Page 211 - 电气自动化控制技术研究

第七章 现代电机控制技术研究

它能够把输入的电信号变换为可控的角速度和角位移等输出量，从而达到对被控部件速率

和位移的准确控制。直流伺服电机的网络化控制即选择电机作为控制对象，将网络结构引
入传统的直流伺服电机控制系统中，建立一种新型直流伺服电机网络化控制系统，通过通
信网络达到对电机的精确控制。直流伺服电机网络化控制系统是将传统的直流伺服电机控

制系统与网络控制系统相结合，使控制系统相关指令及参数通过网络传输与交换，并采用
可靠的控制策略实现对电机转速等参数的精确控制，降低网络中时延及数据丢包等问题对

直流伺服电机性能的影响，从而取得理想的控制效果。

四、电机故障诊断的智能方法

（一）电机故障类型、特点及诊断
电机故障种类庞杂，从故障位置的角度可以分为定子故障、转子故障以及轴故障三类。
当电机发生故障时，通常表现为电机不能启动、电机温度过高、电机转速异常或转动时噪

声过大、电机内部电路的电流异常以及电机外壳带电这五种形式。而电机故障智能诊断方
法技术涉及电路磁路系统、机械系统、散热系统等多个领域。由于电机设备故障信号与故

障类型之间复杂的非线性映射关系，使得故障识别及后续的诊断较为复杂，因此进一步采
用多学科领域的智能诊断技术是目前发展的一大趋势，这将会提高故障诊断的容错性、抗

噪性以及精确性。
（二）电机故障诊断的智能方法研究现状
1. 基于信号变换的故障诊断方法

电机的故障信息表现为特征参量的变化，存在于被测信号中。但是，表征早期故障的
信号较弱，噪声较强，如果借助特殊的处理方法对信号进行提取，就能获得故障特征信息，

从而确定电机的故障类型。最初信号处理方法是傅里叶（Fourier）变换，后来由此发展出
小波变换。小波变换是时间和频域的局部变换，通过伸缩平移变换对信号进行多尺度细化
分析，从而突出被测信号的故障特征。通过对电机转子振动信号进行小波分解，通过奇异

性分析，准确获得了信号畸变的时间以及瞬态特征，实现了有效的电机故障智能诊断。利
用小波包变换有效克服了小波变换在高频段频率分辨率较差，在低频段时间分辨率较差的

困难，对开关磁阻电机功率变换器故障做出准确快速诊断。信号变换适合探测正常信号中
夹带的瞬态异常信号并展示其特征，广泛应用于电机设备的故障诊断中，但此类诊断方法

不能进行学习。
2. 基于人工神经网络的故障诊断方法
人工神经网络 (Artificial Neural Network，ANN) 是模仿人的神经网络处理复杂信息的一

种运算模型。ANN 由大量简单的人工神经元广泛连接，具有非线性关系、一定的整体性
以及自学习能力等，能够建立从征兆现象到故障类型的映射，因此，ANN 非常适合用在

电机故障智能诊断。ANN 在电机故障智能诊断中不依赖其内部运行情况，也不苛求定量
203