2、电动机故障诊断技术的应用分析

　　2.1神经网络诊断

　　神经网络诊断的方法是目前使用较多的一种诊断方法。神经网络诊断是模仿人类大脑神经元结构，将电动机内部作为大脑结构，从而建立起非线性动力学网络系统，最终由各个单元进行集成式扫描处理，高度并联。

　　通过互联网数学模拟的能力，进行电动机的故障诊断工作。神经网络诊断方法与传统的计算机诊断方法有所不同。只需要通过软件编制相应的程序，以软件编制任务为基础，高度实行诊断指令，感知与处理电动机内部各个零部件的参数、具体数据，并对比故障之前的.电动机各项零部件的参数，从而扫描出高故障的零部件样本。

　　通过这种方法，能够更强的感知到电动机内部故障，判断是定子故障还是转子故障，并判断什么区域的零部件出现了松动、磨损的情况。因此，可以看出神经网络诊断主要是将电动机内部各项参数提前掌握，最终实现运算、对比、扫描工作来确诊。

　　2.2专家系统诊断

　　专家系统故障诊断与神经网络诊断有相似之处，前者是依靠互联网数字技术，而专家系统诊断则是依靠了人工智能技术。该技术是综合了电动机故障检修相关专家的意见，并结合智能技术检测电动机各项参数，最终进行综合判断。

　　在使用专家系统诊断时，工程师需要根据自身知识素养来建立诊断模型，通过模型对比，逐一排查的方式，对电动机故障确诊。这种方法是目前较为新颖的检测技术，在建立模型、与专家系统诊断结合的过程中，能够对应解决故障，针对性延长电动机使用寿命，而且综合判断的准确率很高，在快速检测中实现全面排查工作，还能够对电动机有更加系统的诊断报告，帮助相关人员了解与判断电动机状态、未来预计使用寿命。

　　2.3信号处理诊断

　　信号处理诊断技术是针对电动机发生故障后发出信号、指令来判断故障情况。除了一些先进的电动机机器设备外，一些企业会在电动机的绝缘设备上安装诊断用信号处理装置，通过安装这种装置，能够完全对应信息处理要求。而维修人员、工程师则根据信号处理诊断技术，对电动机发出的信号时域、时频来进行分析（分析内容是信号的时域、频域、频率分量的变化、信号非平稳时的时变函数判断），从而对相关设备发出的故障进行计算、参数对比，信号处理方式。

　　2.4混合诊断方法

　　混合诊断方法也是常见的故障诊断技术，是结合以往的应急型故障诊断方法（该方法需要综合素质较高的工程师、检修工人来进行，结合仪器检测来综合判断电动机故障原因，但由于是肉眼检测和主观判断检测，所以准确率不高）的基础上，结合电动机维修管理工作，实施定期维护、管理工作，来进一步获取电动机内部定子、转子、各项零部件的数据参数，从而避免一旦出现故障会出现明显的数据误差，不利于判断重点损坏区域。当前，这种故障诊断技术随着互联网技术、数字技术的推进，也逐渐走向智能化，方便检修人员实时进行参数对比，方便预判电动机的状态，制定故障维修方案。

　　3、结束语

　　本文主要分析的是故障诊断技术在电动机维修管理中的应用，针对目前电动机故障类型进行系统分析与探讨，并针对故障诊断技术的分别具体应用进行详细的探讨，希望通过本文的分析，能够对相关专业知识有更深层次的了解。电动机是工程机械运行的重要组成部分，因此了解故障诊断技术的基础上，能够对相关专业研究有一定的引导作用。

　　参考文献

　　[1]刘迎春.故障诊断技术在煤矿机电设备维修中的运用探讨[J].现代工业经济和信息化，2019,9(02):111-113.

　　[2]王镇林.“电动机故障诊断”实训教学中任务驱动教学法的“微课”应用[J].科技创新导报，2018,15(31):144,146.

　　[3]孙慧影，林中鹏，刘银丽，李萌.基于随机游走蜂群算法优化的RBF神经网络电动机故障诊断研究[J].水电能源科学，2017,35(08):165-168.