学位论文 > 优秀研究生学位论文题录展示

基于神经网络的感应电机故障诊断技术研究

作　者: 周慧
导　师: 陈强
学　校: 江西理工大学
专　业: 控制理论及其控制工程
关键词: 感应电机 RBF神经网络小波人工免疫故障诊断
分类号: TP183
类　型: 硕士论文
年　份: 2008年
下　载: 99次
引　用: 0次
阅　读: 论文下载

内容摘要

人工神经网络已越来越多地被用于故障诊断领域。论文以感应电机为研究对象,研究将人工神经网络应用于感应电机故障诊断中的一系列问题。在电机正常、转子断条、匝间短路、复合故障(转子断条和匝间短路情况下)四种不同工作状态下,对电机定子电流和振动信号进行采样,从采集的信号中,提取振动幅值信号的均方根值作为特征参数之一;应用“小波包-能量”法提取电流信号中的有效特征参数,将时域参数和频域参数相结合作为人工神经网络的输入矢量,对网络进行训练和测试。传统的神经网络算法应用于故障诊断时,具有易陷入局部极小值,收敛速度较慢等缺点。而生物免疫系统的一些诱人特性为人们开发新的智能算法提供了新的途径。本文将免疫进化学习算法和人工神经网络相结合设计了一个免疫神经网络。利用免疫进化学习算法对神经网络的隐层中心进行聚类,得到隐层中心值后,利用四种故障模式下的特征样本对网络进行训练和测试。利用小波网络精度高,学习速度快的特点,本文将小波理论与神经网络技术相结合。用小波函数代替传统神经网络中的激活函数,推导了小波神经网络算法,并对小波神经网络进行了加动量项的改进,改进后的算法能够有效地加快神经网络的收敛速度,避免陷入局部极小值。对以上算法进行了大量的仿真研究,仿真结果表明:利用时域方法和小波包-能量法提取特征参数是有效的;使用免疫进化学习方法与RBF神经网络相结合,训练后的网络可以对感应电机故障作出较为准确的诊断。仿真结果还表明:改进的小波网络算法用于电机故障诊断是有效的。将小波网络与BP网络仿真结果进行比较,结果表明该算法提高了处理速度,精度较高。

全文目录

摘要  2-3
ABSTRACT  3-7
第一章绪论  7-19
  1.1 课题的研究背景及目的  7-8
  1.2 电机故障诊断技术的方法概述  8-11
    1.2.1 基于解析模型的方法  8-9
    1.2.2 基于信号变换的方法  9-10
    1.2.3 基于知识的方法  10-11
  1.3 电机的故障诊断  11-13
  1.4 智能算法理论在国内外的发展及其应用  13-16
    1.4.1 神经网络理论在国内外的发展及应用  13-14
    1.4.2 免疫进化理论在国内外的发展及应用  14-16
  1.5 小波变换在电机领域中的应用  16-17
  1.6 本文的主要研究内容及安排  17-19
第二章感应电机故障诊断机理  19-25
  2.1 感应电机常见故障形式  19-20
  2.2 常见故障诊断原理  20-24
    2.2.1 转子断条故障特征机理  20-22
    2.2.2 匝间短路故障特征机理分析  22-23
    2.2.3 轴承故障  23-24
    2.2.4 气隙偏心故障  24
  2.3 本章小结  24-25
第三章感应电机振动与电流信号的分析及提取  25-35
  3.1 基于振动信号的特征分析  25-28
    3.1.1 振动信号的时域分析  25-26
    3.1.2 振动信号的频域分析  26-27
    3.1.3 振动信号的提取  27-28
  3.2 基于电流信号的特征分析  28-34
    3.2.1 一维连续小波分析  29-30
    3.2.2 离散小波变换  30
    3.2.3 小波包  30-31
    3.2.4 基于小波包电流信号的特征提取  31-34
  3.3 本章小结  34-35
第四章基于免疫神经网络的故障诊断方法及研究  35-65
  4.1 神经网络的基本理论  35-39
    4.1.1 神经网络的理论  35-38
    4.1.2 神经网络的故障诊断能力  38-39
  4.2 神经网络学习算法  39-49
    4.2.1 BP 网络算法及其改进  39-45
    4.2.2 RBF 网络算法及其常用方法  45-49
  4.3 免疫神经网络机理  49-57
    4.3.1 生物免疫系统的简介  50-53
    4.3.2 免疫进化学习算法训练数据中心  53-57
  4.4 基于免疫神经网络的故障诊断  57-64
    4.4.1 引言  57-58
    4.4.2 仿真实验结果  58-64
  4.5 本章小结  64-65
第五章基于小波神经网络的故障诊断技术及研究  65-76
  5.1 小波神经网络  65-66
  5.2 小波神经网络的算法推导  66-71
    5.2.1 小波神经网络算法步骤  69-70
    5.2.2 小波神经网络算法的改进  70-71
  5.3 仿真实验结果  71-75
  5.4 本章小结  75-76
第六章感应电机监测实验系统设计  76-79
  6.1 系统装置简介  76-77
  6.2 振动信号的采集  77-78
  6.3 电流信号的采集  78-79
第七章总结及今后的工作方向  79-81
参考文献  81-84
致谢  84-85
附录  85-90
个人简历  90
在学期间发表的学术论文与研究成果  90-91

基于神经网络的感应电机故障诊断技术研究

内容摘要

全文目录

相似论文