基于BP神經(jīng)網(wǎng)絡(luò)的感應(yīng)電動機故障診斷技術(shù)研究.pdf

1、隨著科學(xué)技術(shù)的進(jìn)步和工業(yè)生產(chǎn)的快速發(fā)展使得各種生產(chǎn)設(shè)備的結(jié)構(gòu)日趨復(fù)雜，由于結(jié)構(gòu)的復(fù)雜性以及設(shè)備在大功率和高負(fù)荷的條件下連續(xù)運轉(zhuǎn)，隨著時間的增長和內(nèi)外部條件的變化，設(shè)備會不可避免地發(fā)生一些故障。這些故障，輕則會降低設(shè)備性能，重則會影響生產(chǎn)、毀壞設(shè)備，造成嚴(yán)重的經(jīng)濟(jì)損失與社會影響。如何及時預(yù)測和發(fā)現(xiàn)故障并保證設(shè)備在工作期間始終安全、高效、可靠地運轉(zhuǎn)，本文采用故障診斷技術(shù)為設(shè)備運行的安全性和可靠性提供了一個有效的解決方案。論文在廣泛收集感應(yīng)電

2、動機故障診斷研究資料的基礎(chǔ)上，從分析電機定子電流入手，提取出了電機在故障時相應(yīng)的特征頻率和幅值，利用神經(jīng)網(wǎng)絡(luò)實現(xiàn)對電機常見故障的診斷。 本文詳細(xì)介紹了人工神經(jīng)網(wǎng)絡(luò)，尤其是BP網(wǎng)絡(luò)的基本理論及應(yīng)用，研究了BP網(wǎng)絡(luò)結(jié)構(gòu)的建立原則、網(wǎng)絡(luò)樣本的處理方法、網(wǎng)絡(luò)樣本的訓(xùn)練方式。論文以三相感應(yīng)電動機的常見故障為例，建立了對其進(jìn)行故障診斷的8-12-4三層網(wǎng)絡(luò)結(jié)構(gòu)。針對BP神經(jīng)網(wǎng)絡(luò)的不足，探討了幾種改進(jìn)的BP算法，并詳細(xì)分析了這些改進(jìn)算法在故障

3、診斷中的應(yīng)用效果。 根據(jù)神經(jīng)網(wǎng)絡(luò)和遺傳算法(GA)的特點，利用遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)，將二者有機的結(jié)合起來，建立故障診斷的優(yōu)化網(wǎng)絡(luò)模型(GA—BP)。在遺傳算法中，采用錦標(biāo)賽選擇取代常用的輪盤賭選擇，并加入遷移策略來優(yōu)化BP網(wǎng)絡(luò)的初始權(quán)值和閾值。以各種原始資料和現(xiàn)場實錄資料作為訓(xùn)練樣本，首先進(jìn)行遺傳算法的全局搜索，得到的優(yōu)化解作為BP網(wǎng)絡(luò)的初始權(quán)值和閾值，然后通過訓(xùn)練樣本來實現(xiàn)BP神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)，建立樣本(作為輸入變量)與實際故障