在分析電機故障診斷傳統(tǒng)方法的基礎(chǔ)上,討論了近年來電機故障診斷領(lǐng)域的智能控制手段和進展:即神經(jīng)網(wǎng)絡(luò)、模糊邏輯、模糊神經(jīng)和遺傳算法等,給出了詳細的圖表和簡化的應(yīng)用實例,并比較了各方法的優(yōu)缺點。
隨著現(xiàn)代工業(yè)及科學(xué)技術(shù)的迅猛發(fā)展,電機已被廣泛應(yīng)用于工業(yè)系統(tǒng)的各個領(lǐng)域。由于電機工作過程中,發(fā)生故障或失效的潛在可能性隨著運行時間的增長逐漸增大。往往一個部件的故障就能引起鏈?zhǔn)椒磻?yīng),導(dǎo)致整個設(shè)備系統(tǒng)不能正常運行,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,而及時準(zhǔn)確地發(fā)現(xiàn)電機潛在的或現(xiàn)有的故障正是保證設(shè)備安全運行的重要措施,研究不同條件、不同運行狀態(tài)下電機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)可靠運行的保證。
 
傳統(tǒng)的電機故障診斷方法,需要建立的數(shù)學(xué)模型、有效的狀態(tài)估計或參數(shù)估計、適當(dāng)?shù)慕y(tǒng)計決策方法等,這些前提條件使得傳統(tǒng)的電機故障診斷具有相當(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,因而使得電機故障診斷的人工智能方法在近幾年得到廣泛的認可和應(yīng)用,已被認為是電機診斷技術(shù)的重要發(fā)展方向[9~10]。