Page 208 - 电气自动化控制技术研究

电气自动化控制技术研究

于电机故障检测。此举的优点是深入电机系统的动态性质，可实现实时诊断，缺陷是需建

立精确的数学模型，选择适当决策方法，一旦电机系统模型不确定或非线性时，此类方法
就难以完成任务了。
（二）以人工神经网络为基础的电机故障诊断思路

以神经网络为基础的电机故障诊断通常利用神经网络实现其功能。为了能够对模式进
行分类，往往需通过学习将系统参数或结构固定下来，这也就完成了训练过程。待识别信
息经已训练神经网络的处理，可根据预设的原则对被识别对象进行分类，最后给出准确、

及时的故障诊断结论。
（三）以模糊逻辑理论为基础的电机故障诊断思路
故障诊断部分是一个典型的模糊逻辑系统，包括参考电机、模糊化单元、底层模糊规

则和解模糊单元等。而模糊推理和底层规则是该系统的核心，它具有类似于人的模糊概念
的推理能力。推理过程是基于蕴涵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，启发式路径，来源于电机操作者的经验化语言。第二，采用自组织方法从正
常和故障电机测量获得的信号进行模糊故障诊断的判定，将此方法通过计算机仿真实现，
对电机故障有较好的识别能力。

（四）以遗传算法为基础电机故障诊断方法
遗传算法是基于自然选择和基因遗传学原理的搜索算法，推理流程是不断接近最优

方案。它的特征在于并行计算与全局最优。并且，与一般的优化方法对比，该算法需要的
信息较少。因为模糊逻辑控制器所要明确的变量很多，实践经验也只能起指导作用，很难
根据指导准确地定出各项参数，而重复过程就是一个寻优过程，遗传算法可以应用于该寻

优过程，较有效地确定出模糊逻辑控制器的结构和数量。设计神经网络的重点在于如何确
定神经网络的结构及连接权系数，这是优化问题，目标是使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方

面，分别构成设计遗传算法和训练遗传算法。许多神经网络的设计细节，如隐层节点数、
神经元转移函数等，都可由设计遗传算法进行优化，而神经网络的连接权重可由训练遗
传算法优化。这两种遗传算法的应用可使神经网络的结构和参数得以优化，特别是用 DSP

来提高遗传算法的速度，可使故障响应时间小于 300μs，不仅单故障信号诊断准确率可达
98%，还可用于双故障信号的诊断，其准确率为 66%。

（五）新方法及新趋势
随着现代工业的发展，自动化系统的规模越来越大，使其产生故障的可能性和复杂性
剧增，仅靠一种理论或一种方法，无论是智能的还是经典的，都很难实现对电机故障完全、

准确、及时地诊断，而多种方法综合运用，兼顾了实时性和精确度，因此多种方法的有机
融合、综合运用这一趋势将成为必然，也将成为电机故障在线诊断技术发展的主流方向。

200