感应电机是人们日常生活及工农业生产中广泛应用的驱动装置,数量众多,可能发生的故障种类也多。电机故障不仅会损坏电机本身,严重时还会使电机突然停机、生产线崩溃,给人们造成巨大的经济损失和灾难性后果。因此,研究电机故障诊断技术,具有重大的理论意义和社会经济效益。随着神经网络技术的发展,神经网络已被广泛应用于电机故障诊断领域,这已成为国内外学者们的一个研究热点课题。本文所做的主要工作概括如下:(1)在阅读大量文献的基础上,分析了当前国内外电动机故障诊断的现状及存在问题,对感应电动机定子故障、转子断条故障、转子质量不平衡故障、轴承故障、气隙偏心故障等几种常见故障的机理及故障特征进行了深入研究;在详细分析傅里叶变换理论的基础上,提出了一种基于傅里叶变换的故障信号特征提取方法;通过构建数学模型并用MATLAB软件对转子断条故障时的电流信号做了仿真分析。(2)在对RBF神经网络的结构及工作原理研究的基础上,应用MATLAB自编程序对异步电动机常见的转子不平衡、不对中、油膜涡动、转子径向碰摩、喘振、轴承座松动等六种故障进行诊断。网络训练时,径向基函数的数据中心及扩展常数用k ? means聚类算法确定,网络权值用BP算法确定。结果表明,RBF神经网络可以用来诊断电机故障,且结构较简单,训练速度较快,较稳定。(3)为分析比较不同神经网络对电机故障诊断结果的影响,本文对带有偏差单元的递归神经网络进行了研究,并用该网络对上述六种故障进行了诊断。网络权值用改进的BP算法确定。结果表明,该网络虽可以用来诊断电机故障,但和RBF网络相比,结构复杂,训练速度稍慢,但很稳定。(4)为了深入研究电机转子质量不平衡故障及转子断条故障时的故障特征,本文在电机故障实验室,利用故障诊断试验平台对上述两种故障进行了试验研究,通过设置转子质量不平衡及转子断条这两种故障,采集正常状态下以及电机发生这两种故障时的振动信号并进行频谱分析,并将正常状态下的频谱图与故障时的频谱图作了比较。结果表明,电机转子质量不平衡时,实验测得的特征频率与理论推导的特征频率基本一致;电机转子断条时,空载状态下,所有方向的振动信号均减弱,因此,仅通过振动信号不能诊断电机转子断条故障。