基于小波包神经网络的变频调速系统故障诊断的研究

论文摘要

变频调速技术以显著的节电效果、优良的调速性能以及广泛的适用性等优点广泛应用于工农业生产及国防科技等领域。变频调速系统一般由变频器、电动机、机械传动装置等组成的机电一体化的复杂设备,为了保证该系统的安全可靠运行,提高系统可靠性是变频调速系统研究的一个核心内容。针对这一核心内容,本文研究了电动机变频调速系统的故障检测与诊断问题,研究了小波消噪技术在故障信号预处理中应用,对小波基函数的确定、阈值确定规则和阈值作用方法进行了深入研究;探讨了变频器发生故障时输出电压和电流的特点,并运用改进小波包算法对电流信号进行故障特征的提取。介绍了电机发生转子断条时的特点,提出了基于小波包分解系数判断电机是否发生转子断条的故障诊断方法,同时采用小波包频带能量法对其进行研究。为了提高故障诊断的准确性,对电机的振动信号进行了采集和分析。采用了小波包频带能量法提取电机振动信号的故障特征,作为BP神经网络的输入向量,采用学习算法为Levenberg-Marquadt反传算法的函数Trainlm对网络进行训练,经过反复试验分析研究,确定了BP网络结构,并对多组数据进行测试,测试结果基本到达预期目标。实践证明,基于小波包神经网络的变频调速系统故障诊断方案是有效可行的。

论文目录

• 致谢
• 摘要
• Abstract
• 目录
• 1 绪论
• 1.1 研究背景及意义
• 1.1.1 研究背景
• 1.1.2 故障诊断技术的研究内容
• 1.1.3 研究故障诊断技术的目的及意义
• 1.2 故障诊断技术的研究现状
• 1.3 设备故障诊断技术发展趋势
• 1.4 问题的提出及研究意义
• 1.4.1 变频调速系统故障诊断的研究现状
• 1.4.2 变频调速系统故障诊断研究中需要解决的关键问题
• 1.5 本文的主要内容及安排
• 1.6 课题来源
• 2 小波分析及小波包分析
• 2.1 引言
• 2.2 小波及小波包分析
• 2.2.1 小波变换的定义及性质
• 2.2.2 小波变换及其逆变换
• 2.2.3 多分辨分析
• 2.3 小波包分析
• 2.3.1 小波包的空间分解
• 2.3.2 小波包分解算法
• 2.4 最优小波包基的选择
• 2.4.1 基本原理
• 2.4.2 最优小波包基的快速搜索法
• 2.5 基于频带分析技术的故障特征提取方法
• 2.6 小结
• 3 小波包神经网络
• 3.1 神经网络概述
• 3.2 人工神经元模型
• 3.3 神经网络的拓扑结构
• 3.4 神经网络的学习规则
• 3.5 BP 神经网络
• 3.6 小波神经网络
• 3.6.1 小波分析与神经网络的结合途径
• 3.6.2 小波分析与神经网络的松散结合
• 3.7 本章小结
• 4 实验系统及变频器故障诊断
• 4.1 系统硬件组成
• 4.1.1 主回路
• 4.1.2 控制回路
• 4.1.3 信号采集
• 4.2 变频调速系统故障类型
• 4.3 小波消噪在变频器故障信号预处理中的应用
• 4.3.1 小波消噪方法中小波基的选取
• 4.3.2 基于原始信号的阈值的选取
• 4.3.3 基于样本估计的阈值的选取
• 4.3.4 阈值作用方法的研究
• 4.4 变频器输出电压的特点分析
• 4.5 变频器输出电流的特点分析
• 4.6 基于改进小波包算法的特征提取研究
• 4.7 小结
• 5 小波包神经网络在电机故障诊断中的应用研究
• 5.1 电机常见故障及诊断方法
• 5.2 电机断条故障诊断的研究
• 5.2.1 小波包分析技术在电机转子断条中的应用
• 5.2.2 基于小波包频带能量的电机断条故障诊断的研究
• 5.3 基于振动分析的电机故障诊断的研究
• 5.3.1 振动诊断技术的概述
• 5.3.2 电机振动的类型和特征
• 5.4 小波包神经网络在电机故障诊断中的实例分析
• 5.4.1 引言
• 5.4.2 电机故障诊断 BP 网络设计
• 5.5 小结
• 6 结论与展望
• 6.1 结论
• 6.2 展望
• 参考文献
• 附录
• 作者简历
• 学位论文数据集
• 详细摘要