论文摘要
异步电动机作为各类型机电设备中数量最多、应用最广泛的一类电气设备。它的正常工作对保证生产制造过程中的安全、高效、敏捷、优质及低功耗运行具有非常重大的意义。如果异步电动机因故障而停机则将会对生产、生活甚至人身安全造成极其严重的影响,进而造成巨大的经济损失。所以对其进行故障诊断具有重大意义,是国内外工程技术领域一直非常关注的课题。论文首先研究了人工神经网络和小波分析的相关理论知识,并使用Matlab神经网络模块对BP神经网络做了训练,构建了前向反馈型BP人工神经网络模型。以小波分析和人工神经网络为理论基础,设计了基于TMS320F2812DSP的数据采集模块,对故障识别方法进行了深入研究,实现了异步电动机典型故障的诊断。数据采集模块包括DSP最小系统电路、A/D转换电路的原理图及PCB图设计。然后,基于CCS3.1开发环境,完成了数据采集传输模块的主程序、DSP初始化程序、A/D转换程序、小波神经网络的故障诊断程序,仔细分析了各程序的工作步骤,给出了系统总软件流程图。最后,对数据采集传输模块的硬件和软件功能进行了测试。实验证明了数据采集传输模块的设计正确性,成功实现了电动机的定子匝间短路和轴承偏心故障的识别。在故障特征提取方面,考虑到故障时定子电流信号的非平稳、非线性特征,提出小波分析和改进BP网络的特征提取手段。基于离散小波变换的小波能量谱分析的特征提取方法,充分反映和有效刻画出信号的非平稳、非线性特征。试验证明了本方法的有效性。从一定程度上解决了异步电动机故障特征征兆描述的全面性问题。