摘要：模糊神经网络是模糊逻辑与神经网络相结合而构成的，具备模糊技术和神经网络技术的优点，应用于电力系统故障诊断中，是一种使用方便的人工智能处理系统。基于模糊神经网络对无刷励磁同步发电机旋转整流器故障诊断进行研究。经过训练后的模糊神经网络，在对旋转整流器故障进行诊断时，有较高的准确性和有效性。

1引言

无刷励磁技术彻底解决了大容量或超大容量同步发电机励磁电流过高所带来的一系列集电环电刷问题，保证大型发电机组能够长期连续运行。目前，越来越多的大型无刷励磁发电机组在电力系统中运行，但是无刷励磁同步发电机组中的转子旋转整流器是无刷励磁系统中最为重要的环节，必须确保其工作在正常状态。对整流器故障首先要分清故障性质，进行不同的处理：

(1)整流元件开路故障为缓变故障，可以作为故障诊断的对象，并通过保护装置适时动作切除开路故障。

(2)对整流元件短路故障，首先应考虑保护动作，要求保护装置尽快动作切除短路故障。因为短路故障可能在数秒或数分钟内烧毁绕组，没有足够的时间完成故障诊断处理。

因此，当旋转整流器任何桥臂上的功率二极管发生故障(开路)，监控保护系统就应该正确定位诊断是哪一组桥臂发生故障，并迅速给予预警与保护控制，实现大型无刷励磁同步发电机组转子旋转整流器的预知性维护。

本文针对这种问题，采用了模糊神经网络识别技术，对无刷励磁同步发电机组转子旋转整流器故障建立诊断模型。模糊规则的建立是通过神经网络BP学习算法实现的，从而建立了高精度定位诊断系统，不仅扩大了诊断旋转整流器病态的范围，而且提高了故障诊断的定位精度。

2故障诊断信号提取

无刷励磁同步发电机转子旋转整流器工作状态的在线实时监测需要转子侧旋转整流器的相关信息。由于同步发电机转子取消了滑环和电刷，转子侧旋转整流器的常见故障波形特征(故障特征)的提取无法直接完成。

一种获取转子旋转整流元件故障特征(一般指开路故障)的方法是直接采用与同步发电机同轴旋转的交流励磁机的定子励磁线圈作为探测线圈，其优点是省去了设计、安装和维护专用探测线圈的工作，而且便于现场采集信号数据，同时转子信号较?强，且含转子故障信息量大，提取过程由图1所示。

在交流励磁机定子励磁线圈上并联电容C1和C2，交流励磁机转子电枢电流产生的电枢磁场必然切割其定子励磁线圈，并感应电势，然后通过电容C1和C2分压，只需采集带有转子故障信息的电容C2两端的电压波形，进行频域分析，分解出不同幅值的各次谐波分量，作为人工智能故障诊断信号。