本文是山西省科技攻关项目“智能型电机预测保护器的开发和研制”(2006031153-01)的延续内容。笼型异步电动机是以电为动力的机械驱动设备,被工矿企业广泛应用于驱动各种机械和工业设备,因其工作负荷重,工作环境恶劣,发生故障的情况非常普遍,一旦发生故障会给企业造成巨大的经济损失。因此为及早发现故障、预防故障的发生发展,防止破坏性和灾难性事故的发生,开展异步电动机的早期故障智能诊断与预警技术的研究,将事故消灭在萌芽状态是非常必要的。针对异步电动机故障机理复杂,其故障原因与征兆之间并非一对一的映射关系,它们之间存在着一对多,即同一故障表现为多个征兆,和多对一,即不同故障都表现为同一征兆的复杂对应关系,本文对电动机故障机理进行了系统深入的分析,通过分析研究异步电动机正常和故障时的电磁学关系与动力学特性,以异步电动机的工作模型为基础,建立了异步电动机在故障时的电磁学和动力学模型,探索了转子断条、静偏心、动偏心、动静混合偏心、转子轴承故障发生时在定子电流和振动信号中的频谱变化规律,为探明有效检测故障的发生和发展提供有效方法和理论依据。由于异步电动机发生故障时运行的非平稳性、故障信号变化的复杂性和早期故障物理信号的微弱性与模糊性,导致早期故障诊断和多故障分离更加困难。论文提出了异步电机状态信号能量分析方法,采用多物理信息融合的方法,对于电机的电流信号与多个测点的振动信号,采用具有时域局部特性、多分辨率性的小波包分析方法分别对其进行9或8层小波包分解实现了对整个频段的精细划分,使特征频率更加显化,分解出的频段能够清晰的反应特征频段在异步电动机正常和故障时的能量变化规律,论文中提取了与故障相关的16个特征频段的能量值作为电机状态的特征信息,为电机故障诊断提供理论依据。针对在应用小波时选取小波基函数的经验性和随意性,使处理效果不尽人意的问题,论文根据上述检测信号的特点和性质,引入噪声功率作为小波基函数的适应度函数,提出了根据噪声功率和噪声功率差这两个参数选择小波基函数的方法,通过对小波基函数的优化选择,获得了适用于异步电动机故障分析的最佳小波基函数,克服了传统方式根据经验或根据参考文献选择小波基函数使处理精度低效果差的问题,使基于小波包的电机信号处理方法更加有效,通过实际运行数据的检验,证明了该方法的有效性,也为相关应用提供了可行的方法。为提高神经网络的故障识别率和泛化能力,论文设计了改进型故障融合算法,实现了用于电机状态识别的rbf神经网络的各参数的优化,采用改进免疫算法来确定神经网络隐层的数据中心位置及数量;同时在此基础上采用模糊c均值聚类算法进一步对rbf隐层中心进行优化。特别是针对在改进免疫算法中聚类数据的特点,提出了改进型初始抗体群计算方法,采用了自适应亲和力阈值的选取法,改进了抗体删除算法,并将抗体免疫机制、抗体浓度调节原理加入到免疫算法中。通过样本数据的仿真,证明了该方法的有效性,解决了传统的神经网络识别能力及准确率低和泛化能力差的问题。针对异步电动机体积大、质量重,其故障时电磁关系和动力学性能不易通过模拟实现,论文基于现代仿真平台,建立了异步电动机发生多种故障时的电磁学和动力学仿真模型。采用ansoft有限元仿真软件、p/roe三维画图软件和msc.adams多体动力学分析软件分别建立了异步电动机转子断条有限元模型、静偏心有限元模型、动偏心有限元模型、动静混合偏心有限元模型、转子支撑轴承滚珠损伤多体动力学模型、转子支撑轴承内圈损伤多体动力学模型以及转子支撑轴承外圈损伤多体动力学模型,较好地模拟了转子断条故障、静态偏心故障、动偏心故障、动静混合偏心故障、转子支撑轴承滚珠损伤故障、转子支撑轴承内圈损伤故障和转子支撑轴承外圈损伤故障等,对上述故障进行了深入的仿真分析,结果一方面验证了理论分析的正确性,另一方面也为下一步的实验分析提供了进一步的指导。为将理论联系实际,在实践中验证理论分析和仿真分析的正确性,论文在理论分析与仿真研究的基础上,设计制作了转子断条、静偏心、动偏心、动静混合偏心、转子支撑轴承滚珠损伤、转子支撑轴承内圈损伤等故障电机,并由专业厂家生产完成。转子断条是在转子模具中添加绝缘垫片使导条中存在缝隙形成的;偏心是通过轴承的偏心来实现的,即在原配轴承的基础上,令偏心轴承内圈直径略大于转轴,外圈直径略小于其所在空间的内径,这样在轴承内外会产生两个气隙;轴承故障是将轴承相关部位进行人工损坏来实现的。这样避免了实际故障电机在发生一个故障时往往伴有其它故障,如断条发生时会引起偏心等等。在实际运行中通过不断更换转子、装配不同偏心距离的偏心套以及更换各种故障轴承,采集了转子一根和多根断条,10%、20%、40%的静偏心度,20%、40%的动偏心度,以及轴承滚珠损伤、轴承内圈损伤和轴承外圈损伤等故障时的实时数据,通过对实验信号进行分析和总结,进一步验证了本文理论推导结果的正确性。