微特电机
微特電機
미특전궤
SMALL & SPECIAL ELECTRICAL MACHINES
2015年
4期
18-20
,共3页
故障诊断%裂纹%神经网络%有限元法
故障診斷%裂紋%神經網絡%有限元法
고장진단%렬문%신경망락%유한원법
fault diagnosis%crack%neural network%finite element method
为了实现对在线转子裂纹故障的定量精确识别,首先采用有限元法计算出不同位置、不同深度的横向裂纹转子前三阶固有频率.在此基础上,对前三阶固有频率数据进行了正则化运算,并将数据进一步处理成增量的形式以提高识别的灵敏度.然后,将处理过的固有频率数据作为输入样本,并应用经过LM算法优化的BP神经网络对其进行训练,最后,以在线实测的转子固有频率作为输入数据,通过神经网络实现对裂纹转子的故障识别.神经网络训练结果表明,该研究方法裂纹故障识别精度高,收敛较快,可以应用到同一批电机裂纹转子故障诊断中,具有较强实际应用价值.
為瞭實現對在線轉子裂紋故障的定量精確識彆,首先採用有限元法計算齣不同位置、不同深度的橫嚮裂紋轉子前三階固有頻率.在此基礎上,對前三階固有頻率數據進行瞭正則化運算,併將數據進一步處理成增量的形式以提高識彆的靈敏度.然後,將處理過的固有頻率數據作為輸入樣本,併應用經過LM算法優化的BP神經網絡對其進行訓練,最後,以在線實測的轉子固有頻率作為輸入數據,通過神經網絡實現對裂紋轉子的故障識彆.神經網絡訓練結果錶明,該研究方法裂紋故障識彆精度高,收斂較快,可以應用到同一批電機裂紋轉子故障診斷中,具有較彊實際應用價值.
위료실현대재선전자렬문고장적정량정학식별,수선채용유한원법계산출불동위치、불동심도적횡향렬문전자전삼계고유빈솔.재차기출상,대전삼계고유빈솔수거진행료정칙화운산,병장수거진일보처리성증량적형식이제고식별적령민도.연후,장처리과적고유빈솔수거작위수입양본,병응용경과LM산법우화적BP신경망락대기진행훈련,최후,이재선실측적전자고유빈솔작위수입수거,통과신경망락실현대렬문전자적고장식별.신경망락훈련결과표명,해연구방법렬문고장식별정도고,수렴교쾌,가이응용도동일비전궤렬문전자고장진단중,구유교강실제응용개치.
