接权值和阈值）。网络训练完毕后，故障的模式分类就是根据给定的一组征兆，实现征兆集到故障集之间的非线性映射的过程。 利用神经网络进行故障诊断具有以下特点： 可用于系统模型未知或系统模型较为复杂，以及非线性系统的故障模式识别。 兼有故障信号的模式变换和特征提取功能。 对系统含有不确定因素、噪声及输入模式不完备的情况下不太敏感。 可用于离线诊断，也能适应实时监测的要求。 典型的基