基于粗糙集与神经网络的异步电机故障诊断方法的研究

改革开放以后，经济高速发展，电气化的普及率不断上升，异步电机已经应用到各行各业中。异步电机在使用过程中如果出现故障会给生产生活带来越来越多的不利，不仅会损害电机本身，还有可能给人自身带来安全隐患，给集体造成无法估量的经济损失。所以，电机故障诊断的研究成为国内外学者所共同关注的热点。 本文在粗糙集和神经网络这两门技术的基础上，利用二者的优势互补，提出一种电机故障诊断的新方法—基于粗糙集与神经网络对电机故障的诊断。虽然该方法已被多次应用到其他设备的故障诊断中，但目前应用到电机故障诊断的研究却少之又少。而本文主要是针对这方面的研究。 本文首先介绍了异步电机诊断的意义、现状和发展方向。其次对异步电机的基本原理及常见故障机理进行分析，重点分析了定子故障和转子故障及轴承故障的类型及其诊断方式。再其次，对粗糙集神经网络的理论做了重点介绍。然后详细说明了粗糙集与神经网络集成方法的思路特点与算法，这些理论和应用的介绍为最后仿真部分提供了有力的理论支撑。最后，利用收集到的电机故障数据进行BP神经网络仿真并诊断电机故障类型。再用粗糙集与神经网络相结合的方法用同一组数据进行电机故障诊断的仿真。实验结果表明，本文提出将粗糙集理论与神经网络相结合的电机故障诊断的方法与其他方法相比具有计算量小，准确度高等优势，并具有很高的可行性。