基于神经网络的非侵入式电机故障检测方法

为了克服传统电机故障检测方法的准确率低、测量过程为侵入式、严重依赖先验知识的缺点,提出了一种基于卷积神经网络的非侵入式电机故障检测方法.通过将电机与其他设备共同工作时的总电源信号作为检测样本,实现检测过程的非侵入式,并基于残差优化卷积网络结构进行神经网络训练,最终实现电机超载、单相短路及相间短路故障的非侵入式检测与分类...     

基于LabVIEW的电机测试系统的设计与研究

基于LabVIEW的电机测试平台是针对于传统方法已无法满足电机生产测试量的需求而提出来的,通过对方案和功能的设计能够完成电机出厂检测的基本测量任务,可以满足电机的动态性能测试,它具有便于操作、直观显示、工作简单等优点.探讨了测试系统的总体设计方案、技术原理以及对某型号异步交流电机的实际测试.实际测量数据表明本系统运行稳定,测量准确.     

基于ELM神经网络的采煤机截割载荷软测量建模方法

采煤机是煤矿综采工作面的关键设备,由于煤层结构复杂,导致截割载荷复杂多变,并且截割载荷难以直接测量。因此,针对采煤机截割载荷难以直接检测难题,研究了采煤机交流异步电机的机械特性,提出了基于软测量建模技术的截割载荷预测方法。首先,通过分析采煤机交流异步电机的机械特性,得出截割载荷与截割电机的转速、电流符合非线性关系,运用软测量建模方法可以预测截割载荷。然后,以截割电机的转速和电流作为输入变量,运用ELM神经网络的软测量建模方法建立采煤机截割载荷软测量模型。最后,运用ELM,BP,RBF3种神经网络软测量建模方法对采煤机电机载荷进行预测,以均方误差和相关系数作为预测评价指标,结果表明:ELM神经网络软测量建模方法在预测精度和预测速度方面都优于BP神经网络和RBF神经网络软测量建模方法。运用ELM神经网络软测量建模方法能够准确、快速预测采煤机截割载荷,为采煤机恒功率截割和牵引智能调速提供了理论基础。     

一种基于心理声学品质和调制频率的车窗电机检测方法

为保证车窗电机出厂前声品质和性能达到要求,提出了基于心理声学参量和调制频率的车窗电机检测方法。基于传统的心理学客观参量模型计算正常电机和故障电机声音样本的响度、粗糙度、尖锐度,基于修正的模型计算其尖锐度值,并通过主客观评价试验分析正常电机和故障电机的响度、粗糙度、尖锐度、修正后尖锐度与主观感受反映的相关性;以响度、修正后尖锐度作为特征向量,将电机分为正常电机和异常噪声电机,在此基础上为了诊断异常噪声电机的故障类型,加入物理参量调制频率作为预测车窗电机故障类型的特征量;最后,构建附加动量法优化的BP神经网络分类器对电机进行分类,通过试验验证优化的神经网络分类器。研究结果表明:正常电机与故障电机的响度和修正后尖锐度值存在明显差别,响度和修正后尖锐度与人的主观心理一致性较好,一致性系数达0.8以上;碳刷-换向器缺陷的电机噪声频率在80~100Hz,蜗杆-齿轮缺陷的电机噪声频率在20~40Hz,而正常电机的噪声频率在100 Hz以上,调制频率可作为检测电机故障类型的特征量;优化的神经网络分类器对车窗电机的分类准确率达90%以上,且与传统BP神经网络分类器相比其准确率更高和耗时更少。     

双馈电机无速度传感矢量控制调速系统的研究

提出了一种新型的基于转子力矩电流反馈机制的双馈电机无速度传感器矢量控制方案以实现高性能低成本双馈电机调速系统。该方案通过测量转子侧电压和电流,实时计算出电机转子力矩分量,通过与电机给定转子力矩电流分量比较,得出转差频率的补偿值,并用于矢量控制系统。该方案计算工作量较小,且仅需测量转子侧的电压和电流作为反馈量。文中从理论上分析了这种控制方式的工作机理,与传统矢量控制系统的异同点,并提出了具体的实现方式。理论分析和数字仿真试验证明了该方案的可行性。     

两电机同步系统的神经网络控制

在对两台感应电机同步系统模型分析的基础上,依据同步系统的结构特点和控制要求,结合人工神经网络的非线性映射、自适应、自学习等能力,提出一种新的基于神经网络的两电机同步系统控制方案,其中神经网络控制器由基于RBF网络整定的自适应PID控制器和神经元解耦补偿器两部分组成.两个自适应PID控制器分别对速度控制回路和张力控制回路进行自适应控制,使系统具有更强的适应能力、更好的实时性和鲁棒性;神经元解耦补偿器综合两控制回路的耦合作用,通过训练网络权值,补偿各回路之间的耦合影响,实现速度和张力的解耦.试验结果表明:采用神经网络控制方法可以实现两电机同步系统中速度和张力的解耦控制,系统具有良好的动静态性能.     

浅议水冷直线电机基于实践的散热改善

电机温升是电机的关键性能参数,影响温升的关键因素主要是发热和散热,水冷电机的散热尤为重要,本文基于实践数据,从电机的散热方面进行分析,寻找影响散热的原因,并提出改进方案以改善水冷直线电机的散热效果。     

基于随机森林的电机异音故障诊断方法

针对电机异音故障检测技术存在准确率低、模型复杂等问题,提出一种基于随机森林的电机异音故障诊断方法。通过自行研制的汽车智能座椅靠背电机振动测试平台,分析电机故障产生过程及异音的特征,并从时域中提取11个特征表征异音信号的变化;通过主成分分析法对所提取的特征进行降维,在训练基于随机森林和概率神经网络的电机故障智能识别方法基础上,通过自行研制的汽车智能座椅靠背电机振动测试平台采集数据,得到随机森林的平均识别准确率为95.11%±2.17%,概率神经网络的平均识别准确率为93.90%±2.16%。     

电力设备基于小波神经网络故障检测方法的仿真研究

提出了一种基于小波神经网络非线性观测器的故障检测方法。它是将规范正交的小波函数作为基函数网络中的基函数,得到小波神经网络。通过小波的去噪和神经网络的自学习功能,获取系统输入输出的非线性动力学特性,进而实时计算出残差并进行逻辑判决,可提高故障检测的速度和准确率。对同步交流电机的结构损伤故障进行了仿真,结果表明了该方法的有效性。     

一种基于神经网络对物品检测系统的设计

提出一种基于神经网络对物品检测系统设计的方案,分析了神经网络模型的特征以及物品检测系统的要求,从而设计出了由图像特征分析和神经网络分类组合构成的智能检测系统结构模型,并通过训练和测试证明了该设计方案的合理性．     

磨矿过程产品粒度软测量的比较研究

磨矿粒度(GPS)难以进行直接在线检测且化验过程滞后,必须采用软测量技术对其进行在线估计以及在此基础上的闭环控制.针对一个实际的两段式磨矿回路流程,分别基于多元回归、案例推理(CBR)和神经网络(NN)技术建立了三种磨矿粒度软测量模型,并对其进行了基于工业试验的比较研究.结果表明,基于CBR的磨矿粒度软测量方法优于BP神经网络软测量(BP-NN)方法和多元回归模型估计方法.     

基于Elman神经网络的移动机械手电机负荷预测

基于Elman神经网络的移动机器人电机负荷预测,是为了对机器人电机进行保护和实时监控.由于机器人运动过程中,免不了会受到过大或不稳定负载的影响,很可能出现电机过热、冲击,使电机遭到损害.文章通过Elman神经网络算法对电机电流、电压数值的分析,设定工作电压电流阈值,并验证了此方法可使电机工作在最佳工作状态.     

基于光电技术的气磁悬浮电机位姿检测方法

为解决新型气磁悬浮电机位姿检测系统结构复杂、计算繁琐等问题,提出了一种基于光学测量技术的非接触检测装置.分别在电机转子系统和定子上布置安装硅光电池阵列和环形光源,转子带动硅光电池阵列发生偏转位移,导致硅光电池受光面积发生改变,使短路电流下降,建立电流与位移的数学模型,搭建试验平台,检测转子振动幅度.试验表明,该方法能准...     

基于Park变换和DRNN的定子绕组匝间故障诊断方法

采用定子电流信号检测方法诊断三相交流电机定子绕组匝间短路故障时,会受到电网电压不对称和负载变化等因素的影响,为克服这一缺陷,提出了基于派克变换和对角递归神经网络(DRNN)的定子绕组匝间故障诊断方法.该方法根据派克变换得到三相电流派克矢量模的轨迹变化,通过频谱分析提取故障严重度特征因子.为进一步确定短路绕组的匝数,综合考虑负载、三相输入电压不平衡度的变化情况,构建基于DRNN的短路匝数诊断模型.根据此方法,构建了试验系统并进行了匝间短路试验,试验结果证明:基于Park变换和DRNN的诊断方法,不但在稳态工况下可精确确定定子绕组短路故障的严重度及匝数,而且在电机启动、负载、电压不平衡动态变化时,取得比前馈神经网络(FFNN)故障诊断模型更好的诊断结果.     

基于神经网络的开关磁阻电机转子位置在线检测技术

提出了一种基于BP神经网络的开关磁阻电机转子位置在线检测方法。该方法将训练数据实时更新的思想引入到神经网络的输入向量中,利用大量实时更新的电机数据作为神经蹰络的训练样本在网络进行在线训练,修正网络参数,使检测结果不受渐变因素的影响。仿真结果表明,该方法能够准确地检测转子位置,鲁棒性和适应性强。     

基于神经网络的智能多用户检测技术在CDMA中的应用

多用户检测技术是第 3代移动通信系统IMT 2 0 0 0中的一项关键技术。求解最优多用户检测器的目标函数的最小值问题可以转化为求解Hopfield神经网络的能量函数的最小值问题。对两种基于神经网络的智能多用户检测器进行性能分析和计算机仿真 ,通过与最佳多用户检测器和传统检测器的比较 ,证实了这两种神经网络检测器都能较好地实现多用户检测的功能 ,因此 ,神经网络多用户检测技术是一种切实可行的方案     

扫描镜电机的神经网络PID控制器

基于神经网络原理,探讨了扫描镜电机的神经网络PID控制方法,由经典的增量式数字PID控制算式,推导出隐含层的加权系数的计算公式．在理论上研究了扫描镜电机的神经网络控制器,给出了其稳定的条件,并通过计算机仿真结果证明了它的可行性．     

自激换流低速磁阻电动机电流跟踪型控制策略

该文介绍了自激换流低速磁阻电动机的结构及换流原理,提出了该种电机的基于滞环电流跟踪型PWM变频调速的控制方案,在MATLAB下建立了该电机滞环电流控制系统的仿真模型。通过仿真试验比较了各控制方案,基于控制器成本与性能要求等因素的综合考虑,认为SCLRM可选用线电流滞环跟踪控制系统调速。该仿真试验为实现SCLRM电机变频调速系统的建立提供了参考和依据。     

开关磁阻电机无位置检测技术的仿真研究

提出了一种基于滑模观测器的无位置检测技术,用于开关磁阻电机控制系统的转子位置和速度估测.该方法采用线性电感模型,通过测量电机终端的电压、电流,便可实现电机的转子位置和转速估测.借助Matlab/Simulink软件,搭建了一个基于滑模观测器的开关磁阻电机仿真模型.仿真结果表明,该方法具有较强的鲁棒性和一定的可行性.     

基于改进粒子群优化算法的电机故障诊断研究

针对电机转子故障,利用神经网络方法进行故障诊断研究。将基本粒子群优化(PSO)算法进行改进,并用其训练反向传播(BP)神经网络,对电机转子进行故障诊断。选用电机转子振动频谱分量作为神经网络的训练样本,将故障信息数据作为输入量代入已训练好的神经网络,通过输出结果即可诊断故障类型。仿真结果表明,基于改进PSO算法的BP神经网络可以有效地识别电机常见故障,具有较快的收敛速度和较高的诊断精度。