一、异步电机定子绕组匝间短路微机检测系统（论文文献综述）
李妍姝,李花,费继友,路畅,常宝贤[1]（2021）在《基于改进双曲交点算法的牵引电机故障诊断》文中提出CRH（China Railway High Speed）动车组高速列车已成为我国最重要的交通工具,而高速列车牵引电机的可靠性对于保障列车安全运行具有重要意义。提出一种基于改进双曲交点算法的参数估计方法,采用双曲交点作为搜索点,通过约束条件限制搜索点的数目,并在参数估计过程中改变控制参数调节算法的自适应性,以提高参数估计的效率和准确率。以CRH2高速列车牵引电机为模型,基于数学模型在Matlab/Simulink中建立仿真模型,结合所提出的算法进行参数估计。研究结果表明,提出的参数估计方法,能够有效地提高电机故障诊断效率并准确诊断电机定子绕组故障,验证了所提算法的有效性。
张阳[2]（2021）在《图形化异步电动机定转子故障检测与识别方法研究》文中认为
徐平[3]（2021）在《虚实结合的笼型异步电机故障诊断实验教学系统研究》文中研究说明
许浩[4]（2021）在《基于全相位FFT的笼型异步电动机断条与匝间短路故障检测方法研究》文中提出
符羽[5]（2021）在《基于卷积神经网络的三相异步电机故障诊断方法研究》文中认为三相异步电机作为将电能转换为机械能的设备,在日常生活的各个领域中都被广泛应用。对三相异步电机进行故障诊断,能够及时发现电机早期故障,减少或者避免电机故障引发的损失。本文以三相异步电机为研究对象,运用传统机器学习,深度学习以及迁移学习等理论知识,对电机故障诊断方法进行研究。将变分模态分解（VMD）-BP神经网络以及卷积神经网络（CNN）的方法应用于三相异步电机的故障诊断,通过实验验证了上述故障诊断方法的有效性和优越性,同时在CNN的基础上结合迁移学习,将迁移CNN的方法应用于不同工况间的三相异步电机故障诊断并进行了验证。首先,本文对电机的结构特点、工作原理、故障产生原因等进行了分析,选择合理的实验器材并设置了转子断条以及轴承故障两种电机故障形式,搭建电机故障诊断实验平台后采集电机600r/min、900r/min以及1200r/min工况下的电机风扇端振动数据。针对电机故障的复杂性以及电机振动信号非线性非平稳的特点,将VMD-BP神经网络的方法应用于三相异步电机的故障诊断,通过对比经验模态分解（EMD）-BP方法验证了该方法的可行性和有效性。其次,针对传统机器学习识别效果受人为特征提取和特征选择的影响,而且存在着诊断流程复杂、依赖专家知识、浅层结构特征学习能力不足等问题,将CNN应用于三相异步电机的故障诊断。将原始振动数据直接输入到设计好的CNN模型中,通过卷积层提取深层次特征,通过Re LU激活函数解决梯度耗散问题,通过最大池化层减少计算量并控制过拟合,而后经过全局平均池化层将输出变成一维,输入到全连接层,通过Dropout减少过拟合程度最后输入到Softmax分类器中对电机状态进行识别。通过对比VMD-BP神经网络的方法证明了该方法在特征提取方面的优越性,能够很好的实现电机端对端的故障诊断。最后,针对数据量少以及数据分布不同导致很难建立一个良好的CNN模型的问题,本文将迁移CNN的方法应用于三相异步电机的故障诊断。将迁移学习和CNN模型相结合,形成迁移CNN模型。使用工况A下大量带标签数据对CNN网络进行训练及验证,将训练好的模型迁移到工况B的故障诊断任务中去。通过工况B少量下带标签数据对预训练模型进行微调参数,最后将训练好的模型应用于工况B下进行状态识别,实现电机变工况的故障诊断。通过实验验证了该方法的必要性和可行性,通过对比其他方法验证了该方法的优越性。
刘金辉[6]（2021）在《大型电机铁心片间故障分析与风险预测》文中进行了进一步梳理随着智能生产行业进入快速发展阶段,对于产品的安全服役和有效感知变得越来越重要。大型电机作为工业制造系统的核心设备之一,其运行的可靠性将直接关乎整体生产线的安全性和经济性。定子铁心作为电机的主要部件之一,一旦出现故障,可能引起大范围的硅钢片烧毁,甚至停机事故,造成巨大经济损失和人员危险。因此,对电机关键结构的退化失效状态分析、恶化趋势预测、优化结构设计及科学合理的检修机制建立,是保证安全、提升服务质量及降低维护成本的关键。研究铁心片间故障机理和渐变过程中的主要发展模式,提出一种可以计算不同故障发展模式下处于渐变过程中铁心故障域电气量参数的解析算法。考虑定子叠片硅钢片中交变磁场的趋肤效应,推导其内部磁场解析式及复功率计算式,并基于电路理论搭建处于初始故障和完全故障两种发展模式下硅钢片的等效电路;计算得到了由多张叠片组成故障域的涡流损耗和感应电压,定量分析故障片数对故障区域电气量参数的影响。充分考虑频率和磁通对垂直于冲片轧制方向肌肤深度影响,对原有各向异性电导率、磁导率计算公式进行合理修正,提出一种针对片间故障的快速模拟方法----考虑片间短路故障下铁心叠片均匀化建模方法。采用宏观结构等效电导率与磁导率均匀连续体代替实际叠片,构建片间故障三维涡流场计算模型;计算得到不同故障发展模式下处于渐变过程中铁心故障域的电阻、轴向电导率、磁导率、涡流感应电流及涡流损耗;通过与涡流检测实验结果进行对比,验证了其所建仿真计算模型的合理性和工程中的适用性。获悉故障域硅钢片的故障来源、所处环境及现行电机定子片间故障检测系统的工作原理,采用低频励磁和涡流检测法相结合的检测方式,基于ARM嵌入式系统和IP协议以太网通讯,设计一个使用LM3S8962微处理器的片间短路故障检测系统。对不同故障发展模式下处于渐变过程中铁心故障域的感应电压进行检测,对感应电压的解析计算方法进行实验验证。计算得到不同故障发展模式下处于渐变过程中铁心故障域轴向导热系数的参数变化,采用实验检测和仿真计算相结合的方式,分别建立铁心故障域的等效传热模型和三维温度场模型;计算处于不同故障发展模式下处于渐变过程中铁心故障域轴向导热系数和温升;进行与样机现场实验数据对比,验证了所建模型的正确性;讨论了叠片故障域温升的发展趋势及对绕组绝缘和铁心叠片的危害。研究了现行故障状态的评估方法和检修机制,提出一种基于趋势预测的铁心故障程度评估与风险预测机制;采用潜在风险的预测和可靠性状态智能感知结合的方式,分别建立对不同故障发展模式下处于渐变过程中铁心故障域电气参数发展趋势计算的灰预测模型和可靠性状态评估模型;结合企业提供的事故数据和现有仿真参数,对铁心故障域当前状态进行故障判别和程度等级划分,并为未来可能出现的风险进行预测,同时,也为企业制定合理高效的检修机制提供理论和数据参考。
侯青松[7]（2021）在《基于机器学习的车载同步电机驱动系统UDS诊断与评估》文中指出随着新能源汽车扶持政策的持续发布,如今有越来越多的高校和企业活跃在新能源汽车市场。当前我国新能源汽车正在迈向中高级阶段,有着重解决汽车本身充电、续航、安全性等基础技术问题,转向关注与其他高技术行业的协同,充分挖掘新能源汽车的潜能。本课题以故障预测和健康管理（PHM）技术为核心思想,设计了一套结合机器学习和UDS（Unified Diagnostic Services）诊断的车载同步电机的故障诊断系统以及对应的开发流程。该套系统是运用MATLAB/Simulink平台基于模型的开发模式,再结合软件自身的自动代码生成技术,使系统有图形可视化、开发便捷、易于移植等特点。对该套系统的虚拟原型机,从软件和硬件两个方面进行了验证,证明了其可行性。首先,本文从同步电机出发,选择了在新能源汽车上得到广泛运用的六相混合励磁同步电机（HESM）,并对该电机及其驱动系统的故障进行了分类,从材料角度,分析了其中电机永磁去磁的原因,并做了相关的退化模拟,同时基于MATLAB/Simulink平台搭建了相应的电机去磁退化模型。在该模型的基础上,深入研读并介绍了基于CAN的UDS诊断相关的协议标准,以OSI模型为参考,重点从物理层、数据链路层、网络层以及应用层搭建了UDS诊断系统。其次,阐述了机器学习在UDS诊断的关系和应用,并在循环神经网络（RNN）的基础上,介绍了进一步优化的长短期记忆（LSTM）网络,包括其网络结构、激活函数、优化算法以及损失函数。结合MATLAB的神经网络工具箱,从时序预测结构、健康因子（HI）构建、原始数据选择等几个方面,介绍了LSTM神经网络在故障诊断中的应用。此外还对比了三种时序网络结构,并得到最佳结构。最后,在软件验证方面,整合电机去磁退化模型、UDS诊断模型以及训练好的LSTM神经网络,并详细介绍了仿真流程,预测评估了起始温度为140℃的电机去磁退化模型的故障状态。在硬件方面,结合六相HESM电机控制系统,以其整车试验历史数据作为原始数据集来训练LSTM神经网络,预测评估该电机在试验台架上连续运行一段时间后的故障状态。
籍超男[8]（2020）在《基于MCSA与高阶谱的异步电机故障诊断方法研究》文中进行了进一步梳理随着现代化进程的飞速发展,异步电机在企业工厂和居民的正常生活中几乎随处可见。其一旦发生故障,势必会给各个行业乃至整个社会的正常生产生活带来重大损失。所以,实时有效地对异步电机的工作状况做出监测和诊断存在十分重大的意义。异步电机定子侧电流信号因定子匝间短路和转子断条故障的发生而呈现出非平稳和非高斯特性,使得传统频谱分析方法无法准确提取信号中的故障特征,出现频谱泄漏、频率分辨率低等问题。针对上述问题,本文通过研究异步电机发生定子匝间短路和转子断条故障时的故障产生机理,提出了基于电机定子电流分析法与高阶谱的异步电机故障诊断方法。搭建异步电机故障模拟实验平台,采集电机定子绕组线圈发生不同程度的匝间短路故障时的定子电流信号,利用双谱的一维Fourier变换获得双谱的切片图进行信号的故障特征频率提取,对比理论计算结果验证了双谱估计法在电机定子绕组线圈匝间短路故障检测中的适用性。同样实验条件下,针对电机转子断条故障,引入VMD结合FFT算法的故障检测方法并与双谱估计方法进行故障检测结果对比,发现基于双谱估计的转子断条故障检测方法能够克服传统频谱分析方法在电机负载状态为空载或轻载时无法准确提取故障特征频率的问题,同时,在非轻载状态下,分析两种信号处理方法提取的故障特征,对比发现通过双谱估计方法提取的故障特征相较于VMD结合FFT算法的频谱分析方法具有更加突出、明显的优势;此外通过仿真结果显示在负载呈现突变状态时,双谱估计方法同样具有良好的适用性。在前文研究的基础上,应用基于支持向量机（SVM）的异步电机定、转子故障识别方法,通过研究支持向量机的分类原理,选择电机不同状态下定子电流信号双谱切片图中包含故障信息的频段,计算频段能量与切片谱总能量的比值作为电机不同运行状态下的特征值输入到SVM中。再通过选定合适的核函数及其参数,通过该方法对电机故障分类,其准确率可达96.05%,结果表明了基于SVM分类器对于电机故障诊断的可用性。图[40]表[9]参[50]
方洁[9]（2020）在《基于小波分析的永磁同步电机匝间短路初期故障检测方法研究》文中指出随着社会经济飞速发展,能源短缺和环境污染等问题也日益突出,因此,构建清洁低碳、安全高效的能源体系越来越引起人们的广泛关注。作为一种低污染、效率高、经济环保的动力设备,电机在工业生产和日常生活中得到了广泛的应用。其中,永磁同步电机具有高功率密度、高效率、高转矩密度等诸多优点,受到越来越多的关注。但是永磁同步电机在工作过程中,特别是应用于新能源汽车时,因为工作环境空间狭小、温度高、湿度大、散热条件差,同时还有机械、电气等因素影响,容易发生各种故障。匝间短路故障是最常发生的一种故障,破坏性强,且容易引起其他故障。匝间短路故障发生后,如果在故障初期不能及时发现并采取相应措施,最终会导致严重后果。为了提高永磁同步电机的安全性和可靠性,永磁同步电机匝间短路初期故障的检测是十分重要的。然而,匝间短路故障处于初期阶段时,其故障特征不明显,容易淹没在其他谐波信号和噪声中而不易提取,这给检测带来了很大的挑战。因此,本文以永磁同步电机为研究对象,针对匝间短路初期故障检测进行研究,分析了故障情况下电机相关信号的变化,提出了基于零序电压的匝间短路初期故障的检测方法,通过离散小波变换和经验小波变换等信号处理方法,排除干扰提取故障特征,对故障进行检测;提出了一种故障程度检测方法利用零序电压的经验小波变换能量分布和支持向量机,对故障程度进行预测。最后,通过仿真和实验对该方法的有效性进行验证。论文主要研究成果如下:1、阐述了永磁同步电机的基本工作原理,通过MATLAB/Simulink搭建了匝间短路故障下永磁同步电机的仿真平台,为进行永磁同步电机的匝间故障检测的仿真研究奠定基础。2、介绍了发生匝间短路故障时的永磁同步电机的数学模型,分析了匝间短路故障情况下永磁同步电机信号变化情况,以及故障对零序电压分量的影响。经过分析比较,零序电压对匝间短路初期故障更为敏感,因此将零序电压的基波分量作为匝间短路故障特征。3、提出了一种基于离散小波变换的永磁同步电机的匝间短路初期故障检测方法。该方法利用离散小波变换滤除其他谐波和噪声,提取故障特征,仿真和实验验证了其有效性。4、提出了一种基于经验小波变换的永磁同步电机的匝间短路初期故障检测方法。为简化故障检测步骤、降低计算量,对经验小波变换进行了改进,根据故障特征的频率对零序电压信号的频谱进行划分并建立对应的经验小波滤波器组。然后,利用经验小波滤波器组,移除噪声和其他谐波,提取故障特征。最后,通过仿真和实验对该方法的有效性进行验证。5.提出了一种基于经验小波变换能量分布和支持向量机的匝间短路故障程度检测方法。通过输入零序电压各本征模态分量的能量分布,预测永磁同步电机匝间短路故障程度,并利用实验对该方法的有效性进行验证。
孟凡奇[10]（2020）在《牵引异步电动机故障诊断》文中研究说明近几十年,铁路运输在追求高速的同时,安全也一直放在首位。牵引机车的构造越来越复杂,结构也更紧凑,一旦其中某个零件发生故障,很有可能引起更大的故障,造成人员伤亡与巨大经济损失。牵引电机作为机车牵引、制动的主要构件,安全可靠的运转至关重要。牵引电机多采用三相鼠笼式异步电动机,其故障类别根据结构划分为定子、转子、气隙、轴承几种,本文选取转子故障中的转子断条故障主要介绍。铁路在日常维护中,时常要对牵引电机的转子端环进行补焊,说明牵引电机存在转子断条的隐患,而且进行补焊后的转子强度下降更易损坏,故在牵引机车上加设转子断条故障诊断系统很有必要。故障诊断系统主要分为两部分:数据采集、诊断分析。由于是为牵引机车服务的故障诊断系统,工作时应结合牵引机车的实际运行工况,本文选取“稳态”运行工况作为诊断时刻,并提出利用希尔伯特黄变换（HHT）捕捉“稳态”数据及小波分析识别转子断条故障。本文为牵引机车诊断系统提供了两套数据采集方案。基于机车牵引控制单元（TCU）的数据获取方案所用硬件最少、实现容易、可获取的数据也更多,但需对TCU进行改造,未考虑故障诊断的TCU难以实现;为保证在不改造TCU的基础上能够识别转子断条故障,本文设计了独立的数据采集方案,此方案需独立设置信号调理模块、数据管理方案等等。牵引电机作为变频电机,诊断原理虽与定频电机类似,但实际运行过程中,随着牵引机车工况的改变,牵引电机的转差率、定子电流基频频率均会发生变动。本文利用Simulink仿真验证了这一理论,同时得出了需检测这两个参量以提高系统识别率的结论。本文最终利用Simulink及拟合曲线两种方式验证了本系统可以在不同工况下识别出转子断条故障,并提出牵引机车应选取的故障识别工况。
二、异步电机定子绕组匝间短路微机检测系统（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、异步电机定子绕组匝间短路微机检测系统（论文提纲范文）
（5）基于卷积神经网络的三相异步电机故障诊断方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 主要符号说明 |
| 第一章 绪论 |
| 1.1 引言 |
| 1.2 研究背景及意义 |
| 1.3 国内外研究现状 |
| 1.3.1 电机信号采集方法 |
| 1.3.2 电机故障特征提取技术 |
| 1.3.3 电机智能故障诊断方法 |
| 1.4 本文主要研究内容 |
| 第二章 三相异步电机故障分析及实验平台设计 |
| 2.1 引言 |
| 2.2 三相异步电机介绍 |
| 2.2.1 三相异步电机结构特点 |
| 2.2.2 三相异步电机工作原理 |
| 2.3 三相异步电机常见的故障类型 |
| 2.3.1 轴承故障 |
| 2.3.2 转子断条故障 |
| 2.3.3 气隙偏心故障 |
| 2.3.4 定子匝间短路故障 |
| 2.4 电机故障实验平台设计 |
| 2.4.1 电机故障形式设置 |
| 2.4.2 电机故障实验原理 |
| 2.4.3 电机故障实验仪器选择 |
| 2.4.4 实验平台搭建及数据采集过程 |
| 2.5 本章小结 |
| 第三章 基于VMD-BP神经网络的电机故障诊断 |
| 3.1 引言 |
| 3.2 VMD算法原理 |
| 3.2.1 VMD基本理论 |
| 3.2.2 VMD仿真分析 |
| 3.3 BP神经网络 |
| 3.3.1 前向传播 |
| 3.3.2 反向传播 |
| 3.4 基于VMD-BP神经网络的故障诊断模型 |
| 3.5 实验验证 |
| 3.5.1 评价指标 |
| 3.5.2 实验结果 |
| 3.6 本章小结 |
| 第四章 基于CNN的电机故障诊断 |
| 4.1 引言 |
| 4.2 CNN基本结构 |
| 4.2.1 卷积层 |
| 4.2.2 池化层 |
| 4.2.3 全连接层 |
| 4.3 CNN其他参数设置 |
| 4.3.1 激活函数 |
| 4.3.2 Dropout层 |
| 4.3.3 损失函数 |
| 4.3.4 学习速率 |
| 4.3.5 批次大小 |
| 4.4 CNN电机故障诊断模型 |
| 4.5 实验验证 |
| 4.6 本章小结 |
| 第五章 基于迁移CNN的变工况电机故障诊断 |
| 5.1 引言 |
| 5.2 迁移学习 |
| 5.3 基于迁移CNN的电机故障诊断模型 |
| 5.4 实验验证 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 个人简历 在读期间发表的学术论文 |
| 致谢 |
（6）大型电机铁心片间故障分析与风险预测（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题研究背景和意义 |
| 1.2 国内外现状及存在问题分析 |
| 1.2.1 片间短路故障模拟仿真及分析方法研究现状 |
| 1.2.2 片间短路故障诊断技术研究现状 |
| 1.2.3 状态评估方法的研究现状 |
| 1.3 本文课题的主要研究内容及来源 |
| 第2章 基于解析法的铁心片间故障分析与计算 |
| 2.1 铁心故障的机理及渐变过程分析 |
| 2.1.1 样机基本参数 |
| 2.1.2 样机定子铁心结构 |
| 2.1.3 片间短路故障发生原因分析 |
| 2.1.4 故障域叠片内的涡流分析及发展模式划分 |
| 2.2 故障域内有功功率与无功功率计算 |
| 2.2.1 电场强度和磁场强度满足的微分方程 |
| 2.2.2 片内涡流磁场与电场强度计算 |
| 2.2.3 片内涡流有功和无功功率计算 |
| 2.3 故障叠片内感应电压计算 |
| 2.3.1 单片硅钢片内涡流感应电压计算 |
| 2.3.2 故障处等效电路建立 |
| 2.4 解析计算结果 |
| 2.5 本章小结 |
| 第3章 基于均匀化理论的片间短路故障分析 |
| 3.1 考虑片间短路故障的均匀化建模方法 |
| 3.1.1 非故障域等效电导率、磁导率张量计算 |
| 3.1.2 故障域等效电导率、磁导率张量计算 |
| 3.2 片间故障三维涡流场建模与分析 |
| 3.2.1 三维涡流场模型建立 |
| 3.2.2 假设条件及故障域设置 |
| 3.3 仿真结果与分析 |
| 3.3.1 连续体模型与实际叠片模型下结果对比与分析 |
| 3.3.2 数值仿真与解析结果对比与分析 |
| 3.4 本章小结 |
| 第4章 基于涡流法的片间故障检测实验 |
| 4.1 基于涡流法的片间故障检测系统流程 |
| 4.2 铁心片间故障检测系统及装置 |
| 4.2.1 检测系统的硬件电路设计 |
| 4.2.2 检测系统的软件设计 |
| 4.2.3 基于涡流法的铁心传感器设计 |
| 4.2.4 交流励磁系统励磁电压计算及软件实现 |
| 4.3 样机实验 |
| 4.3.1 故障区域模拟 |
| 4.3.2 实验结果与对比分析 |
| 4.4 本章小结 |
| 第5章 片间故障时铁心的三维温度场计算分析 |
| 5.1 样机通风冷却方式及参数 |
| 5.2 电机求解模型的确定 |
| 5.2.1 数学模型 |
| 5.2.2 片间故障域导热系数计算 |
| 5.2.3 基本假设 |
| 5.2.4 计算域物理模型 |
| 5.2.5 求解模型的网格划分及磁热迭代耦合方法 |
| 5.2.6 边界条件 |
| 5.3 故障域温升分析及样机现场实验数据对比 |
| 5.3.1 温度场数值计算及分析 |
| 5.3.2 现场数据的对比分析 |
| 5.4 本章小结 |
| 第6章 基于趋势预测的铁心故障状态评估与风险预测 |
| 6.1 可靠性状态评估指标体系建立 |
| 6.2 铁心故障动态发展趋势预测 |
| 6.2.1 基于GM(1,4)灰预测模型的发展趋势预测 |
| 6.2.2 基于MGM(1,2)灰预测模型的发展趋势预测 |
| 6.2.3 基于MGM(1,2,4)灰预测模型的发展趋势预测 |
| 6.2.4 发展趋势预测及精度检验 |
| 6.3 可靠性状态评估方法 |
| 6.3.1 模糊层次评估法 |
| 6.3.2 基于古林法与层次可拓理论的评估方法 |
| 6.3.3 灰靶心决策评估法 |
| 6.4 实例计算与分析 |
| 6.4.1 基于模糊层次分析法的铁心故障状态评估与风险预测 |
| 6.4.2 古林法与层次可拓理论铁心故障状态评估与风险预测 |
| 6.4.3 基于灰靶心决策的铁心故障状态评估与风险预测 |
| 6.4.4 评估结果对比分析 |
| 6.5 本章小结 |
| 结论 |
| 参考文献 |
| 攻读博士学位期间发表的学术论文及获得成果 |
| 致谢 |
（7）基于机器学习的车载同步电机驱动系统UDS诊断与评估（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景、意义和目的 |
| 1.2 国内外的研究现状 |
| 1.2.1 电机故障诊断国内外的研究现状 |
| 1.2.2 PHM技术在国内外的研究现状 |
| 1.2.3 UDS诊断在国内外的研究现状 |
| 1.3 本文研究内容安排 |
| 第二章 电机退化和UDS诊断模型 |
| 2.1 同步电机简述 |
| 2.2 电机退化 |
| 2.2.1 HESM驱动系统故障简述 |
| 2.2.2 电机退化模拟 |
| 2.2.3 基于SIMULINK的电机去磁退化模型 |
| 2.2.3.1 六相HESM模块 |
| 2.2.3.2 退化模块 |
| 2.2.3.3 驱动控制模块 |
| 2.2.3.4 整体电机去磁退化模型 |
| 2.3 基于CAN的 UDS诊断系统介绍 |
| 2.3.1 统一诊断服务(UDS) |
| 2.3.2 CAN总线通信协议概述 |
| 2.3.3 基于ISO15765 的网络层协议 |
| 2.3.3.1 网络层协议数据单元(N_PDU) |
| 2.3.3.2 网络层协议控制信息(N_PCI) |
| 2.3.3.3 通信机制和时间参数 |
| 2.3.4 应用层 |
| 2.4 基于CAN的 UDS诊断系统模型的建立 |
| 2.4.1 UDS诊断系统模型整体结构 |
| 2.4.2 通信状态机 |
| 2.4.2.1 诊断会话控制(0X10) |
| 2.4.2.2 通过ID读数据(0X22) |
| 2.4.3 UDS模型中的CAN总线通信 |
| 2.4.4 UDS模型中的网络层 |
| 2.4.5 UDS模型中的应用层 |
| 2.4.6 UDS模型仿真 |
| 2.5 本章小结 |
| 第三章 机器学习在UDS故障诊断中的应用 |
| 3.1 机器学习与UDS诊断的关系 |
| 3.2 长短期记忆(LSTM)神经网络 |
| 3.2.1 RNN网络 |
| 3.2.2 LSTM神经网络 |
| 3.2.3 激活函数 |
| 3.2.4 优化算法和损失函数 |
| 3.3 LSTM神经网络在故障预测中的应用 |
| 3.3.1 时序预测结构 |
| 3.3.2 健康因子的构建方法 |
| 3.3.3 原始数据的选择 |
| 3.3.4 三种时序预测结构在故障诊断中的应用 |
| 3.3.5 结果分析 |
| 3.4 本章小结 |
| 第四章 软件仿真和硬件验证 |
| 4.1 软件仿真 |
| 4.1.1 软件仿真架构图 |
| 4.1.2 软件仿真流程 |
| 4.2 硬件验证 |
| 4.2.1 硬件验证架构图 |
| 4.2.2 硬件验证环境介绍 |
| 4.2.3 硬件验证过程和结果 |
| 4.3 本章小结 |
| 第五章 结论与展望 |
| 5.1 结论 |
| 5.2 展望 |
| 致谢 |
| 参考文献 |
（8）基于MCSA与高阶谱的异步电机故障诊断方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 课题的研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 异步电机故障诊断的国内外发展概括 |
| 1.2.2 异步电机故障诊断方法的研究现状 |
| 1.3 论文主要章节内容 |
| 2 异步电机故障诊断分析基础 |
| 2.1 异步电机的内部结构及其工作原理 |
| 2.1.1 电机内部结构 |
| 2.1.2 电机工作原理 |
| 2.2 异步电机故障时的电流特征 |
| 2.2.1 定子匝间短路故障的电流特征 |
| 2.2.2 转子断条故障的电流特征 |
| 2.3 异步电机故障模拟实验平台搭建 |
| 2.3.1 定子匝间短路故障模拟 |
| 2.3.2 转子断条故障模拟 |
| 2.3.3 实验数据采集 |
| 2.4 本章小结 |
| 3 异步电机定子匝间短路故障检测的方法 |
| 3.1 异步电机定子匝间短路故障机理分析 |
| 3.2 基于高阶谱的异步电机定子匝间短路故障检测方法 |
| 3.2.1 高阶谱分析理论 |
| 3.2.2 双谱理论 |
| 3.2.3 基于双谱理论的故障特征提取 |
| 3.3 实验验证与结果分析 |
| 3.4 本章小结 |
| 4 异步电机转子断条故障检测的方法 |
| 4.1 异步电机转子断条故障机理分析 |
| 4.2 恒定负载条件下异步电机转子断条故障检测方法 |
| 4.2.1 异步电机恒定负载状况分析 |
| 4.2.2 基于VMD与 FFT算法的转子断条故障检测结果分析 |
| 4.2.3 基于双谱理论的异步电机转子断条故障检测结果分析 |
| 4.3 突变负载条件下异步电机转子断条故障检测方法 |
| 4.3.1 异步电机突变负载状况分析 |
| 4.3.2 负载突变对故障特征提取的影响 |
| 4.3.3 基于双谱理论的转子断条故障检测结果分析 |
| 4.4 本章小结 |
| 5 基于支持向量机的异步电机故障识别方法 |
| 5.1 支持向量机理论及应用 |
| 5.1.1 支持向量机基本思想 |
| 5.1.2 核函数 |
| 5.1.3 支持向量机的故障诊断方法 |
| 5.2 基于支持向量机(SVM)的电机故障识别 |
| 5.2.1 双谱切片的故障特征值选取 |
| 5.2.2 基于SVM的电机故障识别结果 |
| 5.3 本章小结 |
| 6 结论和展望 |
| 6.1 结论 |
| 6.2 工作展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（9）基于小波分析的永磁同步电机匝间短路初期故障检测方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 电机故障检测技术研究现状 |
| 1.2.1 永磁同步电机故障检测技术 |
| 1.2.2 匝间短路故障检测研究现状 |
| 1.3 本论文的研究内容和论文组织结构 |
| 1.3.1 本论文研究主要内容 |
| 1.3.2 本论文的组织结构 |
| 第二章 匝间短路故障下PMSM数学模型 |
| 2.1 引言 |
| 2.2 PMSM基本工作原理 |
| 2.2.1 定子绕组与永磁体的作用力 |
| 2.2.2 定子绕组与凸极转子的作用力 |
| 2.2.3 PMSM的基本控制模式 |
| 2.3 PMSM动态数学模型 |
| 2.3.1 PMSM的定子电压方程 |
| 2.3.2 PMSM的定子磁链方程 |
| 2.3.3 PMSM的转矩方程 |
| 2.3.4 PMSM的运动方程 |
| 2.4 匝间短路故障下PMSM的数学模型 |
| 2.5 仿真 |
| 2.6 本章小结 |
| 第三章 匝间短路故障特征量 |
| 3.1 引言 |
| 3.2 零序电压 |
| 3.3 仿真 |
| 3.3.1 零序电压 |
| 3.3.2 定子电流 |
| 3.4 本章小结 |
| 第四章 基于DWT的匝间短路故障检测 |
| 4.1 引言 |
| 4.2 小波变换相关理论 |
| 4.2.1 傅里叶变换 |
| 4.2.2 短时傅里叶变换 |
| 4.2.3 连续小波变换 |
| 4.2.4 离散小波变换 |
| 4.2.5 多分辨率分析 |
| 4.2.6 Mallat算法 |
| 4.3 故障检测步骤 |
| 4.4 仿真结果及分析 |
| 4.4.1 基于零序电压的故障检测仿真 |
| 4.4.2 基于定子电流的故障检测仿真 |
| 4.5 实验结果及分析 |
| 4.5.1 基于零序电压的故障检测实验 |
| 4.5.2 基于定子电流的故障检测实验 |
| 4.6 本章小结 |
| 第五章 基于EWT的匝间短路故障检测 |
| 5.1 引言 |
| 5.2 经验小波变换理论 |
| 5.2.1 经验小波定义 |
| 5.2.2 傅里叶频谱的分割 |
| 5.2.3 经验小波变换 |
| 5.3 改进的EWT边界选定方法 |
| 5.4 故障检测步骤 |
| 5.5 仿真结果及分析 |
| 5.5.1 基于零序电压的故障检测仿真 |
| 5.5.2 基于定子电流的故障检测仿真 |
| 5.6 实验结果及分析 |
| 5.6.1 基于零序电压的故障检测实验 |
| 5.6.2 基于定子电流的故障检测实验 |
| 5.7 本章小结 |
| 第六章 基于EWT能量分布和支持向量机的故障程度检测 |
| 6.1 引言 |
| 6.2 EWT能量分布 |
| 6.3 支持向量机 |
| 6.3.1 支持向量机 |
| 6.3.2 参数优化 |
| 6.4 匝间短路故障程度检测流程 |
| 6.5 实验验证 |
| 6.6 本章小结 |
| 结论 |
| 参考文献 |
| 攻读学位期间的科研成果 |
| 致谢 |
（10）牵引异步电动机故障诊断（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题的背景及意义 |
| 1.2 异步电机常见故障类型 |
| 1.3 国内外发展现状及总结 |
| 1.3.1 发展现状 |
| 1.3.2 方法总结 |
| 1.4 目前发展阶段存在的问题 |
| 1.5 本文内容安排 |
| 第二章 稳态下转子断条故障诊断理论基础 |
| 2.1 转子断条故障对定子电流的影响 |
| 2.2 基于小波分析的故障谐波电流提取方法 |
| 2.2.1 Fourier变换 |
| 2.2.2 小波分析 |
| 2.2.3 小波分析的应用及对数据的要求 |
| 2.3 基于HHT的稳态电流数据提取方法分析 |
| 2.3.1 Hilbert变换 |
| 2.3.2 解析信号及瞬时频率 |
| 2.3.3 EMD基础 |
| 2.3.4 HHT变换 |
| 2.3.5 HHT分析方法总结 |
| 2.3.6 “稳态”数据的提取 |
| 2.4 转子断条故障诊断思路 |
| 本章小结 |
| 第三章 机车牵引电机故障诊断实施方法 |
| 3.1 系统设计的基本要求 |
| 3.2 数据采集系统设计 |
| 3.2.1 基于TCU的数据获取系统 |
| 3.2.2 独立的数据采集系统 |
| 3.3 诊断分析模块设计 |
| 3.4 故障诊断系统运行方案 |
| 本章小结 |
| 第四章 转子断条故障诊断系统的实现 |
| 4.1 信号调理模块设计 |
| 4.1.1 隔离及放大电路 |
| 4.1.2 滤波电路 |
| 4.2 数据管理 |
| 4.2.1 数据存储 |
| 4.2.2 数据读取 |
| 4.3 诊断数据的二次消噪 |
| 4.4 诊断分析相关参数的设定与提取 |
| 4.4.1 牵引电机基频频率的提取 |
| 4.4.2 牵引电机转差率的计算 |
| 4.4.3 小波分析相关参数设定 |
| 本章小结 |
| 第五章 转子断条故障诊断系统验证分析 |
| 5.1 模拟转子断条故障诊断模型搭建 |
| 5.2 基于Simulink的模拟转子断条故障验证分析 |
| 5.3 基于拟合曲线的模拟转子断条故障验证分析 |
| 5.3.1 不同定子电流基频频率的验证对比 |
| 5.3.2 不同频率差时的验证对比 |
| 5.3.3 不同幅值时的验证对比 |
| 本章小结 |
| 结论 |
| 展望 |
| 参考文献 |
| 致谢 |
四、异步电机定子绕组匝间短路微机检测系统（论文参考文献）
- [1]基于改进双曲交点算法的牵引电机故障诊断[J]. 李妍姝,李花,费继友,路畅,常宝贤. 铁道科学与工程学报, 2021(11)
- [2]图形化异步电动机定转子故障检测与识别方法研究[D]. 张阳. 中国矿业大学, 2021
- [3]虚实结合的笼型异步电机故障诊断实验教学系统研究[D]. 徐平. 中国矿业大学, 2021
- [4]基于全相位FFT的笼型异步电动机断条与匝间短路故障检测方法研究[D]. 许浩. 中国矿业大学, 2021
- [5]基于卷积神经网络的三相异步电机故障诊断方法研究[D]. 符羽. 华东交通大学, 2021(01)
- [6]大型电机铁心片间故障分析与风险预测[D]. 刘金辉. 哈尔滨理工大学, 2021(01)
- [7]基于机器学习的车载同步电机驱动系统UDS诊断与评估[D]. 侯青松. 电子科技大学, 2021(01)
- [8]基于MCSA与高阶谱的异步电机故障诊断方法研究[D]. 籍超男. 安徽理工大学, 2020(07)
- [9]基于小波分析的永磁同步电机匝间短路初期故障检测方法研究[D]. 方洁. 安徽大学, 2020(02)
- [10]牵引异步电动机故障诊断[D]. 孟凡奇. 大连交通大学, 2020(06)