隨著現(xiàn)代工業(yè)及科學(xué)技術(shù)的迅勐發(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,需要建立精確的數(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)、模煳邏輯、模煳神經(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優(yōu)越性,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(rèn)可和應(yīng)用,已被認(rèn)為是電機診斷技術(shù)的重要發(fā)展方向[9~10]。