基于RBF神经网络的控制电器元件故障诊断.pdfVIP

2006 年 5 月 北 京 航 空 航 天 大 学 学 报 May 　2006 　第32 卷 第5 期 Journal of Beijing University of Aeronautics and Astronautics Vol. 32 　No 5 基于 RBF 神经网络的控制电器元件故障诊断 袁海文　　吕　弘　　袁海斌 (北京航空航天大学 自动化科学与电气工程学院 , 北京 100083) 　　摘 　　　要 : 针对控制电器元件故障征兆与故障类型之间的非线性映射关系 ,提出了基 于径向基函数神经网络 RBFNN (Radial Basis Function Neural Network) 的控制电器元件故障诊断 方法. 在分析控制电器元件故障机理和失效形式的基础上 ,提取出描述故障类型的典型故障特 征矢量. 给出在获得足够多故障信息的情况下 ,运用 RBFNN 进行故障诊断的模型及整个故障 诊断算法的实现过程. 为了验证故障诊断模型的有效性和合理性 ,利用训练好的 RBFNN 对故 障特征矢量进行识别. 仿真结果表明 ,RBFNN 能克服诊断过程中容易陷入局部极小的缺点 ,并 能满足故障诊断的快速性和准确性要求. 关 　键 　词 : 电器元件; 径向基函数网络 ; 神经网络 ; 诊断 中图分类号: TM 93 ( ) 文献标识码 : A 　　　　文 章 编 号 : 2006 Fault diagno sis of control electric component ba sed on RBF neural network Yuan Haiwen 　LüHong 　 Yuan Haibin ( School of Automation Science and Electrical Engineering , Beijing University of Aeronautics and Astronautics , Beijing 100083 , China) Abstract : Based on nonlinear mapping relationship between fault symptom and fault type in control electric ( ) component , RBFNN radial basis function neural network approach was presented for fault diagnosis. Fault mecha nism and failure behavior of control electric component was analyzed , then featured fault types were extracted from control electric component failures and the extracted features were regarded as fault symptom eigenvector. The pro cess of fault diagnosis principal , fault diagnosis model and fault diagnosis algorithm was given using RBFNN with enough fault feature information. Trained RBFNN was used for fault vector recognition and