赵乾麟，赵 屹，方炳平，游张平,2

(1.浙江乾麟缝制设备有限公司，丽水 323000;2.丽水学院 机械工程系，丽水 323000)

0 引 言

异步电动机因构造简单、控制便利等优点，成为了一种广泛应用在各种生产活动和生活中的工业设备[1-3]。然而，受工作电压波动、工作环境不稳定、负载频繁变动等因素的影响，电机常出现各种故障。因此，开展异步电动机故障诊断技术研究，尽量防止故障发生，对于降低维修成本、消除事故威胁、减少经济损失等具有重要的理论意义与工程价值[4-6]。

传统基于故障特征提取的诊断方法，需要领域工程师应用大量领域知识选取好的特征，加之设备运行过程中存在诸多不可预测因素，使得故障诊断的过程变得十分复杂，因此人工干预进行特征提取的故障诊断方法存在一定的局限性[7-8]。近年来，随着人工智能领域的不断发展，机器学习作为一种能够从数据集中自主挖掘数据内在特征的学习方式，受到越来越多专家学者的关注[9]。Liu 等人[10]提出了一种基于多尺度核函数的残差卷积神经网络用于电机故障诊断。苟旭丹等人[11]提出了一种基于定子电流Hilbert 模量的混沌粒子群神经网络用于感应电机转子断条故障诊断方法。张芳芳等人[12]提出了一种基于位移检测的最小二乘支持向量机用于泵油电机的故障诊断。

本文基于Simulink平台建立异步电动机传统故障仿真模型，并应用人工神经网络开展故障诊断研究。首先，在Simulink平台上选取仿真模块，设置单相短路(A相、B相、C相)、两相短路(AB、AC、BC)6种接地短路故障类型，设定仿真参数，并进行仿真分析；……