基于小波神经网络的无刷同步发电机旋转整流器故障诊断研究.pdf

维普资讯lup
第31卷第3期
四川电力技术
Vol, 31, No
2008年06月
Sichuan Electric Power Technology
Jun,,2008
基于小波神经网络的无刷同步发电机旋转整流器
故障诊断研究
梁杉,刘念2,岳良顺
(1.四川大学电气工程学院,四川成都610065;2.四川大学测试与控制工程学院,四川成都610065
摘要:无刷励磁系统中旋转流器因工作环境恶劣,发生故障时故障信息难以提取,因而故障诊断一直是一个难
点,成为制约该励磁方式发展的障碍之一。针对大型无刷汽轮发电杌故障诊断需要,提出应用小波神经网络对旋转
整流器故障进行诊斷,通过对旋转整流器的故摩信号的频谱分析,提取故障信息频城特征量作为学习样本,通过训练
使构建的小波神经网络能够准确反映频谱特征量和故摩之间的映射关系,从而准确对故障进行诊断。提出了比较精
确的数学模型,提高了旋转流器故障的诊断能力和诊断的准确性。
关键词:小波神经网络;旋转整流器;故障诊断
Abstract: The fault diagnosis of ro ary rectifier s alwa s difficult because of its hard working conditions and inconvenience of fault in
formation extraction, thus it is ecoming one of the obstacle of the development of brushless excitation system. According to fault diag
nosis of large brushless generator, a new method using wavelet neural network is proposed to be applied in fault diagnosis. By analyz
ing the spectrum of fault information, the fault information spectrum eigenvalue is extracted to be the study sample. After the wavelet
neural network is aine with e mle it n xpes e relationship of spectrum eigenvalue and fault precisely, therefore the i
agnosis is done accurately. Precise mathematics model is proposed and the ability and accuracy of fault diagnosis of rotary rectifier
improved
Key words: wavelet neural network; rotary rectifier; fault diagnosis
中图分类号:TM311文獻标识码:A文章编号:1003-6954(2008)03-0051-03
20世纪60年代就已经发展起来采用无刷励磁
的同步发电机,无刷励磁系统取消了滑环和碳刷,消1小波神经网络基本算法
除了火花和噪声,使用和维护比较简单,提高了运行
的可靠性。但是旋转整流器要承受离心力和电力作
小波网络实际上是用非线形的 Morlet函数取代
用,故障发生率比较高,而且与外界没有直接的电联了传统的非线形 Sigmoid函数,因为 Morlet函数为余
系,因而故障难以检测和诊断「-Sl。采用小波网络弦调制的高斯小波,有时娀频域同时分辨率高的特
的分析法对无刷励磁系统进行故障分析,可以有效提点?。其信号表述是将选取的小波基进行线性叠加
高故障的诊断能力。
实现。
小波分析法因其基函数能够自动伸缩和平移,在
设输入层单元数为L,第n个样本的输入为xn
时域和频域都有良好的分辨能力,可以有效地应用于=1x",i=1,2,…,L;输出层单元数为S,网络的输
随机信号的分析,成为了故障诊断领域信号处理的有出为Y=/yk",k=1,2,…,S;对应的目标输出为
力工具,小波神经网络是近年来发展起来的一种数学
DP=1d4",n=1,2,…,N(N为样本总数),隐含层单
方法,它将小波变换良好的时频域局部化特性和神经
元数为M,第j个小波单元输出到第个输出节点的
网络的自学习能力相结合,具有很强的逼近能力、容
错能力和模式识别能力?。以 Morlet小波基做为激值函数为;输人层第个节点到隐含层第j个节
励函数的小波神经网络对旋转整流器故障信号进行点的权值函数为(),h
实际上是一个
分析,并建立丁了故障在线实时粒测所需的总体系统结含有尺度因子っ和平移因子ら的小波函数,其母小
构
波表达式为h(t)=cos(1.75t)exp(-t2/2);从而小波
神经网络的模型可以表示为: