异步电动机电气故障的识别与诊断

论文题目: 异步电动机电气故障的识别与诊断

论文类型: 硕士论文

论文专业: 机械电子工程

作者: 李艳兰

导师: 熊诗波,熊晓燕

关键词: 异步电动机,故障诊断,小波包,匝间短路,气隙偏心,神经网络

文献来源: 太原理工大学

发表年度: 2005

论文摘要: 随着电能应用的方便,电机设备已被广泛应用于工业生产的各个领域。电机在整个机械系统中起着举足轻重的作用,一旦电机发生故障就会影响整个系统的正常运行,甚至危及人身安全。所以对电机进行故障诊断非常重要。本文在对异步电动机常见电气故障机理分析的基础上,提出了利用定子电流法来诊断电机电气故障。并对发生率比较高的气隙偏心和匝间短路故障进行了重点研究。因为电机内部存在电路和磁路的耦合,所以电机故障诊断涉及的因素很多。相应地,电机故障诊断技术比一般的机械设备诊断技术涉及范围更广。电机故障诊断的复杂性还表现在故障特征量的隐含性、故障起因与故障征兆之间的多元性。即一个故障可能表现为多种故障征兆;有时不同故障起因也可能表现为同一个故障征兆。针对电机故障的特点,本文提出小波与神经网络相结合的方法,利用“小波包—能量”法提取出信号特征量,作为神经网络的输入向量,采用包括

论文目录:

第一章绪论

1．1 选课题的意义

1．2 电机故障诊断技术的国内外发展状况

1．3 本文的工作

第二章异步电动机常见故障的机理分析

2．1 三相异步电动机的工作原理

2．1．1 三相异步电动机的基本结构

2．1．2 异步电动机的工作原理

2．2 异步电机故障机理分析

2．2．1 异步电动机常见电气故障

2．2．2 异步电动机现代故障诊断方法

2．3 电机故障诊断的特点

第三章故障信号特征提取

3．1 小波分析

3．1．1 信噪分离

3．1．2 频带分析技术

3．2 多分辨率分析

3．3 小波包分析

3．4 利用小波包分析进行故障特征信号提取

第四章人工神经网络的理论基础

4．1 神经元的结构

4．2 神经网络分类

4．3 神经网络的特点

4．4 BP网络简介

4．4．1 BP网络常用的非线性函数

4．4．2 BP学习算法

4．4．3 BP算法流程框图

4．4．4 改进的BP算法

4．5 神经网络的模式识别

4．6 BP网络的设计

第五章实验与分析

5．1 实验原理图

5．1．1 三相异步电动机

5．1．2 测试仪器

5．2 利用人工神经网络进行电机故障模式识别

5．2．1 BP神经网络故障诊断模型建立

5．2．2 BP神经网络输入特征量

5．2．3 BP网络结构的确定

5．2．4 BP神经网络的训练

第六章电机故障模式识别软件

6．1 MATLAB图形用户界面(GUI)介绍

6．2 故障图形用户界面的实现

第七章结论

参考文献

附录

致谢

攻读硕士学位期间发表的学术论文

发布时间: 2005-11-14

参考文献

[1].基于电流法的异步电动机故障诊断方法的研究[D]. 袁野.长安大学2017
[2].基于小波分析的异步电动机的故障诊断[D]. 赵玉辉.哈尔滨理工大学2016
[3].异步电动机故障诊断及保护装置的研究与实现[D]. 王瑾.山东科技大学2011
[4].基于ANSYS的农用异步电动机故障分析及检测系统设计[D]. 牟俊汉.黑龙江八一农垦大学2015
[5].异步电动机无速度传感器矢量控制的研究[D]. 李琳.渤海大学2013
[6].基于遗传算法的异步电动机机械效率优化控制[D]. 李首光.武汉科技大学2011
[7].大中型异步电动机电磁场与温度场数值计算[D]. 黄东洙.哈尔滨理工大学2004
[8].异步电动机传动系统的能量成形和信号变换控制研究[D]. 魏晓晨.青岛大学2010
[9].异步电动机综合控制器研究[D]. 钟士元.华北电力大学（河北）2005
[10].异步电动机变频与调压能效分析及测试系统设计[D]. 朱余峰.华北电力大学2013

异步电动机电气故障的识别与诊断

猜你喜欢