论文部分内容阅读
随着现代化生产方式的普及与发展,工业生产过程中对设备的依赖已经开始大于对人的依赖。电机作为生产过程中应用广泛的电气设备,已经成为了现代化生产过程中必要的组成要素。针对电机的状态监测也越发的重要,其最终目标是有效防治故障,实现电机状态监控,确保电机的正常运行。进行状态监测首先要提取信号,分析故障原因,清除异常状态;其次才是实时监测,防患于未然,避免生产损失;最后是明确故障根源,彻底修护,根除电机障碍。本文首先介绍了异步感应电机的主要故障类型,比较了目前主要应用于电机故障诊断的技术手段,并对定子电流法进行了分析以及讨论。在电机状态监测系统中最为重要的信号处理部分,本文基于相关性滤波算法对感应电机定子电流进行信号预处理,显著的提高故障特征频率得识别准确率,并通过实验验证了本算法的可行性。其次,本文对异步感应电机模型的数学原理进行了阐述。并据此建立了异步机参数辨识数学模型。然后利用SA—PSO法对正常电机进行了参数辨识,并在电机常见故障状态下进行了参数辨识。从实验结果可以看到电机在不同故障下,其物理参数的变化趋势。再次,本文针对在实际运行过程中一般无法获得故障数据,研究一种只依赖于电机正常运行数据的电机性能退化状态评价方法。将电机特征信号输入到SOM神经网络进行训练,建立SOM网络评价模型。然后通过该评价模型计算其MQE值大小,以此来评价电机性能退化状态。最后,本文以电机故障试验验证了该方法的有效性,SOM—MQE模型能够很好的描述电机故障状态下电机性能退化的各个阶段。最后,本文研究了基于GM—LSSVM组合预测模型,即提出了基于GM模型与LSSVM模型组合预测方法来对电机健康状态进行预测,实现电机的状态维护。最后以实际电机健康度的信息数据为基础,通过试验分析得出了相应的健康度预测,验证了该方法的有效性。