基于人工神经元的电机断条故障诊断方法

摘要

笼型电动机的转子常发生断条故障,由于电气三相不平衡,在定子电流中感应出(1±2s)f1谐波分量,这为检测电机转子故障提供了方便.但是,因为转差率s很小,故障的谐波信号分量与基波分量很接近,而且由于基波分量很大,常常掩盖故障信号.基于自适应噪声干扰对消原理,提出了一种用人工神经元进行电机断条故障信号提取的方法.该方法将基波部分作为要消除的部分,采用与基波电流同源的电压经过神经元的计算,将电机定子的基波电流滤除大部分,从而可以明显地发现电机断条故障的信号.由于很难获得合适的神经元学习率及动量系数,本文提出了使用改进的遗传算法对神经元学习率及动量系数进行择优的算法.实验中采用了Y100-L4-2.2KW型电机,在人为使转子产生断条故障情况下,使用霍尔电流传感器与电压传感器分别测量了故障电机的电流和电压,采取FFF对电流进行计算,实验结果验证了本文提出方法的正确性.