学位论文 > 优秀研究生学位论文题录展示

基于人工免疫的异步电机故障检测与诊断技术研究

作　者: 廖章珍
导　师: 陈强
学　校: 江西理工大学
专　业: 控制理论与控制工程
关键词: 人工免疫异步电机故障检测与诊断反面选择克隆选择
分类号: TM343
类　型: 硕士论文
年　份: 2008年
下　载: 56次
引　用: 1次
阅　读: 论文下载

内容摘要

异步电机广泛应用于工业生产等部门,一些大型电机一旦发生故障,就可能引起生产线上其它部件甚至整个系统的停产或者损坏,有时甚至会造成严重的事故,这就给异步电机的故障诊断技术提出了非常高的要求。基于知识的智能化故障诊断方法是提高故障监测与诊断系统综合性能的有效途径。人工免疫网络和算法在故障检测与诊断方面有其独特的优点,本文尝试将其应用于异步电机故障监测与诊断问题。从电机正常和三种常见故障状态下的振动幅值信号和定子电流信号中采集特征参数,将其用于系统检测器训练。针对现有基于人工免疫的反面选择算法存在的以下不足:该算法产生的检测器是随机的,不可避免产生大量无效检测器,且检测器不能够很好的覆盖非己空间。本文引入适合异步电机故障检测与诊断的改进型反面选择算法,使产生的检测器不能检测自己空间,只捕获非己空间的特征;设定匹配阈值,依据部分匹配原则取消能检测共有特征空间且与两个以上故障模式相匹配的检测器,但保留与各故障模式独有空间相匹配且只能检测一种故障的检测器。按已设定的匹配阈值,将训练好的检测器集与自己集相比较来确定设备发生了何种故障;若没有检测器与自己串匹配,则尝试改变初始设定的匹配阈值重复上一步骤直到有检测器与自己串匹配。将改进型反面选择算法应用于异步电机故障检测与诊断问题,仿真结果表明其对自己串和非己串数据的异常检测准确率较高。借鉴免疫系统的克隆选择原理及已有的克隆选择算法,结合故障诊断的实际应用,研究了既具有故障诊断能力又具有对故障样本的连续学习功能的自适应故障诊断方法。尝试性引入了基于克隆选择原理的故障诊断模型,该模型可以实现对训练样本的学习、记忆、标识,同时还可以实现对未出现过的抗原样本进行在线诊断和动态再学习,通过笼型异步电动机故障诊断实例仿真研究验证了所引入方法和模型的有效性。

全文目录

摘要  2-3
ABSTRACT  3-8
第一章绪论  8-21
  1.1 研究目的和意义、研究现状  8-11
    1.1.1 异步电机异常检测与故障诊断的研究目的和意义  8
    1.1.2 异步电机异常检测与故障诊断的研究现状  8-11
  1.2 故障诊断方法综述  11-14
    1.2.1 基于信号处理的故障诊断方法  11
    1.2.2 基于深知识的故障诊断方法  11
    1.2.3 基于浅知识的故障诊断方法  11-14
  1.3 人工免疫系统及其在故障检测与诊断领域的应用  14-17
    1.3.1 人工免疫系统的发展与研究现状  14-16
    1.3.2 人工免疫系统在故障检测与诊断领域的应用  16-17
  1.4 人工免疫系统在故障诊断应用中的潜力  17-18
  1.5 本文主要研究内容  18-19
  1.6 本章小结  19-21
第二章笼型异步电动机常见故障机理分析  21-35
  2.1 三相异步电动机的工作原理  21-22
  2.2 异步电动机的常见故障类型  22-23
  2.3 电机故障诊断的几种常用技术  23
  2.4 异步电机故障诊断的特点  23-24
  2.5 基于振动信号的异步电动机故障诊断原理  24-29
    2.5.1 定子异常产生的电磁振动  25
    2.5.2 气隙不均匀产生的电磁振动  25-26
    2.5.3 转子导体异常引起的电磁振动  26-27
    2.5.4 转子不平衡产生的机械振动  27
    2.5.5 滚动轴承异常产生的机械振动  27-29
  2.6 电机振动信号的采集  29-30
  2.7 基于定子电流信号的异步电动机故障诊断原理  30-32
    2.7.1 定子电流诊断气隙偏心原理  30
    2.7.2 定子电流诊断转子断条原理  30-32
    2.7.3 定子绕组故障诊断原理  32
  2.8 电机定子电流信号采集  32-33
  2.9 异步电动机的现代故障诊断方法  33-34
  2.10 本章小结  34-35
第三章免疫系统相关理论及人工免疫算法  35-50
  3.1 生物免疫系统  35-39
    3.1.1 生物免疫系统的相关概念  35-36
    3.1.2 生物免疫系统的组成  36-37
    3.1.3 生物免疫系统的结构模型  37-38
    3.1.4 生物免疫系统的工作机制与特性  38-39
  3.2 人工免疫网络模型  39-42
    3.2.1 独特型免疫网络模型  40
    3.2.2 多值免疫网络模型  40
    3.2.3 aiNet 免疫网络模型  40-42
  3.3 人工免疫算法  42-47
    3.3.1 一般免疫算法  42-44
    3.3.2 免疫遗传算法  44-45
    3.3.3 免疫网络算法  45-46
    3.3.4 模式识别算法  46-47
  3.4 人工免疫算法与进化算法  47-48
    3.4.1 免疫算法与遗传算法之间的联系  47-48
    3.4.2 免疫算法与遗传算法的融合  48
  3.5 免疫系统和神经网络  48-49
  3.6 本章小结  49-50
第四章基于反面选择算法的异步电机故障检测与诊断技术研究  50-67
  4.1 概述  50
  4.2 反面选择原理及其算法  50-54
    4.2.1 免疫系统的反面选择原理和自己-非己识别原理  50-51
    4.2.2 反面选择算法  51-52
    4.2.3 反面选择算法在异步电机故障检测中应用的局限性  52-53
    4.2.4 改进型反面选择算法  53-54
  4.3 信号处理方法  54-55
    4.3.1 数据编码  54
    4.3.2 正常工作模式空间串和各种故障模式空间串的定义方法  54-55
  4.4 检测器的产生及训练方法  55-56
    4.4.1 匹配规则  55
    4.4.2 检测器的产生  55-56
    4.4.3 检测器约简及聚类训练  56
  4.5 基于改进型反面选择算法的异步电机故障诊断机理  56-57
  4.6 笼型异步电动机故障诊断实例分析  57-65
    4.6.1 故障特征量的提取  57-62
    4.6.2 实验仿真研究及结果分析  62-65
  4.7 本章小结  65-67
第五章基于克隆选择原理的异步电机故障诊断技术研究  67-78
  5.1 概述  67
  5.2 免疫系统的克隆选择原理  67-69
  5.3 克隆选择算法  69-70
  5.4 基于克隆选择原理的进化学习算法  70-73
    5.4.1 亲和力计算  70-71
    5.4.2 抗体的克隆和变异  71-72
    5.4.3 抗体的刺激和抑制  72-73
    5.4.4 克隆选择及变异进化学习算法  73
  5.5 基于克隆选择原理的故障诊断模型  73-74
  5.6 笼型异步电动机故障诊断实例分析  74-77
  5.7 本章小结  77-78
第6章结论与展望  78-79
参考文献  79-84
致谢  84-85
个人简历、在学期间发表的学术论文与研究成果  85-86

基于人工免疫的异步电机故障检测与诊断技术研究

内容摘要

全文目录

相似论文