隨著現(xiàn)代工業(yè)及科學技術的迅勐發(fā)展,電機已被廣泛應用于工業(yè)系統(tǒng)的各個領域。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式反應,導致整個設備系統(tǒng)不能正常運行,甚至癱瘓。

 

因此,提高設備系統(tǒng)的安全性和可靠性已成為刻不容緩的問題,而及時準確地發(fā)現(xiàn)電機潛在的或現(xiàn)有的故障正是保證設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策略正是提高設備系統(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)學模型、有效的狀態(tài)估計或參數(shù)估計、適當?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?shù)木窒扌訹3~4]。

 

而人工智能控制方法,如神經網(wǎng)絡、模煳邏輯、模煳神經和遺傳算法等,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可和應用,已被認為是電機診斷技術的重要發(fā)展方向[9~10]。