论文部分内容阅读
异步电动机作为一种典型的原动力及驱动装置,在工业生产和生活中被广泛应用。能够准确了解异步电动机过载运行情况下温升的变化规律,对电动机进行过载热保护,提高其运行的安全与稳定性具有重要的理论价值和现实意义。本文以鼠笼式三相异步电动机为研究对象,采用ANSYS对电动机进行磁场以及温度场的相关分析,并结合神经网络对电动机进行温升预测,研究有限元分析与神经网络相结合的电动机过载热保护方法。主要工作如下:(1)通过ANSYS建立了电动机二维模型,对其相关等效导热系数进行详细分析计算,在Workbench平台中对电动机进行网格划分以及施加载荷等操作,并对电动机进行了瞬态热分析,建立了电动机的热辐射模型。针对电动机负载随时间不断变化的问题,在瞬态热分析时采用载荷时间曲线的方式更直观的表达了载荷与时间两者之间的变化关系。通过ANSYS在每一步计算后反馈有用数值的操作,提高了时间积分算法的准确性。(2)基于建立的电动机二维有限元模型,对三相异步电动机在不同负载运行情况下的磁力线分布以及温度场分布进行仿真研究。经过实际数据与测量数据的对比得知,电动机在各种运行情况下的电流误差为±0.05A,铁损耗误差为±0.08W,铜损耗误差为±0.4W,定子绕组温度误差为±1.5℃,从而验证了仿真模型的有效性和分析方法的正确性,同时为电动机温升智能预测提供了数据和模型支撑。(3)为了弥补ANSYS对电动机进行温度场分析一般只适用于电动机设计阶段,且实时性较差的缺陷,本文提出了一种基于神经网络的电动机智能温升预测方法。该方法具体实现步骤为:首先,设计出异步电动机过载运行时温升预测的神经网络模型;其次,通过分析Levenberg-Marquardt、Fletcher-Reeves、PolakRibiere以及拟牛顿算法对网络预测效果的影响,选定效果最好的LevenbergMarquardt作为该特定网络的训练方法;最后,用训练后的神经网络对电动机温升进行预测。仿真结果表明,采用本文提出的方法可以将鼠笼式三相异步电动机温升误差控制在±0.2℃以内,从而实现了对电动机的过载热保护,为鼠笼式三相异步电动机的优化设计和温度的预测预报提供了理论依据。