【摘 要】
:
近年来,永磁同步电机凭借其高效率,低温升以及高功率因素等优点,被广泛应用于各行各业中。与此同时,它的安全性和可靠性也成了人们选择电机的首要考虑因素。退磁故障是永磁同步电机故障中的一种,轻则影响电机运行效率,重则导致电机损毁,造成令人难以接受的后果。若能在永磁同步电机运行初期,及时诊断出退磁故障并加以维修,就能预防退磁程度进一步扩大,从而减少维修费用,保障人身安全。因此,诊断永磁同步电机的退磁故障具
论文部分内容阅读
近年来,永磁同步电机凭借其高效率,低温升以及高功率因素等优点,被广泛应用于各行各业中。与此同时,它的安全性和可靠性也成了人们选择电机的首要考虑因素。退磁故障是永磁同步电机故障中的一种,轻则影响电机运行效率,重则导致电机损毁,造成令人难以接受的后果。若能在永磁同步电机运行初期,及时诊断出退磁故障并加以维修,就能预防退磁程度进一步扩大,从而减少维修费用,保障人身安全。因此,诊断永磁同步电机的退磁故障具有重要意义。在永磁同步电机退磁故障的诸多诊断方法中,气隙磁密是判断其发生退磁故障最直观的参数之一。因此,论文提出了一种基于磁密分量的永磁同步电机退磁故障诊断方法。主要研究内容如下:(1)对永磁同步电机在空载和负载下的磁密分量进行计算分析,提出了基于磁密分量的退磁故障诊断方案。选择霍尔效应法以及霍尔元件作为诊断方案的磁场检测方法与装置,对扩展卡尔曼滤波理论进行阐述和滤波效果分析,选择扩展卡尔曼滤波作为滤波方法,并提出使用RBF神经网络对退磁故障程度进行预测;(2)搭建ANSYS Maxwell的有限元仿真模型,对正常电机,单个磁极退磁30%,50%,70%,100%,两个磁极退磁50%,三个磁极退磁50%的局部退磁故障电机和全部磁极退磁30%,50%的均匀退磁故障电机的磁密分量进行仿真分析,并建立了基于RBF神经网络的空载和负载退磁故障预测模型对退磁故障程度进行预测,验证了退磁故障诊断方案的可行性;(3)对整个退磁故障诊断系统的软硬件进行设计与实现,在硬件方面设计了信号采集模块和DSP驱动模块;在软件方面实现了信号的采集,传输以及滤波;(4)构建了退磁故障诊断平台,在该平台上实现了不同退磁故障下实验信号的采集,并使用训练好的退磁故障预测模型对退磁故障程度进行预测,最终将实验结果与仿真结果进行对比。仿真与实验结果表明,当永磁同步电机发生退磁故障后,一旦退磁磁极经过霍尔元件,由霍尔元件检测到的霍尔电压就会发生变化,即磁密分量发生变化。使用退磁故障预测模型对变化的磁密分量进行预测,预测结果与真实数据基本一致且变化趋势保持同步,达到了预期效果。此外,通过以上几种退磁故障下磁密分量的变化可以类比得到它在其他退磁故障下的变化趋势。
其他文献
近年来,智能网联汽车(Intelligent Connected Vehicle,ICV)在互联网技术的推动下,其智能化水平得到了极大提升,但也暴露了车内网络安全问题。ICV具有较多的车内远程接口以及对外通信功能,这使得攻击者可以通过该接口并利用车内网安全漏洞实现对车辆的控制。目前,针对由远程攻击造成的车内网络安全问题,国内外专家学者已经提出了诸多防护机制,如身份认证、数据加密和密钥更新等技术,这
随着社会的不断发展与进步,视频数据的急剧增长,视频中的行为识别与分析逐渐成为我们研究的热点。基于RGB视频或光流的行为识别方法易受背景、光照和外观变化的影响,越来越多的研究者将视频序列转换为骨架序列进行研究。现有的基于骨架的研究大多是对单人骨架进行分析,而对于理解具有多人之间关系的复杂人类活动的问题还没有得到充分的解决。同时,在对行为进行分类后,理解视频中动作的本质也是我们需要思考的问题。为了进一
低秩表示在发现高维数据以及存在噪声的数据的内在结构方面有着强大的能力。因此,在计算机视觉和机器学习等实际应用中起着十分重要的作用。然而,传统的低秩表示模型无法有效地检测出噪声并抑制噪声数据的影响。尤其是在强噪声的环境下,其性能下降得更为明显。为解决上述问题,本文提出了一种基于特征与样本缩放的低秩表示技术并在双线性因子分解模型上做了拓展,提升了模型对不同噪声处理的鲁棒性,加快了模型计算速度,并对存在
水果和蔬菜富含微量营养素和抗氧化剂等营养成分,是我们日常饮食中不可缺少的一部分。随着人们生活节奏的加快,鲜切果蔬的需求量不断扩大。但是,由于鲜切果蔬加工后暴露的外表面富含营养物质适合微生物繁殖,因此,由微生物污染鲜切果蔬导致的食源性疾病病例也随之增加。传统的杀菌方法大多存在有毒物质残留、破坏食物营养成分等缺点。光动力杀菌是一种安全高效的冷杀菌方法,能够有效克服传统杀菌方法的缺点。但传统光敏剂卟啉分
物联网(Internet of Things,IoT)技术在近几年得到蓬勃发展,数以亿计的设备产生海量数据。网络架构是支撑物联网运行的基础,面对物联网灵活的应用场景,传统TCP/IP架构因其面向主机连接的特性,在地址分配和动态寻址等方面已表现出各种固有的不足。针对这些问题,命名数据网络(Named Data Networking,NDN)提出以内容为中心的网络架构,可以无需地址主动发起数据收集,展
关于中小企业的信用评级手段受到越来越多评级机构的关注,评级方法也步入了新的发展阶段——基于智能算法的评级模型,但评级模型的预测准确率极易受到数据、模型参数等的影响,不利于企业信用风险评估的过程和结果。因此,对数据和模型进行准确的分析和训练,对提高信用评级模型的性能,降低评级机构对企业的授信风险来说是具有重要意义的。为了提高针对中小企业的信用评级模型的精准性和适用性,论文使用SVM(Support
随着温室效应和能源危机的加剧,电动汽车因其零排放和低能耗受到世界各国和汽车厂商的青睐。电机作为电动汽车的核心动力部件,其运行性能和可靠性至关重要。相比于其他种类的电机,永磁同步电机(Permanent-Magnet Synchronous Motor,PMSM)因具有效率高、功率密度高、结构紧凑等优势,在电动汽车上得到了广泛的应用。然而,当PMSM发生相开路或短路故障后,若没有采取相关措施,将会产
随着人口增长、科技的进步,能源的需求量快速递增,同时因化石燃料的大量使用也引起了一系列的环境问题,如,大气、水体、土壤污染和温室效应等,若不能从源头解决这一系列问题,则在未来无法保证人类的命运和生态环境的可持续性发展。为了更好解决因化石燃料燃烧及石油化工生产而引起的环境污染问题,科学家致力于寻找清洁、高效和稳定的化石燃料替代能源。氢气因燃烧热高、原料充分、反应终产物清洁、零碳排放等优势,引起了科研
类风湿疾病是一种对身体危害极大的慢性全身性疾病,患者没有及时就医进行治疗,致残率将会达到70%。大量的研究证实,各种类风湿疾病越早介入治疗,恢复的效果越好。而目前类风湿疾病患者大多是发病后才进行就医,因此医院对类风湿疾病患者基本是以治疗为主,尚缺乏对类风湿疾病患者发病前身体指标异常的监控机制。而对于类风湿疾病而言,医生在早期及时进行疾病干预才是最有效的手段。因此本文利用机器学习技术,并结合现有医疗
当今社会和工业的快速发展导致传统化石能源快速消耗,并由此引起了严重的环境污染和能源紧缺问题,这迫使我们必须尽快开发出新型绿色能源以满足未来的能源需求,并构建一个更舒适的居住环境。氢能源具有高温溶解性能强、能量密度高、燃烧性能好、燃烧过程中完全不产生有害物质等优点,被认为是未来最理想的能源。在氢气的生产方法中,电解水工艺因为操作简单、氢气纯度高,是最有潜力的制备方法。但目前电解水析氢反应(HER)中