本文關(guān)鍵詞：采用最優(yōu)小波樹和改進(jìn)BP神經(jīng)網(wǎng)絡(luò)的感應(yīng)電動(dòng)機(jī)定子故障診斷　出處：《電工技術(shù)學(xué)報(bào)》2015年24期 　論文類型：期刊論文

  更多相關(guān)文章： 感應(yīng)電動(dòng)機(jī) 定子匝間短路故障 最優(yōu)小波樹 捕食搜索遺傳算法 BP神經(jīng)網(wǎng)絡(luò)

【摘要】：為了準(zhǔn)確及時(shí)地識別并排除感應(yīng)電動(dòng)機(jī)定子匝間短路故障,保障電動(dòng)機(jī)設(shè)備的安全運(yùn)行,提出了一種基于最優(yōu)小波樹和捕食搜索遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)的新型故障診斷方法。結(jié)合故障電流的特征,采用最優(yōu)小波樹,將濾除基波分量后的定子殘余電流信號進(jìn)行分解,提取表征信號內(nèi)在規(guī)律最強(qiáng)的分解節(jié)點(diǎn)能量成分,作為BP神經(jīng)網(wǎng)絡(luò)的輸入特征向量。采用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行分類,通過捕食搜索策略優(yōu)化的遺傳算法選擇神經(jīng)網(wǎng)絡(luò)訓(xùn)練的初始權(quán)值和閾值,提升網(wǎng)絡(luò)訓(xùn)練的速度和準(zhǔn)確度。實(shí)驗(yàn)結(jié)果表明,該方法不但可以提取優(yōu)于小波包方法的最優(yōu)特征向量,同時(shí)可以準(zhǔn)確識別三種故障下的電動(dòng)機(jī)定子匝間短路故障。
[Abstract]:In order to accurately identify and exclude the induction motor stator interturn short circuit fault, ensure the safe operation of electric equipment, puts forward a new fault diagnosis method of neural network optimized by genetic algorithm to search the optimal wavelet tree. Combined with the characteristics and predation based on fault current, the optimal wavelet tree, the signal of stator residual current fundamental component after filtering the decomposition, decomposition of node energy extraction of signals the inherent law of the strongest, as input vectors of BP neural network. The classification based on BP neural network, neural network training through the initial weights and thresholds of predatory search genetic algorithm optimization, improve network training speed and accuracy. The experimental results show that the optimal this method not only can extract the feature vector is superior to the wavelet packet method, and can accurately identify three kinds of motor fault conditions Stator turn to turn short circuit fault.

【作者單位】： 中國礦業(yè)大學(xué)信息與電氣工程學(xué)院;
【基金】：教育部科學(xué)技術(shù)研究重大資助項(xiàng)目(311021)
【分類號】：TM346
【正文快照】： 0引言感應(yīng)電動(dòng)機(jī)轉(zhuǎn)速高、容量大,是電力系統(tǒng)的重要支撐設(shè)備之一,其常見的故障主要有定子、轉(zhuǎn)子、軸承及氣隙偏心等故障。其中定子繞組匝間短路故障是感應(yīng)電動(dòng)機(jī)經(jīng)常出現(xiàn)的故障類型,故障率約占電動(dòng)機(jī)總故障的37%,因此能夠在早期及時(shí)準(zhǔn)確地預(yù)測出故障并排除具有重要的安全和經(jīng)濟(jì)

【參考文獻(xiàn)】

相關(guān)期刊論文 前3條

1 徐奇?zhèn)?宋立偉;崔淑梅;;感應(yīng)電機(jī)矢量控制中轉(zhuǎn)子參數(shù)自適應(yīng)辨識[J];電工技術(shù)學(xué)報(bào);2011年06期

2 王萍萍;陳進(jìn)東;潘豐;;采用捕食搜索策略的遺傳算法改進(jìn)[J];東南大學(xué)學(xué)報(bào)(自然科學(xué)版);2010年S1期

3 王攀攀;史麗萍;苗長新;韓麗;;利用骨干微粒群算法和SVM診斷電機(jī)定子故障[J];電機(jī)與控制學(xué)報(bào);2013年02期

【共引文獻(xiàn)】

相關(guān)期刊論文 前5條

1 宋文祥;阮智勇;尹峗;;基于靜態(tài)補(bǔ)償電壓模型的改進(jìn)轉(zhuǎn)子磁鏈觀測器[J];電工電能新技術(shù);2012年04期

2 劉和平;湯夢陽;劉慶;彭東林;;基于定子磁鏈模型的異步電機(jī)轉(zhuǎn)子時(shí)間常數(shù)辨識[J];電機(jī)與控制學(xué)報(bào);2014年01期

3 宋鵬先;李耀華;王平;蘇朝陽;;交流電機(jī)端口特性的數(shù)字化實(shí)現(xiàn)方法[J];電工技術(shù)學(xué)報(bào);2015年14期

4 董強(qiáng);闞京波;王澤;張凱;;異步電機(jī)間接矢量控制的轉(zhuǎn)子電阻在線校正算法[J];北京交通大學(xué)學(xué)報(bào);2015年05期

5 劉可安;田紅旗;劉勇;;軌道交通直線感應(yīng)電動(dòng)機(jī)牽引系統(tǒng)精確瞬時(shí)速度檢測技術(shù)研究[J];電工技術(shù)學(xué)報(bào);2015年21期

相關(guān)碩士學(xué)位論文 前7條

1 黃清軍;模擬電機(jī)特性的電力電子負(fù)載研究[D];華中科技大學(xué);2012年

2 李中立;基于dsPIC三相異步電動(dòng)機(jī)變頻調(diào)速系統(tǒng)研究[D];沈陽工業(yè)大學(xué);2013年

3 李博;基于Modbus同步通訊的多電機(jī)控制系統(tǒng)[D];沈陽工業(yè)大學(xué);2013年

4 楊海峰;基于模態(tài)相關(guān)性的齒輪箱有限元模型修正[D];太原理工大學(xué);2013年

5 高德艷;基于模型參考自適應(yīng)系統(tǒng)的SVM-DTC變頻調(diào)速研究[D];哈爾濱工業(yè)大學(xué);2013年

6 李程;永磁同步電機(jī)參數(shù)辨識研究[D];西安電子科技大學(xué);2014年

7 湯夢陽;異步電機(jī)矢量控制與參數(shù)辨識研究[D];重慶大學(xué);2014年

【二級參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 冬雷,李永東,王文森,李明才;矢量控制中感應(yīng)電動(dòng)機(jī)轉(zhuǎn)子電阻的自適應(yīng)辨識[J];電工技術(shù)學(xué)報(bào);2002年04期

2 金海;黃進(jìn);;基于模型參考方法的感應(yīng)電機(jī)磁鏈的自適應(yīng)觀測及參數(shù)辨識[J];電工技術(shù)學(xué)報(bào);2006年01期

3 李建軍;盛潔波;王翠;桂衛(wèi)華;;異步電機(jī)定轉(zhuǎn)子參數(shù)的辨識方法研究[J];電工技術(shù)學(xué)報(bào);2006年01期

4 李海濱;;自適應(yīng)局部微調(diào)遺傳算法[J];電機(jī)與控制學(xué)報(bào);2007年02期

5 趙石磊;張迎春;;SVM回歸估計(jì)方法在衛(wèi)星故障診斷中的應(yīng)用[J];電機(jī)與控制學(xué)報(bào);2008年04期

6 王強(qiáng);陳歡歡;王s，

本文編號：1371672