基于小波变换及bp网络的变频器故障诊断

《基于小波变换及bp网络的变频器故障诊断》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、哈尔滨工业大学本科毕业设计（论文）摘要三相交流变频驱动系统以其优良的调速性能，良好的节能效果，越来越广泛的应用于工业、商业、航空等领域。由于控制算法的复杂性及半导体器件的自身特点，驱动器易发生故障。论文针对变频器的故障诊断进行研究，在建立变频器AC-DC-AC模型的基础上，对各种故障类型进行理论分析与仿真实验，总结各种故障并相互比较，给出基于小波变换和神经网络的故障诊断方法。由于条件所限，无法得出故障情况下的各种故障信息，以作为故障诊断的基础，所以本文首先对变频调速系统在MATLAB软件中进行仿真，建立了变频调速系统的仿真模型。在此基础

2、上，模拟了几种常见的变频器本身的故障，诸如开关元件的短路、开路等。并提取了故障信息一变频器的三相输出电流信号。运用傅立叶变换后，得到了故障情况下，电流的幅频特征信息，以此作为故障诊断的依据。此信息送入一个优化设计后的神经网络中，经此神经网络可判断故障发生的具体位置，从而减少故障维修时间，并为下一步处理提供依据。本文在变频器的故障诊断中首次采用神经网络进行诊断。利用了神经网络的自学习、非线性、联想等优点，从而使变频器运行更为可靠。仿真结果表明：该方法可诊断PWM逆变电路故障，且收敛速度快，诊断准确度高。关键词：变频器，故障诊断，小波变换，

3、神经网络-IV-哈尔滨工业大学本科毕业设计（论文）AbstractInductionmotordrivesystemhasbeenwidelyusedinindustrial,commercialandaerospaceapplications,etc,foritsexcellentspeedcontrolperformanceandenergysaving.However,thecomplexityofthecontrolstrategyandthefeaturesofsemiconductorresultseasilyinvario

4、usfailuresofthedrivesystem.Thepapermainlyaimedtofrequencyconverterforfaultdiagnosis，intheestablishmentofAC-DC-ACinvertermodelbasedonthetypeoffaultonthevarioustheoreticalanalysisandsimulationresultsaresummarizedandcomparedvariousfailurepresentedwaveletandneutralnetworks-b

5、asedfaultdiagnosis.Beeauseofthelimitofcondition,wecannotgetthefaultinformationontheconditionoffaultwhichcanbeusedasthebaseoffaultdetectionanddiagnosis.Atfirstthepaperbuildthesimulationmodelofvaried-frequencyvaried-speedsystem，andonthisbase，simulatesomekindsofinverterfaul

6、tsthatcanbemeetusuallysuchasshortandopencircuitfaultofswitchete，thenextractthefaultinformation-thethree-phaseoutputcurrentofinverter.Whenthefaultinformationaretransformedbywavelet-transform，wecangettheamplitudeandfrequencyinformationofthethree-phasecurrentontheconditiono

7、fthefaultwhichcanbeusedastheinformationofthefaultdiagnosis.TheinformationinputaNNthathasbeenoptimized.TheNNcandiagnosistheplacewherethefaulttookplacesowecanreducethefaultmaintaintimeandprovidethebaseofthenextstepanalyse.theNNisfirstadoptedinthefaultdiagnosisoftheinverter

8、inthispaper，andatthesametimethecharacteristicsoftheNN，suchasauto-learning，non-linearity，memory，areutili