采用RWNN的电机定子绕组匝间故障诊断方法

被引：2

作者：

王旭红 ^{[1
,2
]}

何怡刚 ^{[2
]}

机构：

[1] 长沙理工大学电气与信息工程学院

[2] 不详

来源：

高电压技术 | 2009年 / 35卷 / 07期

关键词：

异步电动机; 定子绕组; 匝间短路; 故障诊断; RWNN; LM学习算法;

D O I：

10.13336/j.1003-6520.hve.2009.07.031

中图分类号：

TM307 [电机维护与检修];

学科分类号：

摘要：

针对电机定子绕组匝间短路故障,提出了基于递归小波神经网络(RWNN)的故障在线诊断方法。该方法采用两个RWNN监测匝间故障,一个用于估算故障的严重度,另一个用于确定故障匝数。针对RWNN的训练,研究了Levenberg-Marquardt(LM)学习算法,以减少训练中的计算量,确保网络模型的快速收敛。根据此方法,设计了试验系统,试验结果表明,基于RWNN的诊断模型可精确确定短路故障匝数,与前馈神经网络(FFNN)相比,能更有效地监测匝间短路故障的缓慢变化情况。

引用

页码：1607 / 1611

页数：5

共 9 条

[1] 递归小波神经网络解耦控制算法及其工业应用研究 [J].