基于模糊神经网络电动机故障诊断技术研究

《基于模糊神经网络电动机故障诊断技术研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、图书分类号TP183密级非密UDC硕士学位论文基于模糊神经网络的电动机故障诊断技术研究芦斌指导教师（姓名、职称）姚竹亭申请学位级别工学硕士专业名称模式识别与智能系统论文提交日期_________年_____月_____日论文答辩日期_________年_____月_____日学位授予日期_________年_____月_____日论文评阅人______________________________________________________答辩委员会主席______________2013年5月30日原创性声明本人郑重声明：所呈交的学位论文，是本人在指导教师的指导下，独立进行研

2、究所取得的成果。除文中已经注明引用的内容外，本论文不包含其他个人或集体已经发表或撰写过的科研成果。对本文的研究作出重要贡献的个人和集体，均已在文中以明确方式标明。本声明的法律责任由本人承担。论文作者签名：日期：关于学位论文使用权的说明本人完全了解中北大学有关保管、使用学位论文的规定，其中包括：①学校有权保管、并向有关部门送交学位论文的原件与复印件；②学校可以采用影印、缩印或其它复制手段复制并保存学位论文；③学校可允许学位论文被查阅或借阅；④学校可以学术交流为目的，复制赠送和交换学位论文；⑤学校可以公布学位论文的全部或部分内容（保密学位论文在解密后遵守此规定）。签名：日期：导师签名：日

3、期：基于模糊神经网络的电动机故障诊断技术研究摘要异步电动机作为现代化生产生活的主要动力源，在国民经济各行业和人们的日常生活中得到了广泛应用。若电机发生故障，严重时甚至导致停机，将对工作生产和人们生活造成巨大损失，故对电动机的故障检测诊断具有重要的实际意义。本文在总结国内外异步电动机故障诊断的发展和现状下，研究电动机振动信号和定子电流信号特征参数的提取方法，提出一种异步电动机故障诊断方法，即引入ANFIS模糊神经网络的诊断方法，来解决异步电动机故障诊断问题，并通过实验验证其有效性。本文以异步电动机故障诊断为研究对象，首先针对异步电动机的工作原理，系统研究电动机在定子短路、转子断条、转子

4、偏心三种故障的故障机理，并详细阐述三种故障下振动信号和定子电流信号的特征频率的能量变化，作为判断电机故障的标准。其次，根据异步电动机的故障机理，设计Y132M-4型异步电动机故障诊断实验，通过该实验测量实验电机的振动和定子电流信号，并对所得数据进行相关处理和特征提取。然后，由于BP神经网络在故障诊断中的广泛应用性，利用传统的BP神经网络诊断电机故障，以实验数据为依据，经测试得到的结果不理想，反映BP神经网络在实验电机故障诊断中收敛速度慢、误差精度大和局部极小值缺点。最后，针对BP神经网络故障诊断中上述的缺点，在模糊神经网络的理论基础上，建立适用于电动机故障诊断的ANFIS模糊神经网络

5、故障诊断系统，通过实验提取的特征参数对模糊神经网络推理系统进行训练、测试，并与传统的BP训练算法相比较，得到更为理想的诊断结果，可以有效地加快训练时间、减小误差和避免局部极小值。由此证明针对Y132M-4型电动机，本文建立的ANFIS故障诊断系统可准确高效地诊断电机的故障类型，是一种行之有效的故障诊断方法，对于异步电动机的故障诊断具有一定的参考价值。关键词：异步电动机，故障诊断，BP神经网络，ANFIS模糊神经网络MotorfaultdiagnosistechniquebasedonfuzzyneuralnetworkABSTRACTAsynchronousmotorasthemai

6、npowersourceofthemodernproductionandlife,hasbeenwidelyusedinthenationaleconomyandpeople'sdailylife.Ifthemotorfailure,seriouseventocausetheshutdown,willcauseagreatlosstotheproductionandpeople'slife,sothefaultdetectionanddiagnosisofmotorhastheimportantpracticalsignificance.Thisarticlesummarizethe

7、developmentandcurrentstatusofthedomesticandforeignasynchronousmotorfaultdiagnosis,weresearchthemotorvibrationsignalandthestatorcurrentsignalfeatureextractionmethod,andputforwardakindofasynchronousmotorfaultdiagnosismethod:diagnosi