收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于小波神经网络的旋转整流器故障诊断研究

王海田  
【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。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 刘念;无刷励磁旋转整流器电流波形分析及其故障的微机识别[J];电力系统自动化;1994年04期
2 杨府;谢驰;刘勇;李扬扬;;基于TMS320LF2407A旋转整流器故障诊断系统的设计[J];成都大学学报(自然科学版);2010年01期
3 刘念,谢驰;无刷励磁同步发电机旋转整流器故障的模糊神经网络诊断[J];继电器;2003年08期
4 陈兴卫,李晶;同步电动机无刷励磁系统组成与设计[J];防爆电机;2003年04期
5 肖兰;无刷同步电机旋转整流器故障分析[J];四川水力发电;1996年02期
6 薄海涛,白振兴;基于故障树和神经网络的飞机电源系统故障诊断研究[J];现代电子技术;2005年10期
7 刘念;旋转整流器故障的神经网络识别研究[J];电力系统自动化;1998年10期
8 彭丽媛,于秋来,王志刚;650MW无刷励磁机组技术特性分析[J];黑龙江电力;2000年06期
9 周玲,邢学联;旋转整流器式无刷直流同步发电机特性研究[J];电机电器技术;2004年05期
10 周玲;旋转整流器式无刷直流同步发电机特性研究[J];淮阴工学院学报;2004年03期
11 刘迪吉;方军川;;旋转整流器式无刷同步发电机励磁系统的特点[J];电机与控制应用;1979年02期
12 于先平;同步电动机无刷励磁系统主回路研讨[J];电机技术;2003年03期
13 金京哲;;关于无刷同步电机旋转整流器故障检测原理分析[J];电气技术;2006年07期
14 黄念慈,黄山,赵莉华;旋转整流器故障检测的一种方法[J];电工技术学报;1996年04期
15 梁杉;刘念;岳良顺;;基于小波神经网络的无刷同步发电机旋转整流器故障诊断研究[J];四川电力技术;2008年03期
16 刘业胜;;发电机无刷励磁系统旋转整流器监测方法及其适用性分析[J];电气时代;2010年03期
17 李海波;;高阶反馈型神经网络及其在优化计算中的应用[J];东南大学学报(自然科学版);1990年06期
18 朱铭铨,姬中岳,刘镜;神经网络与CIMS监控技术[J];中国机械工程;1992年03期
19 崔定军,杨尔辅,张振鹏,刘国球;基于神经网络的火箭发动机动态过程建模[J];航空动力学报;1995年03期
20 赵矿所,林钧清;神经网络在舰船噪声识别中的应用[J];舰船科学技术;1995年06期
中国重要会议论文全文数据库 前10条
1 刘念;王海田;党晓强;刘靖;;旋转整流器故障的神经网络识别研究[A];四川省电工技术学会电机专业委员会二○○一年第十三届学术年会论文集[C];2001年
2 刘念;王海田;党晓强;刘靖;;旋转整流器故障的神经网络识别研究[A];四川省电工技术学会第七届学术年会论文集[C];2003年
3 侯艳芳;冯红梅;;基于神经网络的调制识别算法的研究[A];武汉(南方九省)电工理论学会第22届学术年会、河南省电工技术学会年会论文集[C];2010年
4 沈建荣;杨林泉;陈琳;;神经网络的稳定性判据与区域经济结构调整[A];系统工程与可持续发展战略——中国系统工程学会第十届年会论文集[C];1998年
5 石山铭;李富兰;丁俊丽;;神经网络的知识获取[A];全国青年管理科学与系统科学论文集(第1卷)[C];1991年
6 吴清烈;徐南荣;;基于神经网络的一种多目标决策方法[A];复杂巨系统理论·方法·应用——中国系统工程学会第八届学术年会论文集[C];1994年
7 李晓钟;汪培庄;罗承忠;;神经网络与模糊逻辑[A];中国系统工程学会模糊数学与模糊系统委员会第五届年会论文选集[C];1990年
8 房育栋;余英林;;高阶自组织映射及其学习算法[A];1995年中国控制会议论文集(上)[C];1995年
9 王晓晔;杜朝辉;吕德忠;刘建峰;;神经网络模糊控制在温度控制系统中的应用[A];1997中国控制与决策学术年会论文集[C];1997年
10 金龙;吴建生;;基于遗传算法的神经网络短期气候预测模型(摘要)[A];新世纪气象科技创新与大气科学发展——中国气象学会2003年年会“气候系统与气候变化”分会论文集[C];2003年
中国博士学位论文全文数据库 前10条
1 刘志祥;深部开采高阶段尾砂充填体力学与非线性优化设计[D];中南大学;2005年
2 戴雪龙;PET探测器神经网络定位方法研究[D];中国科学技术大学;2006年
3 马戎;智能控制技术在炼钢电弧炉中的应用研究[D];西北工业大学;2006年
4 文敦伟;面向多智能体和神经网络的智能控制研究[D];中南大学;2001年
5 吴大宏;基于遗传算法与神经网络的桥梁结构健康监测系统研究[D];西南交通大学;2003年
6 杜文斌;基于神经网络的冠心病证候诊断标准与药效评价模型研究[D];辽宁中医学院;2004年
7 熊雪梅;参数化模糊遗传神经网络及在植物病害预测的应用[D];南京农业大学;2004年
8 李智;电站锅炉燃烧系统优化运行与应用研究[D];东北大学;2005年
9 王承;基于神经网络的模拟电路故障诊断方法研究[D];电子科技大学;2005年
10 谭阳红;基于小波和神经网络的大规模模拟电路故障诊断研究[D];湖南大学;2005年
中国硕士学位论文全文数据库 前10条
1 杨立儒;基于神经网络的电路故障诊断的研究与实现[D];解放军信息工程大学;2010年
2 刘兰兰;基于神经网络和遗传算法的H型钢粗轧工艺参数优化研究[D];山东大学;2011年
3 田鹏明;基于神经网络的振动主动控制研究[D];太原理工大学;2012年
4 姜宇;发动机裂解设备故障诊断技术的研究[D];吉林大学;2012年
5 王海田;基于小波神经网络的旋转整流器故障诊断研究[D];四川大学;2003年
6 邢远凯;基于决策树和遗传算法的神经网络研究及应用[D];浙江大学;2010年
7 高宝建;基于神经网络的月降水预报模型在洪泽湖的应用研究[D];南京信息工程大学;2012年
8 陈少华;基于Hopfield神经网络控制系统的研究[D];山东科技大学;2010年
9 来建波;基于神经网络的路段行程时间预测研究[D];云南大学;2011年
10 闫超;基于BP神经网络的煤矿深埋硐室软岩流变参数反演分析[D];安徽理工大学;2011年
中国重要报纸全文数据库 前10条
1 于翔;数字神经网络中的协同应用[N];网络世界;2009年
2 健康时报特约记者  张献怀;干细胞移植:修复受损的神经网络[N];健康时报;2006年
3 邹丽梅 陈耀群;江苏科大神经网络应用研究通过鉴定[N];中国船舶报;2006年
4 记者 孙刚;“神经网络”:打开复杂工艺“黑箱”[N];解放日报;2007年
5 本报首席记者 任荃 实习生 史博臻;轨交“神经网络”触动创新神经[N];文汇报;2011年
6 计算机世界实验室 韩勖;当布线系统遭遇神经网络[N];计算机世界;2009年
7 曹建兵 李祖兵 特约记者 何天进 本报记者 于莘明;给导弹植入“神经网络”[N];科技日报;2005年
8 谭薇;“潮湿计算机”:拥有人类智慧的超级大脑[N];第一财经日报;2010年
9 韩婷婷;ICT强壮奥运“神经网络”[N];通信产业报;2007年
10 ;人老了,大脑仍能形成新的神经网络[N];新华每日电讯;2004年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978