基于LM-BP神经网络的电机转子裂纹故障诊断上

     为了实现对在线转子裂纹故障的定量精确识别，首先采用有限元法计算出不同位置、不同深度的横向裂纹转子前三阶固有频率。在此基础上，对前三阶固有频率数据进行了正则化运算，并将数据进一步处理成增量的形式以提高识别的灵敏度。然后，将处理过的固有频率数据作为输入样本，并应用经过LM算法优化的BP神经网络对其进行训练，最后，以在线实测的转子固有频率作为输入数据，通过神经网络实现对裂纹欢子的故障识别。神经网络训练结果表明，该研究方法裂纹故障识别精度高，收敛较快，可以应用到同一批电机裂纹转子故障诊断中，具有较强实际应用价值。

    转子裂纹故障是最难及时发现后果而又严重的故障，会对整个转子系统安全产生巨大威胁。而传统的射线探伤等方法主要用来检测处于静止状态的电机转子裂纹，在线检测很困难。目前，研究的中点和发展方向是开发和应用定量在线诊断方法，并和各种定性诊断方法相结合，在线诊断出裂纹故障的位置和严重程度，从而为转动机械系统裂纹故障的监控和寿命评估提供依据。

    目前，国内外许多学者使用有限元方法对转轴裂纹进行分析。采用有限元法计算了裂纹轴段在不同开闭状态下的柔度，采用有限元法转子模型来在线识别转子裂纹位置，并对该方法的鲁棒性进行灵敏度方法分析。分析了双裂纹转子系统的裂纹识别问题，将裂纹对转子的影响等效为无裂纹转轴上的附加载荷，采用有限元模型识别出裂纹的位置与深度。Kim基于有限元方法在考虑裂纹位置的情形下建立了多自由度裂纹转子模型，并用定向光谱研究了不同裂纹位置对裂纹导致的谐波响应的影响。以裂纹的深度、位置和相对角度对裂纹进行识别。他们在开裂纹表面对应变能密度函数进行积分，计算带裂纹的弯曲转子的复杂矩阵。陈雪峰、何正嘉等从线弹性断裂力学的角度考虑裂纹引起的局部附加柔度，进而构造了小波有限元裂纹刚度矩阵，提出了基于小波有限元的裂纹故障诊断算法，将系统前3阶的固有频率作为输入，绘制裂纹等效刚度与裂纹位置的3条曲线，根据曲线的交点可以预测出裂纹的位置与尺寸。提出了一种基于神经网络的短粗转子系统横向裂纹定量识别的区间B样条小波有限元方法。