基于神经网络的电机转子断条故障诊断
1 前言
电机是工农业生产中的主要传动机械。随着
,电机的
容量不断增大,所组成的系统的规模越来越大,构成也越来越复杂。但由于工作环境复杂,或
者电机频繁起动等原因,电机转子断条等故障时有发生,对其可靠性要求也越来越高。传统
的电机故障诊断方法,需要建立精确的数学模型、有效的状态估计或参数估计、适当的统计
决策方法等。这些前提条件使得传统的电机故障诊断具有相当的局限性。针对传统检测方
法的以上缺陷,有必要对电机转子工作情况进行更先进及时监测,以防造成重大损失。
异步电动机故障检测是通过应用先进的技术手段,在线监测异步电动机相关运行参数
(如电压、电流、磁通、转速、温度、振动、局部放电等),判断其是否处于正常状态,以确定合理
检修方案,从而达到避免事故停机、提高设备运行可靠性、降低维修费用的目的。
2 电机转子断条故障
转子断条故障是指异步电动机转子导条断裂(端环开裂)故障。异步电动机在运行过程中,
转子导条受到径向点磁力、旋转点磁力、离心力、热弯曲挠度力等交变应力的作用,加之转
子制造缺陷,导致断条故障。
在冷却效果较差时,起动电流产生的热应力和机械应力较大。当在重载和频繁起动情况
下,笼条与端环焊接处是经常发生断裂的部位。一般过程如下:(1)在即将断裂的部位经常出
现过热,很高的热应力或机械应力。(2)达到疲劳极限时笼条断裂,并产生电弧。(3)在继续起
动时,相邻的笼条通过更大的电流,并承受更大的机械和热应力。(4)造成更多笼条断裂,故障
范围扩大;产生较大的单边磁拉力,使电机产生振动、噪声;定子电流摆动和温升增加,转速波
动。
3 神经网络技术在电机转子断条故障诊断的应用人工神经元的信息处理分三个部分,首
先完成输入信号与神经元联接强度内运算,然后再将其结果通过激活函数(如 Sigmond 函
数),再经过阀值函数判决,如果输出值大于阀值,则该神经元被激活否则处于抑制状态。神经
元按一定模式连接成网络型,神经元之间的连接权值的大小反应信号传递的强弱。
本文借助于神经网络的极强的非线性映射能力,实现由电机转子断条故障征兆或者说故
障特征参量空间向故障模式空间的映射,从而达到对电机转子故障模式的识别,判断出是否
为电机转子断条故障。这里,我们采用最具代表性和应用最为广泛的 BP 网。利用定子电流
法和神经网络技术对电动机的运转性能和动力性能的检测,得到瞬时转速信号的尺度参数。
将该参数作为 BP 网络的输入,通过 BP 网络的自学习和联想记忆功能,能有效地确定转子
断条数和故障的部位。同时,这种利用神经网络技术对电动机的运转性能和动力性能的检
测基于神经网络电机转子断条故障诊断框图。通常利用神经网络来实现学习与分类决策的
功能。为了能够对模式进行分类,往往需要学习。通过学习将系统参数或结构固定下来,这也
就完成了训练的过程。待识别信息经已训练神经网络的处理,可自动根据某一判别原则对