大电机技术
大電機技術
대전궤기술
LARGE ELECTRIC MACHINE AND HYDRAULIC TURBINE
2008年
5期
27-30
,共4页
电机%断条%人工神经元%改进遗传算法
電機%斷條%人工神經元%改進遺傳算法
전궤%단조%인공신경원%개진유전산법
笼型电动机的转子常发生断条故障,由于电气三相不平衡,在定子电流中感应出(1±2s)f1谐波分量,这为检测电机转子故障提供了方便.但是,因为转差率s很小,故障的谐波信号分量与基波分量很接近,而且由于基波分量很大,常常掩盖故障信号.基于自适应噪声干扰对消原理,提出了一种用人工神经元进行电机断条故障信号提取的方法.该方法将基波部分作为要消除的部分,采用与基波电流同源的电压经过神经元的计算,将电机定子的基波电流滤除大部分,从而可以明显地发现电机断条故障的信号.由于很难获得合适的神经元学习率及动量系数,本文提出了使用改进的遗传算法对神经元学习率及动量系数进行择优的算法.实验中采用了Y100-L4-2.2KW型电机,在人为使转子产生断条故障情况下,使用霍尔电流传感器与电压传感器分别测量了故障电机的电流和电压,采取FFF对电流进行计算,实验结果验证了本文提出方法的正确性.
籠型電動機的轉子常髮生斷條故障,由于電氣三相不平衡,在定子電流中感應齣(1±2s)f1諧波分量,這為檢測電機轉子故障提供瞭方便.但是,因為轉差率s很小,故障的諧波信號分量與基波分量很接近,而且由于基波分量很大,常常掩蓋故障信號.基于自適應譟聲榦擾對消原理,提齣瞭一種用人工神經元進行電機斷條故障信號提取的方法.該方法將基波部分作為要消除的部分,採用與基波電流同源的電壓經過神經元的計算,將電機定子的基波電流濾除大部分,從而可以明顯地髮現電機斷條故障的信號.由于很難穫得閤適的神經元學習率及動量繫數,本文提齣瞭使用改進的遺傳算法對神經元學習率及動量繫數進行擇優的算法.實驗中採用瞭Y100-L4-2.2KW型電機,在人為使轉子產生斷條故障情況下,使用霍爾電流傳感器與電壓傳感器分彆測量瞭故障電機的電流和電壓,採取FFF對電流進行計算,實驗結果驗證瞭本文提齣方法的正確性.
롱형전동궤적전자상발생단조고장,유우전기삼상불평형,재정자전류중감응출(1±2s)f1해파분량,저위검측전궤전자고장제공료방편.단시,인위전차솔s흔소,고장적해파신호분량여기파분량흔접근,이차유우기파분량흔대,상상엄개고장신호.기우자괄응조성간우대소원리,제출료일충용인공신경원진행전궤단조고장신호제취적방법.해방법장기파부분작위요소제적부분,채용여기파전류동원적전압경과신경원적계산,장전궤정자적기파전류려제대부분,종이가이명현지발현전궤단조고장적신호.유우흔난획득합괄적신경원학습솔급동량계수,본문제출료사용개진적유전산법대신경원학습솔급동량계수진행택우적산법.실험중채용료Y100-L4-2.2KW형전궤,재인위사전자산생단조고장정황하,사용곽이전류전감기여전압전감기분별측량료고장전궤적전류화전압,채취FFF대전류진행계산,실험결과험증료본문제출방법적정학성.
