基于小波神经网络的旋转整流器故障诊断研究

【摘要】： 对传统直流励磁机的励磁系统而言，其带有滑动接触部分的换向器和炭刷等薄弱环节，需要定时检修与维护。但随着电力工业的发展，各种类型的电机的单机容量日益增长，励磁电压和功率随之增大。如果励磁电流太大，采用直流机励磁则会引起集电环的对数增多。其结果将带来电机的安装、检查和维修等诸多不便。传统的直流机励磁系统已难以满足电力工业发展的要求。 无刷励磁技术是为了适应大机组励磁而出现的一种新的励磁方式。由于大型发电机组它取消了滑环和炭刷而提高了其运行的可靠性。但是，取消了滑环和炭刷，旋转整流器的电压和电流不可能直接测量，使其监视与保护十分困难。本文通过对旋转整流器在正常与故障状态下的交流励磁机电枢电流和电枢电势作了初步的理论分析，推导出旋转整流器在正常与故障状态下电枢电流、空间谐波合成磁势及其感应电势的数学表达式。通过计算，可得到励磁绕组中感应电势的各次谐波幅值。并以此为判据对旋转整流器运行状态进行判别。 小波理论在时域和频域同时具有良好的表征信号局部特征的能力，本文采用小波变换来对各种故障情况下的信号进行分析，提取含有丰富的故障信息作为特征向量。先对交流励磁机定子磁极线圈电压采样信号进行消噪滤波，再通过小波包分解和重构进行特征频率提取，建立了表征旋转整流器故障的特征向量。 神经网络对非线性问题的处理具有较强的能力。在无刷励磁系统中旋转整流器可能出现各种故障，但故障原因和相应的症状之间往往没有明确的线性关 系，也就很难距历g洲精确的数学模型来描述。而神经网络可以以待诊断 系统的各种症状的测量数据作为神经网络的输帐本，进例11练、学习，最后 得出故障类型。根据小波变鹏胞强的特征提取能力和人工神经网络经训练 后具有较强的分类能力的特点，本文把多维小波与目前应用广泛的BP （BackPID刚on）相结合酿成小波神经网络，并以表征故障的特征向量作 为小波神经网络的输入。与纯BP神经网络相k腿免BP网络涨陷入的局部 极小，诊断结果更力DWh和可靠，有效防止了旋转整流器故障的误判和u。 最后，运用本文所提出的小波神经网络对旋转整流器正常和各种故障状 态进行在线u，并对630kw的预侗步电动机进行计算机仿真，证明该方 法是可行的。