電機(jī)故障診斷的人工智能方法綜述

在分析電機(jī)故障診斷傳統(tǒng)方法的基礎(chǔ)上,討論了近年來電機(jī)故障診斷領(lǐng)域的智能控制手段和進(jìn)展:即神經(jīng)網(wǎng)絡(luò)、模糊邏輯、模糊神經(jīng)和遺傳算法等,給出了詳細(xì)的圖表和簡(jiǎn)化的應(yīng)用實(shí)例,并比較了各方法的優(yōu)缺點(diǎn)。
隨著現(xiàn)代工業(yè)及科學(xué)技術(shù)的迅猛發(fā)展,電機(jī)已被廣泛應(yīng)用于工業(yè)系統(tǒng)的各個(gè)領(lǐng)域。由于電機(jī)工作過程中,發(fā)生故障或失效的潛在可能性隨著運(yùn)行時(shí)間的增長(zhǎng)逐漸增大。往往一個(gè)部件的故障就能引起鏈?zhǔn)椒磻?yīng),導(dǎo)致整個(gè)設(shè)備系統(tǒng)不能正常運(yùn)行,甚至癱瘓。
 
因此,提高設(shè)備系統(tǒng)的安全性和可靠性已成為刻不容緩的問題,而及時(shí)準(zhǔn)確地發(fā)現(xiàn)電機(jī)潛在的或現(xiàn)有的故障正是保證設(shè)備安全運(yùn)行的重要措施,研究不同條件、不同運(yùn)行狀態(tài)下電機(jī)故障診斷的理論方法和技術(shù)策略正是提高設(shè)備系統(tǒng)可靠運(yùn)行的保證。
 
傳統(tǒng)的電機(jī)故障診斷方法,需要建立的數(shù)學(xué)模型、有效的狀態(tài)估計(jì)或參數(shù)估計(jì)、適當(dāng)?shù)慕y(tǒng)計(jì)決策方法等,這些前提條件使得傳統(tǒng)的電機(jī)故障診斷具有相當(dāng)?shù)木窒扌訹3~4]。
 
而人工智能控制方法,如神經(jīng)網(wǎng)絡(luò)、模糊邏輯、模糊神經(jīng)和遺傳算法等,能夠處理傳統(tǒng)故障診斷方法所無法解決的問題,具有傳統(tǒng)診斷方法無以比擬的*性,因而使得電機(jī)故障診斷的人工智能方法在近幾年得到廣泛的認(rèn)可和應(yīng)用,已被認(rèn)為是電機(jī)診斷技術(shù)的重要發(fā)展方向[9~10]。