Page 66 - 机电技术运用及管理探究

机电技术运用及管理探究
Mechanical and Electrical Technology Application and Management Exploration

整体而言，驱动电机控制系统将趋向小型化、轻量化、易于产业化、高容量、
高效节能、响应迅速、调速性能好、可靠性高、成本低、免维护。驱动系统性能
的改进与提升，对新能源汽车的推广有深远的影响和积极的促进作用。

三、电动机智能故障诊断

（一）电动机故障诊断理论
1. 传统的电动机故障诊断方法

在传统的基于数学模型的诊断方法中，经典的基于状态估计或过程参数估计
的方法被应用于发电机故障检测。这种方法的优点是能深入发电机系统本质的动
态性质，可实现实时诊断，而缺点是需建立精确的发电机数学模型，选择适当决
策方法。因此，当发电机系统模型不确定或非线性时，此类方法就难以实现了。

2. 基于模糊逻辑的发电机故障诊断方法
故障诊断部分是一个典型的模糊逻辑系统，主要包括模糊化单元、参考电机、
底层模糊规则和解模糊单元。其中，模糊推理和底层模糊规则是模糊逻辑系统的
核心，它具有模拟人的基于模糊概念的推理能力，该推理过程是基于模糊逻辑中

的关系及推理规则来进行的。模糊规则的制定有两种基本方法：第一，启发式途
径来源于实际发电机操作者的语言化的经验；第二，是采用自组织策略从正常和
故障发电机测量获得的信号进行模糊故障诊断的制定，将此方法通过计算机仿真

实现，对发电机故障有较好的识别能力。
3. 基于遗传算法的发电机故障诊断方法
遗传算法是基于自然选择和基因遗传学原理的搜索算法，它的推算过程就是
不断接近最优解的方法，因此它的特点在于并行计算与全局最优。而且，与一般
的优化方法相比，遗传算法只需较少的信息就可实现最优化控制。由于一个模糊

逻辑控制器所要确定的参变量很多，专家的经验只能起到指导作用，很难根据指
导准确地定出各项参数，而反复试凑的过程就是一个寻优的过程，遗传算法可以
应用于该寻优过程，有效地确定出模糊逻辑控制器的结构和数量。

4. 基于神经网络的发电机故障诊断方法
设计神经网络的关键在于如何确定神经网络的结构及连接权系数，这就是一
个优化问题，其优化的目标是使得所设计的神经网络具有尽可能好的函数估计及
分类功能。具体地分，可以将遗传算法应用于神经网络的设计和训练两个方面，

·54·