三相異步電動機故障診斷中英文翻譯@外文翻譯@外文文獻翻譯
《三相異步電動機故障診斷中英文翻譯@外文翻譯@外文文獻翻譯》由會員分享,可在線閱讀,更多相關(guān)《三相異步電動機故障診斷中英文翻譯@外文翻譯@外文文獻翻譯(19頁珍藏版)》請在裝配圖網(wǎng)上搜索。
翻譯部分 英文原文 of is in of to to of to to in a of to to a to N)is in is as CA is to is on 0 Ns VM of to is on by in an as in to in of do is of of of of of it to to in of or of is to an of in to be to is is on so in a in of 00%is N of as 1. . . . . n ),)of )of or 15V,50 Hz is up is as he of by C to of of of as ,no . is a to up a to to be ‘be as of to be of is s of 2g 32?? (1) x x of rv is 2) a is ?? 1)( (3) m2 m3 to m4 is at to of of 4g as ? ?3233 (4) ? ?4244 (5) j k is )1())((1??????) j k ,(7) C. a is a be or be to of CA)is to Cs) is to a of 3to a of . 1)N is as a in of as ,as Es in is (a)SE on V Cs as (b)V Cs as he is to is so as to to or of of on is LP a Es)in is is SE is in as SE Es SE on V N is ;1; Es 4; of 4 2) N he VM)is a of is by a by of It be to a so it to a of ix(i =1… N) be to by of in by to ? ?? ? ?? ??? j i 1 21 )2,(21)( ????? (8) 1???Ni ? ?.. ???? (9) ?2,?xG a N is of i?a of ????? Ni )2,(()( ?? (10) ((11) a i?, , a >t, we a an )(1(ii ? ??f 0)( ???ii n ??)()()1( ?? ???????? )()1((12) 0)( ???ii n ??)()1( ? ??)()1( ? (13) of i? It is to (be to is in (of an an so it be in of BF so is ))2,(s ( 2????? Nv e c t o r ss p p o r ?(14) in ???12))))(,( t a n h ()((21)(i (15) Cs as is by SE . (a)SE on V Cs as (b)V Cs as VM is ; of 64 is as SE V of n) SE V 3)a of of of a is is is is on on V is to 0 a)V b)V 4) is a a of is to of an on a of as or is on a of on a of of as ???? ..or c is a is is on on V is to 0 V A F is to be in is it is to of to 0%is in on is is VM is in it 4%0%in as n of NN of of N,VM of is to of is VM .7 is to be on CA is a is to in 4%in 0% in I. of I F 中文譯文 基于 神經(jīng)網(wǎng)絡技術(shù)的三相異步電動機故障診斷 摘要: 異步電機故障診斷在工業(yè) 中十分重要 ,因為需要提高可靠性和降低 由于 機器故障 造成的生產(chǎn) 損失。由于環(huán)境壓力和許多其他 的 原因 使 異步電動機發(fā)生不同的故障。許多研究者提出了不同的故障檢測和診斷技術(shù)。然而,目前許多 技術(shù) 需要提供良好的專業(yè)知識才能在 應用中獲得成功。更簡單的方法是 可以 使 用 相對不熟練的操作在 不需要診斷專家仔細考察數(shù)據(jù)和診斷問題的情況下做出可靠的判斷 。本文 提出了 簡單,可靠,經(jīng)濟的 基 于 神經(jīng)網(wǎng)絡( 的 故障分類,其中電機定子電流作為輸入信號。 從 定子電流 中 提取 13 個參數(shù) 并使用 擇合適的輸入。 數(shù)據(jù)來自于特別設(shè)計的 2馬力、 4極 50了 分類,如 神經(jīng)網(wǎng)絡像 基于 別分析 歐進行了驗證。 對噪聲分類器的魯棒性的驗證,也通過在輸入和輸出引進高斯和統(tǒng)一控制進行了驗證。 關(guān)鍵詞: 異步電動機,故障診斷, 別分析, 異步電機 作為主驅(qū)動設(shè)備 在生產(chǎn) 、 工業(yè)和運輸中由于其可靠性和 結(jié)構(gòu) 簡單發(fā)揮重要作用。盡管 由 于它 們的 穩(wěn)定 性和可靠性, 它 們偶爾也會 發(fā)生故障和 意外停機 ,造成很大的損失。 因此, 它 們需要不斷的關(guān)注。感應電動機的故障不僅會導致產(chǎn)品的運作中斷,而且增加成本,降低產(chǎn)品質(zhì)量,影響操作人員的安全。如果 延長 異步電機壽命和提高生產(chǎn)線效率,這將 花費更少 的生產(chǎn)費用, 使 終用戶 可以以 更低的價格 購買 。為了保持機器的狀態(tài)良好,一些技 術(shù) , 如 故障監(jiān)測,故障檢測和故障診斷變得越來越重要。感應電動機的最常見的故障是軸承故障,定子繞組故障,轉(zhuǎn)子斷條或氣隙 不合理 。 本研究的目的是發(fā)展一種替代人工神經(jīng)網(wǎng)絡的早期故障檢測計劃,克服在這個 方案 上的局 限 性 ,目前的 方法很 昂貴,對于大型電動機適用,而且許多設(shè)計參數(shù)要求,特別是涉及到長時間運作的機器,這些參數(shù)不能提供方便。相對于現(xiàn)有的 方案 ,這項 方案 很簡單,準確,可靠和經(jīng)濟。這項研究工作是基于實時數(shù)據(jù)等,提出基于神經(jīng)網(wǎng)絡分類器顯示一個真正的產(chǎn)業(yè)狀況的實際可行性。 本文提出四個不同神經(jīng)網(wǎng)絡結(jié)構(gòu)在與各種各樣的表現(xiàn),并且達到 100%分類準確性。 如圖 出的故障檢測和診斷計劃包括四個步驟: 收集與采集 在 本 中最 常見的故障,即定子繞組匝間短 路 ( 1),轉(zhuǎn)子動態(tài)偏心( E)和 二者皆有( B) 。 圖 1 一般結(jié)構(gòu)圖 用于實驗和數(shù)據(jù)生成而特別設(shè)計的 2 馬力,三相,四極, 415V, 50 異步電動機已選好。所做實驗設(shè)圖 2所示。 圖 2 實驗裝置 調(diào)整彈簧秤和傳送帶改變馬達的裝載。三 個 交流電流探針,用于測量定子測試故障診斷系統(tǒng)的電流信號。 最大使用頻率信號是 5 抽樣的數(shù)據(jù)的數(shù)量是 2500。 定子電流波形圖 3所示,在不同的條件 下 ,沒有明顯的差異存在。 圖 3 定子電流實驗波形 有必要得出一個根據(jù)提取特征判 斷分類故障的方法。為了對不同的故障,使用了統(tǒng)計參量。 確切地說,對當前的數(shù)據(jù) 進行統(tǒng)計將會得出樣品資料 。全部 13 個參數(shù)作為輸入特征計算。 考察的 最小 統(tǒng)計量 包括平均信號(這 里 是標準差)的均方根( 最高和最低值的偏斜系數(shù)和峰度系數(shù)。皮爾遜的 偏斜 系數(shù), 2g 定義為: 32?? ( 1) 其中 x 表示 平均值, x 表示位數(shù) ,樣本變化參數(shù) 義為: ( 2) 數(shù)據(jù)的樣本平均數(shù)在 樣時刻的值為: ?? 1)( ( 3) 2m 表示中心的范圍, 3m 是指對中心偏度 ; 4m 表示中心集合的數(shù)據(jù)數(shù)量。其次,第三和第四的時刻是用來定義樣本偏度系數(shù)的3g 如下: ? ?3233 ( 4) ? ?4244 ( 5) 尺寸之間的樣本協(xié)方差 j和 )1())((1??????6) 普通關(guān)聯(lián)系數(shù) j 和 k , ( 7) 在將一個特征送入分類器前, 最 明顯的 故障提供相關(guān)的信息優(yōu)勢,應 從 設(shè)置功能 中 選擇功能不相干的或多余的功能必須被丟棄,以提高分類器的性能,避免 維度的危害 。這里的主成分分析( 術(shù)用于從原來的 特征中選擇最優(yōu)的特征 。主成分( 計算由皮爾遜規(guī)則 完成 。圖 4 與 一個數(shù)學對象有關(guān) ,即 特征值,這 個特征值 反映了從 13 個 維到一個較低維的 投影質(zhì)量。 圖 4 主成分,特征值和百分比變化 ( 1)基于多層感知器神經(jīng)網(wǎng)絡分類器 簡單的多層感知器( 經(jīng)網(wǎng)絡,作為一個故障分類。四個處理單元輸出層中使用的電機 有 四個條件,即 合理 ,匝間故障,偏心 這兩種故障。如 圖 5 所示的結(jié)果,選擇 5個項目合作安排為輸入,因此在輸入層 。 圖 5(a)微型和小型企業(yè)的平均變化對培訓和電腦的數(shù)量作為輸入 圖 5(b)變異的平均分類精度對測試的測試數(shù)據(jù),培訓資料,并與電腦的數(shù)量作為輸入數(shù)據(jù) 將 隨機數(shù)據(jù)輸入到神經(jīng)網(wǎng)絡,并已培訓了 5 倍不同的隨機初始化重量,以消除偏置,并確保真正的學習和不同的隱藏層的 推廣。 研究表明 ,這種方法用單隱層可提供較好的性能。這個數(shù)目的處理單元 (隱層是多種多樣的。 該網(wǎng)絡進行訓練最小均方誤差為 5時獲得 處理單元 是在隱藏層 如 圖 6所示。 圖 6 平均均分誤差和處理單元的數(shù)目隱藏層 各種傳輸功能,即雙曲正切、 性曲線、線性彎曲、 偏置軸突 、 線性軸突 、學習規(guī)則 ,即原動力、 共軛梯度 、快速傳播,進行訓練驗證要按步驟進行,交叉驗證測試最小均方誤差與平均分類精度的訓練和變異系數(shù)數(shù)據(jù)集進行了比較。 結(jié)果表明,雙曲正切傳遞函數(shù)和學習規(guī)則的勢頭給予最佳的成果。 最后 ,利用上述試驗 ,該神經(jīng)網(wǎng) 分類器設(shè)計 ,規(guī)格: 數(shù)字的輸入 ,以隱藏層個數(shù) :1; 在隱層處理單元數(shù)目: 04; 隱藏層: 雙曲正切函數(shù) 學習規(guī)則:動量 步驟: 6 動量: 輸出層: 雙曲正切傳遞函數(shù) 學習規(guī)則:動量 步驟: 動量: 接權(quán)數(shù): 44 所需培訓的時間: 2) 基于神經(jīng)網(wǎng)絡支持向量機分類器 支持向量機 (一種新的有兩個概念的分類器。首先,進入一個高維轉(zhuǎn)換可將復雜的問題轉(zhuǎn)換為更簡單的問題,可以使用線性判別函 數(shù)。其次,支持向量機的動機是基于概念的基礎(chǔ)上 ,利用投入訓練 ,只用那些在它們的表面附近最大限度的信息分類。它可以擴展到多個級別,支持向量機的訓練總是尋求一個全面性的優(yōu)化方案 ,避免了擬合 ,所以它有能力去處理大量的特征。 通用算法的分類器: 對于 N 維空間數(shù)據(jù) ,該算法可以輕易ix(i =1… N)延伸到網(wǎng)絡代替的內(nèi)積空間的輸入核函數(shù) ,從而導致下列二次優(yōu)化問題。 ? ?? ? ?? ??? j i 1 21 )2,(21)( ????? ( 8) 限制條件為 01???Ni ? ?.. ???? ( 9) 其中 ? ?2,?一個高斯函數(shù), i?是一個乘數(shù)集(每個樣品 1個 ) ????? Ni )2,(()( ?? ( 10) 及 )(( 11) 選擇一個常見的起始乘數(shù)i?、學習速率 ? ,和一個小的閾值。然后,當 M>t,我們選一個模式)(1(ii ? ??,執(zhí)行校驗。 如果 0)( ???ii n ??)()()1( ?? ???? ???? )()1(( 12) 如果 0)( ???ii n ??)()1( ? ??)()1( ? ( 13) 之后 ,只有一部分不為于零 (稱為支撐向量 )。這是很容易實現(xiàn)核算法從 )(法各局部乘數(shù) , 在輸入文件中可得到所需的反應。事實上 ,表現(xiàn)為多元化 )(所以它可以激活被包括在這個框架中的神經(jīng)網(wǎng)絡的學習。核心算法是 絡的本質(zhì)使其輸出測試由: ))2,(s ( 2????? Nv e c to r ss p p o r ?( 14) 與成本函數(shù)的誤差準則 ?? ?1 2))))(,( t a n h ()((21)( i i ( 15) 電腦 的信息都將輸入以及 步長通過檢查平均最低 均方誤差 與平均分類精度 萊 選擇 , 結(jié)果 如圖 7所示。 圖 7(a) 電腦輸入的培訓和變形系數(shù)的均方誤差的變化 圖 7(b) 電腦輸入的檢測試驗數(shù)據(jù)、訓練數(shù)據(jù)、變形系數(shù)的平均分類精度的變化 基于支持向量機分類器的設(shè)計 ,規(guī)格: 輸入數(shù): 5 步長: 個時間的樣本: 量的連接權(quán): 264 設(shè)計分類器進行訓練和測試使用類似 數(shù)據(jù)和計算結(jié)果顯示在圖 8和圖 9 圖 8 最小均方誤差的變化對測試的平均測試數(shù)據(jù) ,變形系數(shù) 數(shù)據(jù)和訓練數(shù)據(jù)的轉(zhuǎn)移 (n) 圖 9 最小均方誤差變化的平均訓練變異系數(shù)多種多樣的集合 (3)分類和樹狀結(jié)構(gòu) 分類 和樹狀結(jié)構(gòu)是特征空間的劃分的過程,是二進制遞歸的數(shù)據(jù)集。所產(chǎn)生的樹木包括內(nèi)部節(jié)點和終端節(jié)點或葉節(jié)點。第一階段叫樹的構(gòu)造 ,第二階段是樹修剪分類樹,開發(fā)利用 施和最大的樹的深度 ,結(jié)果顯示如圖 10。研究表明 ,優(yōu)化平均分類精度進行測試的試驗數(shù)據(jù)分別是 80%。 圖 10(a) 平均分類精度的變化對測試 試驗數(shù)據(jù)和變異系數(shù)數(shù)據(jù)的方法與措施 圖 10(b) 平均分類精度的變化對測試 試驗數(shù)據(jù)和變異系數(shù)數(shù)據(jù)與深度的樹狀結(jié)構(gòu) ( 4)判斷分析 判別分析對一組觀察數(shù)據(jù)進 行預定義的技術(shù)。 其目的是要確定一個觀察 組 作為一個已知輸入變量或預測變量的基礎(chǔ)。 該模型建立了一套已知的觀測數(shù)據(jù)。該套觀測有時被稱為基于訓練集的培訓,這項技術(shù)建立了一套線性函數(shù)的預測因子 ,叫做判別函數(shù) ,即???? .. b 是判別系數(shù) ,, x 為輸入變量或預測因子即 c 為常數(shù)。 這些判- 1.請仔細閱讀文檔,確保文檔完整性,對于不預覽、不比對內(nèi)容而直接下載帶來的問題本站不予受理。
- 2.下載的文檔,不會出現(xiàn)我們的網(wǎng)址水印。
- 3、該文檔所得收入(下載+內(nèi)容+預覽)歸上傳者、原創(chuàng)作者;如果您是本文檔原作者,請點此認領(lǐng)!既往收益都歸您。
下載文檔到電腦,查找使用更方便
6 積分
下載 |
- 配套講稿:
如PPT文件的首頁顯示word圖標,表示該PPT已包含配套word講稿。雙擊word圖標可打開word文檔。
- 特殊限制:
部分文檔作品中含有的國旗、國徽等圖片,僅作為作品整體效果示例展示,禁止商用。設(shè)計者僅對作品中獨創(chuàng)性部分享有著作權(quán)。
- 關(guān) 鍵 詞:
- 三相 異步電動機 故障診斷 中英文 翻譯 外文 文獻
鏈接地址:http://zhongcaozhi.com.cn/p-107068.html