基于粒子群優(yōu)化算法電機轉子故障診斷研究.pdf

基于粒子群優(yōu)化算法電機轉子故障診斷研究.pdf

ID:51417325

大?。?38.41 KB

頁數(shù):3頁

時間:2020-03-23

基于粒子群優(yōu)化算法電機轉子故障診斷研究.pdf_第1頁
基于粒子群優(yōu)化算法電機轉子故障診斷研究.pdf_第2頁
基于粒子群優(yōu)化算法電機轉子故障診斷研究.pdf_第3頁
資源描述:

《基于粒子群優(yōu)化算法電機轉子故障診斷研究.pdf》由會員上傳分享,免費在線閱讀,更多相關內(nèi)容在行業(yè)資料-天天文庫

1、ComputerEngineeringandApplications計算機工程與應用2011,47(1)215基于粒子群優(yōu)化算法電機轉子故障診斷研究陽同光1,蔣新華1’2YANGTongguan91,JIANGXinhual’21.中南大學信息科學與工程學院,長沙4100752.福建工程學院,福州3500071.CollegeofInformationScienceandEngineering,CentralSouthUniversity,Changsha410075,China2.FoianUniversityofTechnology,F(xiàn)uzhou

2、350007,ChinaE·mail:yangtongguan91@163.comYANGTongguang,JIANGXinhua.Researchofrotorfaultsinmotorbasedonparticleswarmopfimizaflon.ComputerEngineeringandApplications。2011,47(1):215-216.Abstract:Arotorfaultdiagnosisofinductionmotorispresentedbasedonparticleswamioptimization.Toident

3、ifyrotorre—sistanceofinductionunderfaultcondition,rotorfluxerrorisusedasfitnessofallparticlesinthepopulation,andtheparam-eterofrotorfluxcurrentmodelisadaptivelyadjusted.Thesimulationshowstheinsensitivityofthetechniquetoloadvaria-tion,supplyvoltagevariation,andtheadvantageofhigh

4、operationefficiency,fastconvergenceandgoodidentificationresults.Keywords:oppositionalparticleswarnloptimization;inductionmotor;faultsdiagnosis摘要:提出一種基于反向粒子群優(yōu)化算法感應電機轉子故障診斷方法.將轉子磁鏈誤差作為粒子群的適應度函數(shù),通過反向粒子群優(yōu)化算法自適應調(diào)整轉子磁鏈電流模型的參數(shù),辨識故障狀態(tài)下感應電機的轉子電阻.仿真結果表明,該方法對電源電壓,負載波動具有較強的抗干擾能力,運算效率高,收斂速度

5、快,具有良好的辨識效果.關鍵詞:反向粒子群優(yōu)化;感應電機;故障診斷DOI:10.37780.issn.1002.8331.2011.01.061文章編號:1002—8331(2011)01-0215·02文獻標識碼:A中圖分類號:TP3911引言感應電機故障診斷是當前研究的熱點問題之一。感應電機故障主要有轉子斷條,定子匝間短路、氣隙偏心和軸承故障等四種類型,其中轉子斷條故障占所有故障的10%左右。當轉子故障發(fā)生故障時,定子電流中將引入特征分量厶=(1士2塒f(s為轉差率,.廠為電網(wǎng)頻率,k=-I,2?)。很多文獻提出基于定子電流的頻譜分析方法,利用傅

6、里葉分析或小波分析方法來提取邊頻帶故障特征信息【1.71,從而檢測是否存在轉子故障。在電機的穩(wěn)定運行時,轉差率s比較小,故障特征分量和工頻分量的頻率很接近,且幅值較小,很難辨認。此外,這些方法要求準確提取故障特征信號,因此當感應電機的運行環(huán)境發(fā)生變化時,如電源電壓、負載波動,其故障診斷效果不甚理想。粒子群優(yōu)化算法是一種利用群體智能理論的優(yōu)化算法,是一種新興的全局優(yōu)化技術舯∞。它的基本概念來源于鳥、魚群捕食行為的研究,通過種群中粒子間的合作與競爭產(chǎn)生群體智能來指導優(yōu)化搜索行為。由于反向估計比隨機估計更接近最優(yōu)解,在粒子初始化和粒子更新過程中引入反向?qū)W習

7、算法,能提高算法的局部收斂速度和進化速度n”。提出一種基于反向粒子群優(yōu)化算法的感應電機轉子故障診斷方法。該方法將感應電機轉子磁鏈電流模型進行變換,將包含待辨識轉子電阻項作為粒子的維數(shù)的解,進而利用反向粒子群優(yōu)化算法對其進行辨識。將該模型輸出的轉子磁鏈和電壓模型轉子磁鏈的誤差作為粒子群的適應度函數(shù),通過不斷優(yōu)化搜索,最終辨識感應電機的轉子電阻值。當感應電機轉子出現(xiàn)故障時,辨識的轉子電阻將明顯高于正常值,從而確定轉子故障。2感應電機轉子磁鏈模型在靜止參考坐標系下,根據(jù)定子懊雌導出轉手咝鏈方程為:p阱瓦Lr小n勘Ldt-jj該方程為電壓模型。根據(jù)轉子側推導

8、轉子磁鏈方程為:基金項目:國家高技術研究發(fā)展計劃(S63)(theNationalHigh-TcchRese

當前文檔最多預覽五頁,下載文檔查看全文

此文檔下載收益歸作者所有

當前文檔最多預覽五頁,下載文檔查看全文
溫馨提示:
1. 部分包含數(shù)學公式或PPT動畫的文件,查看預覽時可能會顯示錯亂或異常,文件下載后無此問題,請放心下載。
2. 本文檔由用戶上傳,版權歸屬用戶,天天文庫負責整理代發(fā)布。如果您對本文檔版權有爭議請及時聯(lián)系客服。
3. 下載前請仔細閱讀文檔內(nèi)容,確認文檔內(nèi)容符合您的需求后進行下載,若出現(xiàn)內(nèi)容與標題不符可向本站投訴處理。
4. 下載文檔時可能由于網(wǎng)絡波動等原因無法下載或下載錯誤,付費完成后未能成功下載的用戶請聯(lián)系客服處理。