×
暂无评论
图文详情
  • ISBN:9787111623403
  • 装帧:一般胶版纸
  • 册数:暂无
  • 重量:暂无
  • 开本:16开
  • 页数:251
  • 出版时间:2019-06-01
  • 条形码:9787111623403 ; 978-7-111-62340-3

本书特色

书是法国多所大学和研究机构跨学科研究团队多年原创性研究成果的总结,系统深入地介绍了电机及电力传动系统的故障检测与诊断技术,主要内容包括:电机故障类型及常见故障诊断方法,故障情况下电机的数学建模,基于参数辨识、观测器、热监测等技术的电机故障诊断,蓄电池内阻估计及汽车起动性能评估方法,电机机电故障诊断的频谱分析方法,基于神经网络的电机故障检测与定位,变流器故障分析及诊断方法。本书内容紧密结合实际,所讨论的故障诊断方法均包括理论分析及实际验证等各个方面,具有重要的理论意义和实际参考价值。本书可作为电气、机械、信息等专业本科高年级学生及研究生教学、科研用书,亦可作为相关领域工程技术人员的参考书籍。

内容简介

书是法国多所大学和研究机构跨学科研究团队多年原创性研究成果的总结,系统深入地介绍了电机及电力传动系统的故障检测与诊断技术,主要内容包括:电机故障类型及常见故障诊断方法,故障情况下电机的数学建模,基于参数辨识、观测器、热监测等技术的电机故障诊断,蓄电池内阻估计及汽车起动性能评估方法,电机机电故障诊断的频谱分析方法,基于神经网络的电机故障检测与定位,变流器故障分析及诊断方法。本书内容紧密结合实际,所讨论的故障诊断方法均包括理论分析及实际验证等各个方面,具有重要的理论意义和实际参考价值。本书可作为电气、机械、信息等专业本科高年级学生及研究生教学、科研用书,亦可作为相关领域工程技术人员的参考书籍。

目录

译者序
原书前言
第1章电机常见故障及其诊断方法1
1.1概述1
1.2感应电机的组成3
1.2.1定子3
1.2.2转子3
1.2.3轴承4
1.3感应电机的故障4
1.3.1机械故障6
1.3.2电气故障7
1.4感应电机故障诊断方法概述8
1.4.1基于解析模型的故障诊断方法9
1.4.2无需解析模型的故障诊断方法11
1.5本章小结14
1.6参考文献14
第2章感应电机绕组故障建模18
2.1概述18
2.1.1仿真模型与诊断模型18
2.1.2模型选择的目标18
2.1.3模型选择的方法19
2.1.4本章结构安排20
2.2研究框架与一般方法20
2.2.1前提假设20
2.2.2绕组的等效20
2.2.3无故障等效两相电机27
2.2.4考虑定子绕组故障29
2.3定子绝缘故障时的电机建模32
2.3.1定子短路时的电机方程32
2.3.2任意参考系下的状态模型34
2.3.3三相定子模型的扩展38
2.3.4诊断模型的验证39
2.4定/转子耦合故障建模方法的普适化42
2.4.1转子不平衡时的电机方程43
2.4.2定/转子故障时的一般电机模型45
2.5感应电机的监测方法47
2.5.1感应电机故障诊断的参数估计47
2.5.2监测方法的实验验证50
2.6本章小结53
2.7参考文献54
第3章感应电机的闭环诊断56
3.1概述56
3.2闭环辨识57
3.2.1闭环辨识中存在的问题57
3.2.2电机故障诊断中的参数辨识问题59
3.3感应电机闭环辨识的一般方法59
3.3.1考虑控制的作用59
3.3.2基于闭环解耦的电机参数辨识61
3.3.3辨识结果64
3.4定/转子同时故障时的闭环诊断66
3.4.1感应电机通用故障模型66
3.4.2具有先验知识的参数估计67
3.4.3故障的检测与定位68
3.4.4直接辨识和间接辨识的结果比较70
3.5本章小结72
3.6参考文献73
第4章基于观测器的感应电机故障诊断76
4.1概述76
4.2建立数学模型78
4.2.1三相感应电机无故障时的模型78
4.2.2感应电机无故障时的Park模型81
4.2.3感应电机出现故障时的模型84
4.3故障观测器84
4.3.1基本原理84
4.3.2不同种类的故障观测器87
4.3.3扩展观测器92
4.4基于观测器的故障诊断94
4.4.1使用Park模型94
4.4.2使用三相电机模型97
4.4.3观测器重构转矩的频谱分析99
4.5本章小结100
4.6参考文献101
第5章感应电机的热监测103
5.1概述103
5.1.1感应电机温度监测的目的103
5.1.2感应电机温度监测的主要方法104
5.2基于卡尔曼滤波器的实时参数估计107
5.2.1卡尔曼滤波器的特征及优点107
5.2.2扩展卡尔曼滤波器的实现108
5.3热监测的电气模型111
5.3.1连续时间模型111
5.3.2全阶模型112
5.3.3离散化的扩展模型114
5.4实验系统115
5.4.1实验平台简介115
5.4.2热仪表117
5.4.3电气仪表118
5.5实验结果121
5.5.1卡尔曼滤波器的调节121
5.5.2磁饱和的影响124
5.6本章小结126
5.7附录感应电机特性126
5.8参考文献127
第6章基于模型失效方法的汽车铅酸蓄电池内阻估计:
在汽车起动性能评估中的应用130
6.1概述130
6.2汽车起动阶段铅酸蓄电池的分数阶模型131
6.3分数阶模型的辨识133
6.3.1输出误差辨识算法134
6.3.2输出灵敏度计算135
6.3.3估计参数的验证135
6.3.4应用到起动信号中135
6.4用电池电阻作为起动能力的指示器136
6.5模型验证及电池内阻的估计138
6.5.1模型验证的频率法138
6.5.2电池内阻估计的应用140
6.5.3简化的阻值估计器143
6.6电池状态的估计146
6.7本章小结148
6.8参考文献148
第7章基于信号分析技术的感应电机机电故障诊断151
7.1概述151
7.2电流的频谱152
7.3信号处理153
7.3.1傅里叶变换153
7.3.2周期图154
7.4实验中的信号分析155
7.4.1断条引起的故障156
7.4.2轴承故障160
7.4.3静态不对中故障166
7.4.4匝间短路173
7.5本章小结176
7.6附录176
7.6.1附录A实验使用电机的部分特性参数176
7.6.2附录B实验使用滚珠轴承的部分特性参数177
7.7参考文献177
第8章基于神经网络的感应电机故障诊断179
8.1概述179
8.2在故障诊断问题中ANN的使用方法180
8.2.1选择故障指示器180
8.2.2选择神经网的结构181
8.2.3建立学习和测试数据库182
8.2.4神经网络的学习和测试182
8.3监测系统概述183
8.4故障检测可能出现的问题184
8.5提出的鲁棒检测新方法184
8.5.1产生估计的残差185
8.6定/转子故障的特征186
8.6.1正常运行时的残差分析186
8.6.2定子故障时的残差分析186
8.6.3转子故障时的残差分析188
8.6.4同时存在定/转子故障时的残差分析190
8.7利用RNd神经网络检测故障191
8.7.1提取故障指示器191
8.7.2RNd神经网络的学习过程191
8.7.3RNd网络的结构193
8.7.4RNd网络的训练结果193
8.7.5RNd网络的测试结果194
8.8定子故障的故障诊断197
8.8.1选择RNcc网络故障指示器197
8.8.2RNcc网络的学习序列198
8.8.3RNcc网络结构199
8.8.4RNcc网络的学习结果201
8.8.5RNcc网络的测试结果201
8.8.6RNcc网络的实验验证203
8.9转子故障的故障诊断208
8.9.1选择RNbc网络的故障指示器208
8.9.2RNbc网络的学习序列208
8.9.3学习、测试和验证结果209
8.10感应电机完整的监测系统210
8.11本章小结212
8.12参考文献212
第9章静态变流器中的故障检测与诊断214
9.1概述214
9.2故障检测和诊断215
9.2.1神经网络方法215
9.2.2模糊逻辑方法221
9.2.3多维数据分析224
9.3功率电子模块的热疲劳和失效模式231
9.3.1功率电子模块的相关技术231
9.3.2电力电子模块性能退化的原因及主要类型239
9.3.3连接件损坏对电气特性的影响以及对故障诊断的潜在作用244
9.3.4接触面接触不良对热特性的影响和在故障诊断中的潜在应用246
9.4本章小结248
9.5参考文献249
展开全部

作者简介

Jean-Claude Trigeassou 于1988~2006年在法国普瓦捷大学(Université de Poitiers)高等工程师学校(École Supérieure d'Ingénieurs de Poitiers, ESIP)担任教授,主要研究兴趣是矩量法及其在参数辨识和控制中的应用、连续系统参数估计及其在电机故障诊断中的应用。目前,Trigeassou教授在法国波尔多大学(Université de Bordeaux)的IMS-LAPS实验室工作,主要研究工作涉及分数阶系统的建模、稳定性分析、参数辨识和控制等。

预估到手价 ×

预估到手价是按参与促销活动、以最优惠的购买方案计算出的价格(不含优惠券部分),仅供参考,未必等同于实际到手价。

确定
快速
导航