论文部分内容阅读
电机作为一种应用范围广需求量大的机电转换设备,普遍应用于建筑、机械、冶金、运输等关系国民经济命脉和国家安全的领域。电机运行的安全性直接关系到其运行领域的稳定性,而电机运行的安全性很大程度上取决于电机转子的绝缘性能。电机经过长期高速运行,其内部结构通常会受到电、热、环境等综合因素的作用而发生损坏,使其电气和机械性能降低,严重影响了电机的寿命。因此,建立电机转子绕组的匝间短路诊断和监测系统,定期进行转子绝缘性能的检测,避免产生内部结构老化等现象,使电机能正常运行,这已成为确保各行各业安全生产和运行的迫切需要。本文采用微分探测线圈方法采集电机转子的气隙励磁磁势信号进行分析处理,利用转子绕组短路时气隙励磁磁势信号中漏磁通分量的幅值发生变化这一特征信息进行分析。选择小波分析、小波包分解和神经网络算法作为理论基础,综合分析了电机转子绕组的气隙励磁磁势信号的性能和参数特点。选择MATLAB作为软件开发平台进行各种算法的实现,建立了基于人工智能的电机匝间短路诊断系统,从而实现了电机转子短路的故障诊断。通过模拟电机转子绕组发生匝间短路的故障过程,综合多种检测算法对转子短路时的气隙励磁磁势信号进行诊断,全面分析了诊断方法,设计了电机匝间短路诊断系统。设计内容主要包括气隙励磁磁势信号的微分变换、小波变换消除主磁通的干扰、小波包提取信号的故障特征信息、BP神经网络对故障模式的训练和测试。通过测试表明,该诊断系统能够更准确、更有效的分析电机转子绕组的气隙励磁磁势信号并诊断出转子的短路故障,保证了电机转子的安全运行。它提供了一种简单、实用的短路故障诊断的新方法,发展了人工智能的诊断系统在转子绕组短路故障检测方面的应用,使诊断系统更加科学化。随着故障检测与诊断技术发展的日益成熟,电机转子绕组的绝缘诊断技术研究具有重要的理论意义,将人工智能技术应用于电机转子绕组的绝缘故障诊断方面,可以更准确的判断出短路故障槽位置,提高电机的诊断效率。