原文传递
基于小波分析和神经网络的船舶同步发电机诊断研究
| 论文题名： | 基于小波分析和神经网络的船舶同步发电机诊断研究 |
| 关键词： | 故障诊断;神经网络;小波分析;同步发电机 |
| 摘要： | 船舶同步发电机是船舶电力系统的关键单元，是整个系统的电力来源，对于船舶的稳定运行起着至关重要的作用，一旦故障就使得船舶运营停止，造成重大经济损失。随着现代船舶的大型化，对船舶同步发电机单机容量的要求也不断增大，这一趋势对发电机在运行时的稳定性和可靠性提出了更高的要求。所以能够快速准确地对发电机可能出现的各种故障状态做出诊断，具有非常重大的实际意义。因此本文基于小波分析和神经网路的集成型故障诊断方法对船舶同步发电机进行了故障诊断研究。 分析了同步发电机定子和转子短路的内部机理:对发电机定子端短路时的定子短路电流、励磁电流和阻尼电流分量的暂态、次暂态和稳态电流以及短路时内部的电磁关系作出了分析;对转子不同程度匝间短路之间的关系进行了分析，并利用MATLAB编程对同步发电机在空载时正常运行状态、定子端相间短路故障和转子匝间短路故障进行了仿真。 利用小波分析在信号处理领域的高分辨率优势，使用小波包分析将故障信号分解在不同的独立频带内，并进行故障特征值的提取。由于不同故障状态下，三层小波包分解后得到的8个子频带的能量是不同的，因此，利用分解后得到的8个频带能量值来表征发电机的运行状态，然后将各个分解频带的能量特征值组合为各个状态的特征向量，作为神经网络故障诊断的输入。 利用神经网络对不同的故障进行模式分类。在获得不同故障状态下的特征向量之后，利用这些特征向量作为样本来训练BP神经网络。训练成功之后，利用测试样本对BP网络来进行测试，对测试样本的故障分类误差低于预先规定的误差阈值，表明分类结果符合测试样本对应的故障状态，验证了小波分析和神经网络的结合对三相同步电机短路故障能够做出有效的诊断。 |
| 作者： | 刘文 |
| 专业： | 控制科学与工程 |
| 导师： | 苏义鑫 |
| 授予学位： | 硕士 |
| 授予学位单位： | 武汉理工大学 |
| 学位年度： | 2013 |
| 正文语种： | 中文 |
检索历史
应用推荐
