基于信息融合技术的电机故障诊断

为了能够从多方面反映电机系统状态,实现对电机故障模式的自动识别与准确诊断,将信息融合技术与神经网络相结合,建立电机故障诊断系统。在数据融合级上,将故障特征量进行分类处理,然后,采用多层神经网络进行故障特征级融合与电机故障的局部诊断,获得彼此独立的证据,再运用DempserShafer(D-S)证据理论融合算法对各证据进行融合,最终,实现对电机故障的准确诊断。诊断测试试验证明:该诊断系统提高了电机故障诊断的精度,并能满足诊断的实时性要求。     

基于自适应PID控制器的异步电机矢量控制

为了克服传统PID控制器自适应性及鲁棒性相对较差的缺点。实现高性能的异步电机矢埴控制，提出了采用人工神经网络技术构造自适应PID控制器。在保证调速系统全局快速收敛的情况下，运用有监督的Delta学习规则和合理的控制算法。实现自适应PID控制器参数的在线自动调整。应用MATLAB软件设计基于自适应PID控制器的异步电机矢量控制模型并进行仿真研究，结果表明，自适应PID控制器不仅能够满足异步电动机矢量控制的实时性要求。而且可以大大改善异步电动机的动态性能与静态性能，表现出较强的自适应性与鲁棒性，因而可以取代传统PID控制器以实现高性能的异步电动机矢量控制。     

基于信息融合技术的电机故障诊断

为了能够从多方面反映电机系统状态，实现对电机故障模式的自动识别与准确诊断，将数据融合技术与神经网络相结合，建立电机故障诊断系统。在数据融合级上，将故障特征量进行分类处理，然后采用多层神经网络进行故障特征级融合与电机故障的局部诊断，获得彼此独立的证据，再运用D-S（Dempser Shafer）证据理论融合算法对各证据进行融合，最终实现对电机故障的准确诊断。诊断测试试验证明，该诊断系统提高了电机故障诊断的精度，并能满足诊断的实时性要求。