国产欧美日韩精品a在线观看-国产欧美日韩精品一区二区三区-国产欧美日韩精品综合-国产欧美中文字幕-一区二区三区精品国产-一区二区三区精品国产欧美

    1.BP算法及其改進(jìn)

　　BP算法是人工神經(jīng)網(wǎng)絡(luò)算法的一個(gè)突破，以其強(qiáng)大的適應(yīng)性得到了廣泛的應(yīng)用。其拓?fù)浣Y(jié)構(gòu)由輸入層、隱層和輸出層構(gòu)成，隱層可以是一個(gè)，也可以是多個(gè)，典型單隱層BP算法的拓?fù)浣Y(jié)構(gòu)如圖1所示.

圖1 BP算法的拓?fù)浣Y(jié)構(gòu)

Fig.1 The topology of BP algorithm

　　BP算法的信號(hào)傳播過(guò)程為工作信號(hào)正向傳播，誤差信號(hào)反向傳播。輸入信號(hào)從輸入層經(jīng)隱層傳向輸出層，在輸出端產(chǎn)生輸出信號(hào)，在信號(hào)的向前傳遞過(guò)程中網(wǎng)絡(luò)的權(quán)值是固定不變的，每一層神經(jīng)元的狀態(tài)只影響下一層神經(jīng)元的狀態(tài)，如果在輸出層不能得到期望的輸出，則轉(zhuǎn)入誤差反向傳播。網(wǎng)絡(luò)的實(shí)際輸出與期望輸出之間差值為誤差信號(hào)，誤差信號(hào)由輸出端開(kāi)始逐層向前傳播，在誤差反向傳播的過(guò)程中，網(wǎng)絡(luò)的權(quán)值由誤差反饋進(jìn)行調(diào)節(jié)，通過(guò)權(quán)值的不斷修正使網(wǎng)絡(luò)的實(shí)際輸出更接近期望輸出。

　　在網(wǎng)絡(luò)訓(xùn)練過(guò)程中，權(quán)值按如下規(guī)則進(jìn)行修正：　　

　　標(biāo)準(zhǔn)的BP算法在應(yīng)用中存在不少內(nèi)在的缺陷，如易形成局部極小而得不到全局最優(yōu)，學(xué)習(xí)效率低、收斂速度慢等，實(shí)際網(wǎng)絡(luò)訓(xùn)練中，通常采用改進(jìn)的BP算法，在權(quán)值修正時(shí)加入“動(dòng)量項(xiàng)”，即按如下方式修正權(quán)值：

　　其中α為動(dòng)量項(xiàng)，通常是正數(shù)。輸入層和輸出層權(quán)值的修正方法與此類似，解決了穩(wěn)定性和訓(xùn)練速度之間的矛盾.

    2.BP算法在轉(zhuǎn)子斷條故障診斷中的應(yīng)用

　　轉(zhuǎn)子斷條是指異步電機(jī)籠條與端環(huán)焊接處發(fā)生開(kāi)焊和斷裂，是異步電機(jī)的常見(jiàn)故障，轉(zhuǎn)子斷條的發(fā)生是一連續(xù)過(guò)程，最初即將斷裂的部位經(jīng)常出現(xiàn)過(guò)熱、很高的熱應(yīng)力或機(jī)械應(yīng)力，最終使電機(jī)產(chǎn)生振動(dòng)、噪聲、定子電流擺動(dòng)和溫升增加、轉(zhuǎn)速波動(dòng)。采用合適的故障診斷手段，能夠在故障初始就采取有效措施，避免故障進(jìn)一步惡化，從而減輕損失。利用BP算法進(jìn)行故障診斷，要先根據(jù)故障特征提取出有用信號(hào)，經(jīng)處理后轉(zhuǎn)化成神經(jīng)網(wǎng)絡(luò)的輸入信號(hào)，從而由網(wǎng)絡(luò)進(jìn)行判斷。

　　2.1故障信號(hào)的提取與處理

　　故障信號(hào)采用提取異步電機(jī)定子電流的方法，理由如下：正常情況下，異步電機(jī)定子電流的頻率是單一的電源頻率。但是當(dāng)轉(zhuǎn)子回路出現(xiàn)故障時(shí)，在定子電流頻譜圖上，在與電源頻率相差二倍轉(zhuǎn)差頻率（ 2sf）的位置上將各出現(xiàn)一個(gè)旁頻帶，將此電流信號(hào)提取，即可作為故障診斷的原始信號(hào)。

　　在電機(jī)轉(zhuǎn)子故障較輕微時(shí)，旁頻相對(duì)于主頻分量非常小，約為2%-3%，且由于（1-2s）f常接近于工頻f，以至于（（1- 2s） f分量往往會(huì)由于f分量的泄漏而被淹沒(méi)。為此對(duì)故障信號(hào)進(jìn)行小波包分解以突出旁頻。將提取到的定子電流進(jìn)行五層小波包分解，取第五層的32個(gè)頻率成分段。原始信號(hào)中，取最低頻率成分為40HZ，最高頻率成分60HZ，則提取的32個(gè)信號(hào)所代表的頻率范圍如表1所示。

　　表1 小波包分解后的信號(hào)所代表的頻率范圍

　　Table 1 The representative frequency range of small wave packets decompose after signal cabin

　　以各頻率成分的能量為元素構(gòu)造特征向量，然后將各元素?cái)?shù)據(jù)進(jìn)行歸一化處理后，作為已經(jīng)訓(xùn)練完畢神經(jīng)網(wǎng)絡(luò)的輸入，根據(jù)網(wǎng)絡(luò)輸出即可判斷故障與否。

　　2.2網(wǎng)絡(luò)訓(xùn)練

　　首先確定網(wǎng)絡(luò)的輸出單元，定義出各輸出單元所代表的意義，然后以正常樣本和故障樣本為輸入進(jìn)行網(wǎng)絡(luò)訓(xùn)練，從而確定網(wǎng)絡(luò)結(jié)構(gòu)及各層權(quán)值。本次訓(xùn)練輸入樣本由16個(gè)元素，有兩個(gè)輸出單元，輸出單元的意義如表2所示：

　　表2 輸出單元的意義

　　Table 2 The significance of output units

　　訓(xùn)練樣本數(shù)：16 （不一一列出）

　　訓(xùn)練誤差允許范圍： 0.3

　　訓(xùn)練目標(biāo)誤差：0.01

　　訓(xùn)練步長(zhǎng)：3000

　　輸入層到隱層的傳遞函數(shù)：TANSIG

　　隱層到輸出層的傳遞函數(shù)：PURELIN

　　網(wǎng)絡(luò)訓(xùn)練函數(shù)：TRAINBP

　　隱接點(diǎn)數(shù)的確定遵循在訓(xùn)練步長(zhǎng)范圍內(nèi)盡可能少的原則，這樣能夠使得網(wǎng)絡(luò)結(jié)構(gòu)盡可能簡(jiǎn)單，采用試湊法，從9開(kāi)始依次增加，根據(jù)訓(xùn)練結(jié)果，隱接點(diǎn)為13時(shí)能夠滿足訓(xùn)練要求，隱接點(diǎn)數(shù)少，訓(xùn)練步數(shù)也比較少，節(jié)點(diǎn)太少不能滿足訓(xùn)練要求，太多則會(huì)使得網(wǎng)絡(luò)結(jié)構(gòu)過(guò)于復(fù)雜，因此最終采用隱接點(diǎn)數(shù)13，即網(wǎng)絡(luò)結(jié)構(gòu)為32-13-2.此時(shí)的網(wǎng)絡(luò)訓(xùn)練結(jié)果如圖2所示。

圖2 BP算法訓(xùn)練誤差曲線圖

Fig.2 The training error chart of BP algorithm

　　2.3訓(xùn)練結(jié)果測(cè)試

　　給定12個(gè)測(cè)試樣本，前8個(gè)為故障樣本，后4個(gè)為正常樣本，測(cè)試結(jié)果為：

　　輸出單元1的輸出：

　　0.1420 0.1015 0.0955 0.0962 0.1077 0.0957 0.1037 0.1018 0.8970 0.9108 0.8858 0.8584

　　輸出單元2的輸出：

　　0.5968 0.8993 0.8958 0.8948 0.9057 0.8928 0.9052 0.8984 0.1548 0.0715 0.1375 0.1072

　　仿真圖形為圖3，直方圖中前一陣列為單元1的輸出，后為單元2的輸出。

圖3 BP算法測(cè)試結(jié)果直方圖

Fig.3 The bar of testing of BP algorithm

　　由測(cè)試結(jié)果可分析出方案是可行的。

    3.結(jié)束語(yǔ)

　　電機(jī)在現(xiàn)代工業(yè)生產(chǎn)中發(fā)揮著越來(lái)越重要的作用，對(duì)電機(jī)進(jìn)行準(zhǔn)確、及時(shí)的檢測(cè)診斷也越發(fā)顯得必要，本文正是基于這種考慮，對(duì)利用神經(jīng)網(wǎng)絡(luò)模式識(shí)別的方法對(duì)異步電機(jī)的故障診斷進(jìn)行了研究，以用BP算法對(duì)異步電機(jī)進(jìn)行轉(zhuǎn)子斷條故障診斷為例，證實(shí)了人工神經(jīng)網(wǎng)絡(luò)用于故障診斷的可行性。本文中的方法僅能夠?qū)﹄姍C(jī)故障進(jìn)行粗略診斷，沒(méi)有涉及故障程度的區(qū)分，這是本文的不足之處。

　　本文作者的創(chuàng)新點(diǎn)：把人工神經(jīng)網(wǎng)絡(luò)算法應(yīng)用到異步電機(jī)故障診斷中來(lái)，提高了診斷的準(zhǔn)確性。

    參考文獻(xiàn)

　　[1]邊肇祺、張學(xué)工等.模式識(shí)別[M].清華大學(xué)出版社，2000

　　[2]沈標(biāo)正.電機(jī)故障診斷技術(shù)[M].機(jī)械工業(yè)出版社，1996

　　[3]吳新余等.信號(hào)與系統(tǒng)[M].電子工業(yè)出版社，1999

　　[4]韓力群等.人工神經(jīng)網(wǎng)絡(luò)理論、設(shè)計(jì)及應(yīng)用[M].化學(xué)工業(yè)出版社，2002

　　[5]胡昌華、許化龍.控制系統(tǒng)故障診斷與容錯(cuò)控制的分析和設(shè)計(jì)[M].國(guó)防工業(yè)出版社，2000

　　[6]周東華、葉銀忠.現(xiàn)代故障診斷與容錯(cuò)控制[M].清華大學(xué)出版社，2000

　　[7]聞新、周露等.MATLAB神經(jīng)網(wǎng)絡(luò)應(yīng)用設(shè)計(jì)[M]. 北京:科學(xué)出版社，2000

　　[8]唐勇等.基于BP網(wǎng)的交流電機(jī)調(diào)速系統(tǒng)智能機(jī)內(nèi)檢測(cè)技術(shù)研究[J].微計(jì)算機(jī)信息，2004，6：35-36