基于模糊神經網絡的發(fā)電機轉子繞組短路故障診斷研究.pdf

1、該文主要對模糊系統和神經網絡技術在模型預測、故障模式分類和智能監(jiān)測中的應用進行了研究.首先,該文分析了發(fā)電機發(fā)生轉子繞組故障時的二維模型.其主要的條件是在模型線性化的基礎上,根據Ward理論,把短路線匝的磁場分析出來,再把它與正常情況下的均勻磁場相合成,從而形成對應的分析模型.在此基礎上,該文對發(fā)電機定子側的二次諧波電壓進行了分析.由于發(fā)電機正常穩(wěn)定運行時,理論上不應存在偶次諧波,所以可以利用定子側二次諧波作為故障的一個特征量.同時,該

2、文還對發(fā)電機運行時勵磁電流與發(fā)電機輸出端電參量和發(fā)電機參數的關系進行了分析,由于其是發(fā)電機運行時磁場產生的根本,所以與故障有著深刻聯系,應作為故障診斷的另外一個故障特征量;在此基礎上,該文利用多項式多元回歸分析的方法,確定了與轉子電流關系較大的發(fā)電機定子側參量.其次,該文介紹了基于模糊系統的轉子電流預測原理.由于模糊系統以模仿人腦的運行機制為目標,在函數逼近方面來看,模糊系統能夠在任意精度上一致逼近任何一個定義在一個致密集上的函數,具有

3、很強的非線性映射能力.它是多項式函數逼近器、神經網絡之外的另一個非線性建模工具.因此,該文利用基于神經網絡集成的高木-關野模糊系統來建立發(fā)電機正常運行時轉子電流的預測模型.第三,該文介紹了神經網絡的故障診斷原理.其中詳細討論了帶有偏差單元的遞歸神經網絡的模型和學習算法,在此基礎上合成了模糊神經網絡系統,將模糊理論和神經計算原理相結合,使神經網絡借助其大規(guī)模的并行分布處理結構完成模糊診斷的推理過程.最后,該文分別介紹了該故障診斷系統的各功