基于神经网络异步电动机故障诊断
基于神经网络的电机转子断条故障诊断.
基于神经网络的电机转子断条故障诊断1 前言电机是工农业生产中的主要传动机械。
随着现代科学技术的进步和生产的发展,电机的容量不断增大,所组成的系统的规模越来越大,构成也越来越复杂。
但由于工作环境复杂,或者电机频繁起动等原因,电机转子断条等故障时有发生,对其可靠性要求也越来越高。
传统的电机故障诊断方法,需要建立精确的数学模型、有效的状态估计或参数估计、适当的统计决策方法等。
这些前提条件使得传统的电机故障诊断具有相当的局限性。
针对传统检测方法的以上缺陷,有必要对电机转子工作情况进行更先进及时监测,以防造成重大损失。
异步电动机故障检测是通过应用先进的技术手段,在线监测异步电动机相关运行参数(如电压、电流、磁通、转速、温度、振动、局部放电等),判断其是否处于正常状态,以确定合理检修方案,从而达到避免事故停机、提高设备运行可靠性、降低维修费用的目的。
2 电机转子断条故障转子断条故障是指异步电动机转子导条断裂(端环开裂)故障。
异步电动机在运行过程中,转子导条受到径向点磁力、旋转点磁力、离心力、热弯曲挠度力等交变应力的作用,加之转子制造缺陷,导致断条故障。
在冷却效果较差时,起动电流产生的热应力和机械应力较大。
当在重载和频繁起动情况下,笼条与端环焊接处是经常发生断裂的部位。
一般过程如下:(1)在即将断裂的部位经常出现过热,很高的热应力或机械应力。
(2)达到疲劳极限时笼条断裂,并产生电弧。
(3)在继续起动时,相邻的笼条通过更大的电流,并承受更大的机械和热应力。
(4)造成更多笼条断裂,故障范围扩大;产生较大的单边磁拉力,使电机产生振动、噪声;定子电流摆动和温升增加,转速波动。
3 神经网络技术在电机转子断条故障诊断的应用人工神经元的信息处理分三个部分,首先完成输入信号与神经元联接强度内运算,然后再将其结果通过激活函数(如Sigmond函数),再经过阀值函数判决,如果输出值大于阀值,则该神经元被激活否则处于抑制状态。
神经元按一定模式连接成网络型,神经元之间的连接权值的大小反应信号传递的强弱。
基于模糊神经网络的异步电动机故障诊断研究
【－ Ｉ ３５
一
ＢＰ 算法
故 障诊断
异步
１ 模糊神经网络及其算法１ Ｓ ６ｌ －
作为主要 的动力设备而得到广泛应用。 异步 电动
模糊神经 网络 的基 本单元是模糊神经元 ，
其模 型如 图ｌ 图 中下标 ｉ ， 代表 模糊 神经 网络 中
的第ｉ 糊神经元 。 模 模糊神经元接收 的输入信 号
ｌ ， 均 为以隶属度 表示的模 糊量 ， 即 ， … ２ 亦 ｘ∈【， １Ｊ ｊ ｌ ｎ 模 糊神经元按照适 当的模 ｊ ０ ｌ ∈（ — ） 、 ＝
机的运行状况直接影响工业生产的正常进行， 一
旦发生故障， 带来较大的经济损失 ， 将 因此异步
电动机的故障 诊断越来越受 重视 。 异步 电动机
糊算子反 对输入数据进行处理 ， 并产生一个模糊
输 出量 ， ｉ ０ ｌ。 即ｙ∈【，】
的故障类型很多， 有电气及机械故障 、 线性及非 线性系统故障 ， 突变及缓 变故障等。 而传统的故
关键词 ： 糊神经 网络 模
电机
Ａｂｓｒ ｅ ： ｓ ｄ ｏ ｅ ｓｕ ｙ ｓａｅａ ｏ ｎ ｂ ｏ ｄ ｔ ａ ｔ Ｂａ ｅ ｎ ｔ ｔ ｄ ｔ ｔ ｔ ｍｅａ ｄａ ｒ ａ ， ｈ ｈ ａ ｆ ｕ ｔｄ ａ ｎ ｓ ｓｏ ｕ ｚ ｅ ｒ ｌ ｅ ｗｏ ｋ ｗａ ｒ ｐ ｓ ｄ ａ ｌ ｉ ｇ ｏ ｉ ｆｆ ｚ ｙ ｎ ｕ ａ ｔ ｒ ｓｐ ｏ ｏ ｅ ． ｎ Ｔｈｒ ｕｇ ｓ ｎ ｍ ｐ ｏ ｅ ｌ ｏ ｉｈ ， ｏ ｈ ｕ ｉ ｇ ｉ ｒ ｖ ｄ ＢＰ ａ ｇ ｒ ｔ ｍ Ｔｈｉ ｅ ｈ ｓ ｍ ｔ ｏｄ ｒ ｉｅ ｈ ｔ ｄ ｐ ｅ ， ｎ ｔｅ ｇ ｈ ｎ ｄ ｔ ｅ ｓ ａ ｉ ｔ ｔ ａ ｓ ｄ ｔ ｅ ｓｕ ｙ ｓ ｅ ｄ ａ ｄ ｓｒ ｎ ｔ ｅ ｅ ｈ ｔ ｂ ｌ ｙ Ａ ｉ ｈ ａ ｉ ， ｈ ｒ ｃ ｉ ｌｅ ａ ｌ ｓｐ ｅ ｅ ｔ ｄ ｔ ｓ ｔ ｅ ｓ ｍｅ ｔ ｅ ｔ ｅ ｐ ａ ｌ ａ ｘ ｍｐ ｅ ｗａ ｒ ｓ ｎ ｅ ｏ ｕ ｅ ｍ ｃ ｔ ｉ ｉ ｇ ｏ ｔ ｄ ｌｄ ａ ｎ ｓ ｄ ｔ ｅ ｆ ｕ ｔｏ ｓ ｎ ｈ ｏ ｏ ｓ ｈ ｓ ｄ ａ ｎ ｓｉ ｍｏ ｅ ｉｇ ｏ ｅ ａ ｌ ｆａ ｙ ｃ ｒ ｎ ｕ ｃ ｈ ｍ ｏ ｏ ａ ｅ ｎｔ ｅｃ ａ ａ ｔｒｓ ｉ ｏ ． ｅ ｓｍｕ ａ ｉｎ ｒ ｓ ｌ ｔ ｒ ｓ ｄｏ ｈ ｒ ｃｅ ｉｔ ｆ ｔ Ｔｈ ｉ ｌ ｔ ｕ ｔ ｂ ｈ ｃ ｉ ｏ ｅ ｉ ｄ ｃ ｔ ｄ ｔ ａ ｉ ｉｇ ｏ ｉ ｍｅ ｈ ｄ ｈ ｄ ａ ｈ ｇ ｅ ｃ ｕ ａ ｙ ｎ ｉ ａｅ ｔ ｓｄ ａ ｎ ｓｓ ｈ ｔ ｈ ｔ ｏ ａ ｉｈ ｒａ ｃ ｒ ｃ ， ａ ｄ ｑ ｉｋ ｒ ｓ ｅ ｄ Ｓ ｅ ａ ｒ ｃ ｉ ａ ａ ｌ ｄ ａ ｎ ｓｓ ｎ ｕ ｃ ｅ ｐ ｅ ， ｏ ｉ ｂ ｃ ｍｅ ａ ｐ ａ ｔｃ ｌ ｕ ｔ ｉ ｇ ｏ ｉ ｔ ｆ ｍｅ ｏ ． ｈ ｔ ｄ
基于人工神经网络的异步电动机故障检测
中 图分 类 号 ： ２ ２ １ ｒ ＇ １ ０ ４ ．； ７ Ｉ ５ Ｔ 文 献标 识 码 ： Ａ 文 章 编 号 ：６ ２ ４ ８ （０ ８ ０ － １ ５ ０ １ ７ － ９ ４ ２ ０ ）３ ０ ３ － ３
１ 引 言 异 步 电动 机 是 实 现 将 电 能转 化 为 机 械 能 的重 要 电气设 备 。它在工业 、 农业 、 国防和科 学 技术现代 ‘ 中 占有 非 常重 要 的地 位 。 由于异 步 电 动机 的安 化
记忆 、 式 匹配和相 似 归纳能力 ， 而实 现 故障 与征 模 从
ＬＵ Ｚ ａ－ ｏ ，Ｑ Ｕ Ｓ ｉｈ ｉ Ｉ ｈｏ ｙｕ Ｉ ｈ－ ｕ，ＷＡ Ｇ Ｑ Ｎ ｉ （ ｅａｔ ｎ ｏ ｌｃ ｉ ｌＥ ｇ ｅｒ ｇ Ｃ ｅｇ ｕＥｅｔ ｍｅｈｎｃ ｏ ｅｅ Ｃ ｅ ｇｕ ６ ０ ３ ， ｈｎ ） Ｄ ｐｒ ｔ ｆＥｅ ｔｃ ｎ ｉ ｅ ｎ ，ｈ ｎｄ ｌ ｒ ｃａ ｉ Ｃ ｌ ｇ ， ｈｎ ｄ １０ １Ｃ ｉａ ｍｅ ｒａ ｎ ｉ ｃｏ ｌ ａ ｌ
兆之 间复杂 的非线性 映射 关 系【 】 １ 。ຫໍສະໝຸດ ２ 故 障检 测 基 本 原 理
系统 故障 检测包 括三 个 阶段 ： 生残 差 ； 产 故障 检 测； 故障分 类 。整个过 程 如 图 ｌ 示 。 所
全、 可靠 、 稳定 的运行 ， 对国民经济 ， 甚至对其他设 备 和人 们 的生 命 财 产 安 全都 产 生 着 重 大影 响 。 因
Ｋ ｅ ｗｏ ｄｓ： Ａｒｉｉ ｉ ｎ ｕｒ ｎｅｗｏ ｋ；Ｅｌｃ ｒ ｍｏｏ ；Ｆａ ｌ ａ ｎｏ ｉ ｓ ｓｅ ；Ｐａ ｔｒ ｒ ｃ ｇ ｉ ｏ ｙ ｒ ｔｆｃａ ｅ ａ ｌ ｌ ｔ ｒ ｅ ｔｏ ｔｒ ｕ ｔｄｉｇ ｓｓ ｙ ｔ ｍ ｔｅ ｎ ｅ ｏ ｎｔ ｎ； Ｐａｔｒ ｃａｓｉ ｃ ｔ ｉ ｔｅ ｎ ｌ ｓｆ ａ ｏｎ ｉ ｉ
基于模糊神经网络的电动机的故障诊断
基于模糊神经网络的电动机的故障诊断【摘要】本文以异步电动机为研究对象，提出了一种基于模糊神经网络的故障诊断方法，并进行了验证。
将模糊逻辑引进神经网络，先对输入数据进行模糊预处理，然后将模糊化后的数据导入神经网络中，最后得出的结果满足实际需求，从而证明了模糊神经网络在异步电动机的故障诊断中可行性。
【关键词】模糊神经网络；异步电动机；故障诊断1.引言异步电动机作为人们日常生活和工业生产的主要驱动装置和动力装置，具有广泛的应用范围已成为人们生活生产中不可或缺的重要装置。
据资料显示，90%的工业生产原动力是大型异步电动机。
各种小型的电动机也广泛的应用于人们的日常生活中比如一些风扇、冰箱等家电。
显而易见，电动机的正常工作对保证工业生产和日常生活的低耗、优质、高效和安全运行意义重大。
由此看出，电机一旦发生故障甚至停机，必将带给个人生活和企业的生产带来不便和损失。
因此，对于电机故障的准确和及时地诊断并加以排除具有较大的意义。
2.异步电动机常见故障及诊断方法异步电动机常见故障按照发生位置不同主要分为定子绕组故障、转子绕组故障、轴承故障等几类。
根据多年经验研究以及对电动机故障的分析，其故障发生概率分别为30%、10%、15%。
根据异步电动机的结构特点可知，其系统主要分为机械系统和电气系统，机械系统故障包括偏心故障及轴承故障，而电气系统故障包括定子绕组和转子绕组故障。
根据异步电动机的常见故障发生概率以及针对性，故本文主要是对定子匝间短路、转子断条、转子偏心故障、轴承内圈故障进行诊断分析研究。
目前，用于电机故障诊断的常用技术包括：定子电流检测法、振动检测法、温度检测法等传统的故障诊断方法一般是在实际测量的参数基础上，用数学的（FFT）、信号处理（小波分析）等方法对测量参数进行故障特征参数的提取，对故障特征参数进行分析来确定其故障。
测量的参数主要包括定子电流、电机温度、振动、噪声等信号。
以上方法各有自己的优点和特点，一般根据实际情况和研究对象来选择合适的方法。
基于人工神经网络的电力设备故障诊断
基于人工神经网络的电力设备故障诊断引言电力设备在现代社会中起着至关重要的作用。
然而，由于长时间的运行和环境因素的影响，电力设备常常会出现各种故障。
及时准确地诊断电力设备故障，对于保障电力供应的连续性和设备的可靠性至关重要。
本文将探讨基于人工神经网络的电力设备故障诊断技术，介绍其原理和应用。
1. 人工神经网络概述1.1. 神经网络基本原理人工神经网络是一种模仿生物神经网络工作原理的数学模型。
它由多个简单的神经元单元组成，通过突触连接形成复杂的网络结构。
神经元单元接收输入信号，经过加权处理和激活函数的作用，产生输出信号传递给下一层神经元。
通过训练神经网络的权重和阈值，可以实现对复杂问题的非线性建模和处理。
1.2. 神经网络在电力设备故障诊断中的应用人工神经网络在电力设备故障诊断中具有广泛的应用前景。
电力设备故障诊断涉及多种参数和复杂关系的分析，传统方法往往难以准确识别故障类型和位置。
而人工神经网络通过学习和训练，可以有效地从大量的数据中提取特征，实现故障诊断的精准化和自动化。
2. 基于人工神经网络的电力设备故障诊断方法2.1. 数据采集与处理为了建立准确可靠的故障诊断模型，首先需要采集电力设备运行数据。
通过传感器和监测装置，可以获取设备的电流、电压、温度等参数。
同时，对采集到的原始数据进行预处理，包括去噪、归一化等操作，以保证数据的质量和可用性。
2.2. 特征提取与选择在建立故障诊断模型之前，需要从原始数据中提取有效特征。
特征提取是电力设备故障诊断的关键步骤，它决定了模型的性能和诊断结果的准确性。
常用的特征提取方法包括时域特征、频域特征和时频域特征等。
通过比较不同特征的重要性和区分度，选择最具代表性的特征，以降低模型复杂度和提高诊断效果。
2.3. 网络结构设计根据电力设备的输入和输出特性，确定人工神经网络的结构和拓扑。
常用的网络结构包括前馈神经网络（Feedforward Neural Network）和递归神经网络（Recurrent Neural Network）。
基于BP神经网络算法的异步电机故障诊断系统研究
基于BP神经网络算法的异步电机故障诊断系统研究
孙吴松
【期刊名称】《荆楚理工学院学报》
【年(卷),期】2024(39)2
【摘要】为了确保电机安全可靠地运行,研究了BP神经网络算法对异步电动机进行故障诊断。
通过MATLAB平台,分别使用附加动量因子和自适应学习率两种梯度下降法进行网络训练,搭建故障诊断BP网络模型。
以MSE值为指标优化最佳隐含层节点数、动量因子与学习率,并通过遗传算法来优化BP网络的初始权值,对故障测试样本进行仿真测试。
结果表明,GA-BP网络模型比MF-BP和AG-BP的MSE 值更低,仅为0.009163,优化后的诊断预测结果与目标值几乎没有差别。
基于遗传算法改进的故障诊断系统模型能够满足异步电动机故障诊断的应用需求。
【总页数】10页(P1-10)
【作者】孙吴松
【作者单位】六安职业技术学院机电技术系
【正文语种】中文
【中图分类】TP183
【相关文献】
1.基于虚拟仪器的异步电机故障诊断系统研究
2.基于BP神经网络的凝汽器故障诊断系统研究
3.基于SSA优化BP神经网络的故障诊断系统研究
4.基于BP神经网络的便携式模拟电路故障诊断系统研究
因版权原因，仅展示原文概要，查看原文内容请购买。
基于神经网络的电机故障诊断技术研究
基于神经网络的电机故障诊断技术研究随着工业自动化程度的提高，电动机在生产中的应用越来越广泛。
在生产中，电动机的正常运转是生产线的重要保障，一旦电动机出现故障，会严重影响到生产效率和产品质量。
为了保证生产线的正常运作和提高生产效率，需要采用一种有效的电机故障诊断技术来识别电机的故障状况并及时处理。
本文将基于神经网络技术，提出一种高效、准确的电机故障诊断技术。
一、电机的故障类型及其诊断方法电机故障主要分为三种类型：电气故障、机械故障、电磁故障。
其中电气故障包括断路、短路、接触不良等；机械故障包括轴承磨损、轴弯折、不平衡、齿轮磨损等；电磁故障包括定子和转子绕组故障、磁场不均匀等。
电机故障的诊断方法主要分为三种：振动分析、声波分析和电气分析。
而电气分析是最常用的一种方法。
电气分析的方法是在电机运行状态下，采集电机电参数的变化情况，进而判断出故障类型和位置。
目前，采用MATLAB等软件进行数据处理的方法已经得到了广泛应用。
二、神经网络技术在电机故障诊断中的应用神经网络技术是一种基于信息处理的模拟系统，具有非线性、自适应、自组织和并行处理的特点。
在电机故障诊断领域，神经网络技术在故障诊断方法方面的应用越来越广泛。
神经网络模型可根据历史故障数据，自动学习故障特征，提高故障诊断的精度和效率。
因此，神经网络技术成为目前电机故障诊断研究的热点之一。
基于神经网络技术的电机故障诊断方法主要包括数据采集、特征提取、模型训练和故障诊断四个步骤。
1.数据采集数据采集是电机故障诊断的第一步。
采集故障样本数据需要一个可靠的数据采集系统。
在采集数据时，需要保证采集的数据准确、完整，并同时采集多个传感器的数据。
常用的数据采集装置有NI采集卡等。
采集的故障样本数据包括电磁、电学和机械数据，如电压、电流、功率、转速、振动信号等。
2.特征提取特征提取是将采集得到的原始数据转化为量化的信息，以求更好地描述故障特征。
神经网络模型对数据的特征提取直接影响模型的准确性和稳定性。
基于BP人工神经网络的电动机故障诊断
科 技 前 沿2013年06(上)TECHNOLOGICAL P IONEERS１科技创业家 TECHNOLOGICAL PIONEERS 1 人工神经网络的结构和特性神经网络是由大量的处理单元（神经元）互相连接而成的网络。
为了模拟大脑的基本特性，在神经科学研究的基础上，提出了神经网络的模型。
但是，实际上神经网络并没有完全反映大脑的功能，只是对生物神经网络进行某种抽象、简化和模拟［１］。
1.1人工神经元结构模型在ＡＮＮ中，人工神经元是基本的计算单元，它模拟了人脑中神经元的基本特征，一般是多输入单输出的非线性单元，信息分散地存储在连接线的权重上。
人工神经网络系统是一种自适应非线性动态系统。
人工神经元的结构如图１所示。
它具有的特征有：每个神经元j 均有一个输出，即状态j y ；神经元i 到神经元j 的作用是通过突触完成的，作用强度以系数ji w 表示，表示第i 个神经元对第j 神经元的加权值；每一个神经元i 都有一个实数阈值j b ，它与输入共同影响神经元的输出；对于每一个神经元j ，它的状态j y 为所有与其相连的神经元i 的状态i y 以及它们之间的连接强度ji w 和神经元j 的阈值j b 的函数，此函数称为激励函数，记作j y ()j ji i b w y F ,,=，最常用的函数形式为()j ji i j b w y F y −∑=，即神经元输出为其输入的线性加权和的函数。
1.2神经网络的特性虽然ＡＮＮ与真正的生物神经网络有差别，但由于它汲取了生物神经网络的部分优点，因此具有一些固有的特性［２］。
（１）ＡＮＮ在结构上与目前的计算机本质不同，它是由很多小的处理单元互相连接而成的，每个处理单元的功能简单，但大量简单的处理单元集体的、并行的活动得到预期的识别、计算的结果，具有较快的速度。
（２）ＡＮＮ具有非常强的容错性，即局部的或部分的神经元损坏后，不会对全局的活动造成很大的影响。
（３）ＡＮＮ记忆的信息是存储在神经元之间的连接权值上，从单个权值中看不出存储信息的内容，因而是分布式的存储方式。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
摘要
主要阐述了BP 神经网络在直流电动机故障诊断方面的应用。
内容包括BP 神经网络的建立, 基于Matlab simulink的网络仿真三相异步电动机的运行状况直接影响到生产的正常进行，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。
针对三相异步电动机的接地短路的外部故障，提出了一种基于BP神经网络的故障诊断方法,然后利用FFT 分析, 将振动信号的频谱分析作为神经网络的训练样本。
对所采集异步电动机的定子转矩电流进行数据预处理与特征提取、归一化后，把这些特征参数作为神经网络的输入，经过学习训练，以判断系统状态，识别系统的故障。
通过选择足够的故障样本来训练神经网络, 将代表故障的信息输入训练好的神经网络后, 由输出结果就可以判断发生的故障种类。
仿真和测试结果表明了该方法的有效性和正确性。
关键词:三相异步电动机;故障诊断;神经网络;BP算法
Abstract
The application of BP neural network in the fault diagnosis of motor is explained. It contains setting up of the network and the network simulation based on Matlab simulink under the programming language environment .As the working status of the three-phase asynchronous motors directly impact on the daily order of production activity，it is very important to investigate the fault diagnosis techniques for the three—phase asynchronous motors. So it is of great theoretical and socio-economic benefits to study on electrical fault diagnosis technology．
Aim at the faults of there-phase asynchronous motors such as ground fault, brings out one method of fault diagnosis based on BP neural network, then by FFT analysis, the frequency information of vibration is used as the training specimen of neural network. This method used characteristic information of asynchronous motor such as stator current finishes data preprocessing，feature extraction，and normalization. Then it uses these characteristic parameters as the inputs of the neura1 network，studies and trains，judges the state of system，and recognizes the fault of system.
When symptoms that represent faults are input to the t rained neural network, the type of fault can be determined in the output of the neural network. The simulation and the test results point out its validity and correctness.
Keywords: three-phase asynchronous motors; faults diagnosis; neural network; BP arithmetic
目录
第一章绪论 (1)
1.1 异步电动机工作原理及用途 (1)
1.2 异步电动机常见故障类型及方法 (1)
1.2.1 异步电动机常见故障类型 (1)
1.2.2 故障诊断方法 (1)
1.3 神经网络在故障诊断中的应用 (2)
1.4 神经网络特点 (3)
1.5 神经网络故障诊断实现步骤 (4)
第二章神经网络概述 (5)
2.1 BP神经网络 (5)
2.2 BP网络模型结构 (5)
2.2.1 神经元模型 (5)
2.2.2 前馈型神经网络 (6)
2.3 BP网络学习算法 (7)
2.3.1 学习算法 (7)
2.3.2 神经网络的实现过程 (11)
第三章异步电动机在MATLAB中的建模仿真及故障设置 (12)
3.1 异步电动机在MATLAB中的建模 (12)
3.1.1 选择模块 (12)
3.1.2 搭建模块 (12)
3.1.3 模块参数设置 (13)
3.2 三相异步电动机故障设置及故障特征提取 (16)
3.2.1 故障设置 (17)
3.2.2 故障仿真 (18)
3.2.3 特征量提取及预处理 (23)
第四章故障诊断实例 (26)
4.1 BP神经网络的构建 (26)
4.2 BP网络设计 (26)
4.2.1 网络创建 (26)
4.2.2 网络训练与测试 (27)
结论 (30)
参考文献 (31)
附录 (33)
致谢 (36)
第一章绪论
1.1 异步电动机工作原理及用途
三相异步电动机也被称作感应电动机，当其定子侧通入电流以后，部分磁通将穿过短路环，并在短路环内产生感应电流。
短路环内的电流阻碍磁通的变化，致使有短路环部分和没有短路环部分产生的磁通有了相位差，从而形成旋转磁场。
转子绕组因与磁场间存在着相对运动而感生电动势和感应电流，即旋转磁场与转子存在相对转速，并与磁场相互作用产生电磁转矩，使转子转起来，从而实现能量转换。
三相异步电动机具有结构简单，成本较低，制造、使用和维护方便，运行可靠以及质量较小等优点，从而被广泛应用于家用电器、电动缝纫机、食品加工机以及各种电动工具、小型机电设备中,在工农业、交通运输、国防工业以及其他各行各业中应用也非常广泛。
1.2 异步电动机常见故障类型及方法
1.2.1 异步电动机常见故障类型
常见的两种故障：定子部分故障和转子部分故障。
转子故障是因为电机频繁启动和过载运行使转子导条和端环易产生疲劳，使之逐渐产生断裂或开焊，引起故障。
定子部分的故障主要是定子绕组故障。
主要是由绝缘破坏而引起的不同形式的故障。
如内部放电、匝间短路、相间短路和单相对地短路等。
具体故障表现为过载、堵转、断相、电压不平衡、接地、过压、欠压等几种类型。
过载和堵转将导致电机电流的增加和电机过热，断相和电压不平衡将会引起正序、负序电流的增长，这些故障都将使电机产生大量热量；接地将在定子电流中出现零序分量，在传统保护中是利用检测零序分量的方法来识别接地故障的；过压会损坏电机绝缘。
短路故障包括供电线路的短路与电动机内部各绕组间对称的断路。
电动机的短路会发生热破坏，在严重情况下将同时发生力破坏，二者形成恶性循环，造成严重的安全事故。
1.2.2 故障诊断方法
三相异步电动机故障诊断方法主要有以下几种： (1)基于信号变换的故障诊断方法；(2)基于专家系统的故障诊断方法；该方法是根据被诊断系统的专家以往经验，。