面向bp 神经网络的电机转子故障诊断的研究.pdfVIP

河　北　科　技　大　学　学　报 第 22 卷　　第 3 期 . 22　 . 3 JOU RNAL O F H EBE I UN IV ER S IT Y O F V o l N o 总第 58 期　2001 年 SC IEN CE AND T ECHNOLO GY Sum 58　2001 ( ) 　　文章编号: 2001 基于B P 神经网络的电机转子故障诊断的研究 1 2 2 李占锋 , 韩芳芳 , 郑德忠 ( 1. 秦皇岛市飞天公司, 河北秦皇岛　066000; 2. 燕山大学电气工程学院, 河北秦皇岛　 066004) 摘　要: 介绍了一种基于BP 算法的神经网络在电机转子常见故障诊断中的应用。首先 利用测振传感器获得转子的振动信息, 然后用 FFT 分析, 将振动信号的频谱分析作为 神经网络的训练样本。通过选择足够的故障样本来训练神经网络, 将代表故障的信息输 入训练好的神经网络后, 由输出结果就可以判断发生的故障种类。 关键词: 人工神经网络; 故障诊断; BP 算法; 转子故障 中图分类号: T P 182　　　文献标识码: A 电机拖动系统是现代化生产过程中, 为了实现各种生产工艺过程必不可少的传动系统, 是生 产过程电气化、自动化的重要前提。电机的转子部分是实现能量转换、进行传动的重要部件。因 此, 转子引发的故障是引起机器设备失效的重要原因。所以, 预测故障于初始状态, 并及时加以排 除, 也变得越来越重要。 近年来, 人工神经网络的研究和应用有了很大发展, 为故障诊断问题提供了一种新的解决途 径。由于神经网络具有极强的自学能力、自适应能力、 非线性逼近能力及模式识别能力, 所以 I O 对于新的故障模式和故障样本, 可以通过权值、阈值的改变进行学习、记忆和存贮, 进而在以后的 运行中能够判断这些新的故障模式。神经网络为故障诊断系统的建造提供了 1 个新的框架。 1　 神经网络 BP 1. 1　网络模型 BP (back p ropagation ) , 误差反向传播前馈神经网络, 是由输入层、输出层和若干隐含层组 成的前向连接模型。 ( ) ( ( ) ) 　　神经元的作用函数选用 Sigm o id 函数, 即f x = 11+ exp - x 。 输入层 点的输出等于其输入 i ( = 1, 2, …, ) 。 i x i n 隐层 节点的输入、输出分别为 j n h = W - , ( 1) j ∑ ij j i, j = 0 收稿日期: 责任编辑: 张　军 ( ) 作者简介: 李占锋 1966 , 男, 黑龙江佳木斯市人, 硕士,