变频器故障原因分析论文提纲

2022-11-15

论文题目：基于贝叶斯网络的变频器主电路故障诊断方法研究

摘要：随着变频技术和微电子技术的蓬勃发展,变频器以其卓越的控制能力和节能能力在矿井提升领域得到了广泛的应用。变频器是矿井提升系统中的关键设备,承担着电气能量变换的重要作用。变频器主电路的组成结构复杂,其中的元件通常工作在高压高频的环境下,易出现故障导致变频器无法正常工作。提升机变频器的正常运行与否直接影响到了设备与人员的安全,也关系着矿山的生产收益。因此研究变频器主电路的故障诊断问题,具有非常重要的应用价值,本文研究了基于贝叶斯网络的变频器主电路故障诊断方法。首先,本文以ABB公司的ACS800型变频器为研究对象,将变频器主电路划分为三个环节:整流环节、直流环节和逆变环节,在研究这三个环节的结构和工作原理上,分析各环节常见故障。根据实验平台对这三个环节分别建立仿真模型,分析发生各种故障时的输出波形,提取出相应的故障特征。其次,对变频器主电路三个环节建立贝叶斯故障诊断模型。对整流环节采用数据驱动的方法建立贝叶斯故障诊断模型。根据提取的故障特征建立贝叶斯诊断模型结构,利用EM算法学习网络的参数。由于模型的参数学习和验证需要大量的数据,本文在仿真模型中设置不同的故障模式以获取样本数据。利用测试数据对模型进行了验证,结果表明模型具有较高的故障诊断精度。提出一种小样本条件下贝叶斯模型建立方法应用于故障数据集较小的直流环节模型构建。对直流环节贝叶斯模型结构,采用历史运行数据矫正基础概率法获取根节点的先验概率,用先验Beta分布法获取非根节点的条件概率。该方法可充分结合专家先验知识和已有样本数据,利用测试数据对建立的模型进行验证,结果表明该模型具有较好的效果。提出一种优化的贝叶斯模型建立方法应用于逆变环节的故障诊断。考虑到变频器故障诊断中存在的属性冗余问题,提出将粗糙集遗传算法和贝叶斯网络相结合的故障诊断模型建立方法,利用粗糙集遗传算法降低属性复杂度,由于约简结果不唯一,提出基于精度和时间的模型性能评价算法选择建立最优模型。利用测试数据对建立的优化模型进行验证,结果表明该模型比模糊神经网络模型具有更高的诊断精度,验证了所提方法的有效性。最后,基于Matlab中的GUI模块完成了变频器主电路故障诊断系统的设计,实现了对变频器主电路三个环节故障的诊断与定位。所建立的故障诊断系统具有较好的人机交互能力和较强的数据处理能力,能够实现波形数据的预处理,故障诊断,模型自学习等。通过实例验证了故障诊断系统各模块的功能。

关键词：故障诊断;贝叶斯网络;提升机变频器;小样本;模型优化

学科专业：电气工程

致谢

摘要

Abstract

1 引言

1.1 研究背景与研究意义

1.2 变频器故障诊断国内外研究现状

1.2.1 基于解析模型的诊断方法

1.2.2 基于信号处理的诊断方法

1.2.3 基于知识的诊断方法

1.3 贝叶斯故障诊断方法研究现状