本文選題：故障診斷 + 智能預(yù)測(cè)��； 參考：《太原理工大學(xué)》2017年博士論文

【摘要】：本文是山西省科技攻關(guān)項(xiàng)目“智能型電機(jī)預(yù)測(cè)保護(hù)器的開(kāi)發(fā)和研制”(2006031153-01)的延續(xù)內(nèi)容�；\型異步電動(dòng)機(jī)是以電為動(dòng)力的機(jī)械驅(qū)動(dòng)設(shè)備,被工礦企業(yè)廣泛應(yīng)用于驅(qū)動(dòng)各種機(jī)械和工業(yè)設(shè)備,因其工作負(fù)荷重,工作環(huán)境惡劣,發(fā)生故障的情況非常普遍,一旦發(fā)生故障會(huì)給企業(yè)造成巨大的經(jīng)濟(jì)損失。因此為及早發(fā)現(xiàn)故障、預(yù)防故障的發(fā)生發(fā)展,防止破壞性和災(zāi)難性事故的發(fā)生,開(kāi)展異步電動(dòng)機(jī)的早期故障智能診斷與預(yù)警技術(shù)的研究,將事故消滅在萌芽狀態(tài)是非常必要的。針對(duì)異步電動(dòng)機(jī)故障機(jī)理復(fù)雜,其故障原因與征兆之間并非一對(duì)一的映射關(guān)系,它們之間存在著一對(duì)多,即同一故障表現(xiàn)為多個(gè)征兆,和多對(duì)一,即不同故障都表現(xiàn)為同一征兆的復(fù)雜對(duì)應(yīng)關(guān)系,本文對(duì)電動(dòng)機(jī)故障機(jī)理進(jìn)行了系統(tǒng)深入的分析,通過(guò)分析研究異步電動(dòng)機(jī)正常和故障時(shí)的電磁學(xué)關(guān)系與動(dòng)力學(xué)特性,以異步電動(dòng)機(jī)的工作模型為基礎(chǔ),建立了異步電動(dòng)機(jī)在故障時(shí)的電磁學(xué)和動(dòng)力學(xué)模型,探索了轉(zhuǎn)子斷條、靜偏心、動(dòng)偏心、動(dòng)靜混合偏心、轉(zhuǎn)子軸承故障發(fā)生時(shí)在定子電流和振動(dòng)信號(hào)中的頻譜變化規(guī)律,為探明有效檢測(cè)故障的發(fā)生和發(fā)展提供有效方法和理論依據(jù)。由于異步電動(dòng)機(jī)發(fā)生故障時(shí)運(yùn)行的非平穩(wěn)性、故障信號(hào)變化的復(fù)雜性和早期故障物理信號(hào)的微弱性與模糊性,導(dǎo)致早期故障診斷和多故障分離更加困難。論文提出了異步電機(jī)狀態(tài)信號(hào)能量分析方法,采用多物理信息融合的方法,對(duì)于電機(jī)的電流信號(hào)與多個(gè)測(cè)點(diǎn)的振動(dòng)信號(hào),采用具有時(shí)域局部特性、多分辨率性的小波包分析方法分別對(duì)其進(jìn)行9或8層小波包分解實(shí)現(xiàn)了對(duì)整個(gè)頻段的精細(xì)劃分,使特征頻率更加顯化,分解出的頻段能夠清晰的反應(yīng)特征頻段在異步電動(dòng)機(jī)正常和故障時(shí)的能量變化規(guī)律,論文中提取了與故障相關(guān)的16個(gè)特征頻段的能量值作為電機(jī)狀態(tài)的特征信息,為電機(jī)故障診斷提供理論依據(jù)。針對(duì)在應(yīng)用小波時(shí)選取小波基函數(shù)的經(jīng)驗(yàn)性和隨意性,使處理效果不盡人意的問(wèn)題,論文根據(jù)上述檢測(cè)信號(hào)的特點(diǎn)和性質(zhì),引入噪聲功率作為小波基函數(shù)的適應(yīng)度函數(shù),提出了根據(jù)噪聲功率和噪聲功率差這兩個(gè)參數(shù)選擇小波基函數(shù)的方法,通過(guò)對(duì)小波基函數(shù)的優(yōu)化選擇,獲得了適用于異步電動(dòng)機(jī)故障分析的最佳小波基函數(shù),克服了傳統(tǒng)方式根據(jù)經(jīng)驗(yàn)或根據(jù)參考文獻(xiàn)選擇小波基函數(shù)使處理精度低效果差的問(wèn)題,使基于小波包的電機(jī)信號(hào)處理方法更加有效,通過(guò)實(shí)際運(yùn)行數(shù)據(jù)的檢驗(yàn),證明了該方法的有效性,也為相關(guān)應(yīng)用提供了可行的方法。為提高神經(jīng)網(wǎng)絡(luò)的故障識(shí)別率和泛化能力,論文設(shè)計(jì)了改進(jìn)型故障融合算法,實(shí)現(xiàn)了用于電機(jī)狀態(tài)識(shí)別的rbf神經(jīng)網(wǎng)絡(luò)的各參數(shù)的優(yōu)化,采用改進(jìn)免疫算法來(lái)確定神經(jīng)網(wǎng)絡(luò)隱層的數(shù)據(jù)中心位置及數(shù)量;同時(shí)在此基礎(chǔ)上采用模糊c均值聚類算法進(jìn)一步對(duì)rbf隱層中心進(jìn)行優(yōu)化。特別是針對(duì)在改進(jìn)免疫算法中聚類數(shù)據(jù)的特點(diǎn),提出了改進(jìn)型初始抗體群計(jì)算方法,采用了自適應(yīng)親和力閾值的選取法,改進(jìn)了抗體刪除算法,并將抗體免疫機(jī)制、抗體濃度調(diào)節(jié)原理加入到免疫算法中。通過(guò)樣本數(shù)據(jù)的仿真,證明了該方法的有效性,解決了傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)識(shí)別能力及準(zhǔn)確率低和泛化能力差的問(wèn)題。針對(duì)異步電動(dòng)機(jī)體積大、質(zhì)量重,其故障時(shí)電磁關(guān)系和動(dòng)力學(xué)性能不易通過(guò)模擬實(shí)現(xiàn),論文基于現(xiàn)代仿真平臺(tái),建立了異步電動(dòng)機(jī)發(fā)生多種故障時(shí)的電磁學(xué)和動(dòng)力學(xué)仿真模型。采用ansoft有限元仿真軟件、p/roe三維畫(huà)圖軟件和msc.adams多體動(dòng)力學(xué)分析軟件分別建立了異步電動(dòng)機(jī)轉(zhuǎn)子斷條有限元模型、靜偏心有限元模型、動(dòng)偏心有限元模型、動(dòng)靜混合偏心有限元模型、轉(zhuǎn)子支撐軸承滾珠損傷多體動(dòng)力學(xué)模型、轉(zhuǎn)子支撐軸承內(nèi)圈損傷多體動(dòng)力學(xué)模型以及轉(zhuǎn)子支撐軸承外圈損傷多體動(dòng)力學(xué)模型,較好地模擬了轉(zhuǎn)子斷條故障、靜態(tài)偏心故障、動(dòng)偏心故障、動(dòng)靜混合偏心故障、轉(zhuǎn)子支撐軸承滾珠損傷故障、轉(zhuǎn)子支撐軸承內(nèi)圈損傷故障和轉(zhuǎn)子支撐軸承外圈損傷故障等,對(duì)上述故障進(jìn)行了深入的仿真分析,結(jié)果一方面驗(yàn)證了理論分析的正確性,另一方面也為下一步的實(shí)驗(yàn)分析提供了進(jìn)一步的指導(dǎo)。為將理論聯(lián)系實(shí)際,在實(shí)踐中驗(yàn)證理論分析和仿真分析的正確性,論文在理論分析與仿真研究的基礎(chǔ)上,設(shè)計(jì)制作了轉(zhuǎn)子斷條、靜偏心、動(dòng)偏心、動(dòng)靜混合偏心、轉(zhuǎn)子支撐軸承滾珠損傷、轉(zhuǎn)子支撐軸承內(nèi)圈損傷等故障電機(jī),并由專業(yè)廠家生產(chǎn)完成。轉(zhuǎn)子斷條是在轉(zhuǎn)子模具中添加絕緣墊片使導(dǎo)條中存在縫隙形成的;偏心是通過(guò)軸承的偏心來(lái)實(shí)現(xiàn)的,即在原配軸承的基礎(chǔ)上,令偏心軸承內(nèi)圈直徑略大于轉(zhuǎn)軸,外圈直徑略小于其所在空間的內(nèi)徑,這樣在軸承內(nèi)外會(huì)產(chǎn)生兩個(gè)氣隙;軸承故障是將軸承相關(guān)部位進(jìn)行人工損壞來(lái)實(shí)現(xiàn)的。這樣避免了實(shí)際故障電機(jī)在發(fā)生一個(gè)故障時(shí)往往伴有其它故障,如斷條發(fā)生時(shí)會(huì)引起偏心等等。在實(shí)際運(yùn)行中通過(guò)不斷更換轉(zhuǎn)子、裝配不同偏心距離的偏心套以及更換各種故障軸承,采集了轉(zhuǎn)子一根和多根斷條,10%、20%、40%的靜偏心度,20%、40%的動(dòng)偏心度,以及軸承滾珠損傷、軸承內(nèi)圈損傷和軸承外圈損傷等故障時(shí)的實(shí)時(shí)數(shù)據(jù),通過(guò)對(duì)實(shí)驗(yàn)信號(hào)進(jìn)行分析和總結(jié),進(jìn)一步驗(yàn)證了本文理論推導(dǎo)結(jié)果的正確性。
[Abstract]:In this paper , it is necessary to develop the fault diagnosis and early warning technology of asynchronous motor by analyzing the electromagnetic and dynamic characteristics of asynchronous motor . In order to improve the fault recognition rate and generalization ability of the neural network , an improved fault fusion algorithm is designed to optimize the parameters of the neural network hidden layer . In this way , two air gaps are generated inside and outside the bearing , and the bearing failure is realized by manual damage of the relevant parts of the bearing . In practice , the real - time data of one and a plurality of broken strips , 10 % , 20 % , 40 % static eccentricity , 20 % , 40 % dynamic eccentricity , and bearing ball damage , bearing inner ring damage and bearing outer ring damage are collected by changing the rotor in the actual operation , and the correctness of the theoretical derivation result is further verified .

【學(xué)位授予單位】：太原理工大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2017
【分類號(hào)】：TM343.3

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 邵華;;《三相籠型異步電動(dòng)機(jī)》說(shuō)課稿[J];職業(yè);2005年S1期

2 王衍鳳;王麗卿;;三相籠型異步電動(dòng)機(jī)常見(jiàn)故障分析[J];職大學(xué)報(bào);2010年04期

3 蓮池介紀(jì);殷國(guó)山;;三相籠型異步電動(dòng)機(jī)的評(píng)價(jià)法[J];中小型電機(jī);1987年06期

4 孫彭年;;籠型異步電動(dòng)機(jī)調(diào)頻調(diào)壓運(yùn)行中的最佳節(jié)電狀態(tài)分析[J];鄭州工學(xué)院學(xué)報(bào);1988年01期

5 劉慧娟;管式籠型異步電動(dòng)機(jī)運(yùn)行狀態(tài)的數(shù)字仿真[J];中小型電機(jī);2000年01期

6 郭鐘t，

本文編號(hào)：1882178