在分析電機故障診斷傳統方法的基礎上,討論了近年來電機故障診斷領域的智能控制手段和進展:即神經網絡、模糊邏輯、模糊神經和遺傳算法等,給出了詳細的圖表和簡化的應用實例,并比較了各方法的優缺點。
隨著現代工業及科學技術的迅猛發展,電機已被廣泛應用于工業系統的各個領域。由于電機工作過程中,發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,導致整個設備系統不能正常運行,甚至癱瘓。
 
因此,提高設備系統的安全性和可靠性已成為刻不容緩的問題,而及時準確地發現電機潛在的或現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可靠運行的保證。
 
傳統的電機故障診斷方法,需要建立的數學模型、有效的狀態估計或參數估計、適當的統計決策方法等,這些前提條件使得傳統的電機故障診斷具有相當的局限性[3~4]。
 
而人工智能控制方法,如神經網絡、模糊邏輯、模糊神經和遺傳算法等,能夠處理傳統故障診斷方法所無法解決的問題,具有傳統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用,已被認為是電機診斷技術的重要發展方向[9~10]。