高压异步电机转子故障智能诊断方法研究

【摘要】：随着现代科学技术的进步和电力系统规模日趋庞大,电机在现代工业生产中充当着越来越重要的角色。电机故障不仅会损坏电机本身,影响整个系统的正常运转,严重的情况下甚至危及人身安全,造成巨大的经济损失和重大的社会影响,因此对电机故障的诊断具有重要意义和工程实用价值。研究感应电机的监测和故障诊断技术,对预防感应电机故障的发生,及时发现并消除故障,保证感应电机可靠运行,提高生产效率都具有十分重要的意义。论文在阐叙国内外电机故障诊断研究现状的基础上,对高压异步电机转子的基本结构和转子故障进行了简单的分析。在此基础上提出了两种基于不同故障诊断机理的电机转子故障诊断方法：“质朴型-贝叶斯网络拓扑模型”和“小波神经网络的故障诊断网络模型”。由于电机系统故障信息中存在许多不确定性,电机转子出现故障时,在传统方法的基础上,通过综合样本信息和先验信息,建立基于转子系统故障类型和对应的故障征兆的贝叶斯网络模型。贝叶斯网络作为目前推理领域和不确定性知识表达的的有效模型之一,能高效的推理和表达不确定性知识和概率推理。同时,电机的振动故障信往往包含大量的短时突发、时变的成分,而傅里叶变换采用的方法是将信号从频域和时域整体角度出发,缺乏时频局部性,不能准确的对这些非平稳随机信号分析,故达不到故障信号特征提取的要求。小波神经网络就是在研究电机振动信号的基础上建立的故障诊断模型。采用小波时频分析技术对电机故障信号消噪滤波并提取故障特征,然后用BP神经网络进行故障识别,最终达到故障诊断的目的。最后对异步电机典型故障转子不对中、转子质量不平衡和轴承摩擦等故障用上面提到的两种不同的诊断方法建立模型进行故障诊断。结果证明了论文所设计的两种方法能够对高压异步电机的故障有效地进行诊断,提高了电机故障诊断的准确性。
【关键词】：高压异步电机 电机转子故障 信息不确定性 贝叶斯网络 小波神经网络
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：TM343