RBF神经网络电机模型的建立资料.docVIP

大连科技学院 毕 业 设 计 (论 文) 题 目 基于RBF神经网络电机模型的建立 学生姓名 吕永鹏 专业班级 电气11-2班 指导教师 李文 职 称 教授 　 所在单位 电气工程系电气工程教研室 教研室主任 赵丽娜 完成日期 2015年 7月 3日 摘　　要 电动机作为最广泛使用的电源设备和驱动装置，在各行各业和人们的日常生活中起着重要的作用。同时，电动机的安全运行一直受到人们的关注。由于电动机的使用环境，负载特性和电机是一套电磁一体化装置，故而建立电机模型使复杂的电机故障类型变得简单。这是研究电机故障诊断的一种有效方法。 在文献研究基础上，本文分析了电机的主要故障类型和故障特点进行了介绍。基于小波变换的电机振动信号的能量特征向量提取方法，并详细使用的电机故障诊断模型的输入向量形式的方法。 基于神经网络不同的特点和比较分析常见故障诊断结构模型，描述了一个多输入单输出的三层RBF神经网络对故障模型的构建方法表征的使用是基于RBF神经网络的模块化电机故障诊断模型。该模型具有模型的结构特点，它提供了简单的结构条件，训练速度快，故障具有很好的识别等。RBF神经网络的结构以及该模型的训练和测试方法进行了详细的讨论了。 通过对影响故障诊断模型的分类能力因素的实证分析，根据故障模型的输入能量比特征向量，提出了一种改进的故障特征识别能力的模型特征增强算法。对由三个子模型组成电机的故障诊断模型的训练和测试过程进行了详细的描述的。训练和测试结果表明，本文提出的基于RBF神经网络的电机故障诊断模型模块具有灵活的结构，训练简单、易于收敛性的分类和性能好等特点。 关键词：电机故障诊断特征提取与强化RBF神经网络 ABSTRACT 2.1 感应电机主要故障 3 2.2 感应电机常见故障检测方法 4 3 RBF神经网络简介 6 3.1 RBF神经网络的结构 6 3.2 RBF神经网络的优点 7 3.3 RBF神经网络的训练算法 7 4 基于RBF神经网络的电机故障诊断模型 12 4.1 电机故障诊断模型的建立 12 4.1.1 故障诊断模型结构 12 4.1.2 电机故障诊断模型方法简介 13 4.2 电机故障数据采集与特征提取 16 4.2.1 故障数据的采集 16 4.2.2 故障特征提取 18 4.2.3 样本集的建立 18 4.3 电机故障诊断模型的训练 20 4.3.1 训练算法 20 4.3.2 数据特征强化 21 4.3.3 子模型的训练 22 4.4 故障诊断模子型诊断的测试 24 总　　结 26 谢　　辞 27 参考文献 28 1 前　　言 1.1 课题的来源和意义 基于RBF神经网络的电机故障模型建立的设计对于电气工程及其自动化专业的学生而言是与时俱进、涵盖知识面广的课题。随着科学技术的快速进步,电机应用的范围随之越来越广泛。电机故障不但能够损坏电机的本身，在严重的时候还能使电机突然停机使生产线崩溃,这会给人们造成严重的经济损失和灾难性的后果。所以，研究电机的故障诊断技术，其具有重要的理论意义和社会的经济效益。因此,电机的故障诊断就显得特别重要,而且电机的结构复杂程度越来越高,这就给电机故障的诊断带来了更大的考验。本设计的意义是进一步拓展学生在专业知识方面的视野，培养学生综合运用所学知识的能力。缩短所学知识与实际应用之间的距离，为毕业后走向工作岗位打下一定的基础。 1.2 课题的国内外现状 随着科学技术的飞速发展和工厂自动化程度的不断提高，作为机电系统中主要的动力设备，电机越来越广泛地应用在工业生产的各个领域中。电机故障会对生产秩序造成影响，甚至会对人身财产安全造成危害，因此确保电机在正常状态下运行就显得尤为重要。通常在电机运行时，电机故障和部件缺陷都会以某些特定的方式，如电流的波动、壳体表面的振动变化、部件不同位置的异常温升、或音频幅值和频率的变化等显示出来。如果能对这些信息进行收集记录，然后使用各类处理方法进行信号变换，结合专家知识和各类分析方法，就能实现电机故障判别。 RBF网络是连续函数的最佳逼近，而BP网络不是；BP网络利用的Sigmoid函数含有全局的特性，它在输入值的极大的范围内各个节点对输出值都会产生影响，而且激励函数在输入值的极大的范围内会相互重叠，所以相互影响，因此BP网络的训练过程会很长；BP网络也容易陷入局部极小问题是不可能从根本上避免的；而BP网络隐层节点数的确定依赖于试凑和经验，难以得到最优的网络。RBF神经网络不但有良好地泛化能力，并且对于各个输入值，仅有很少几个节点含有非零激励值，所以只要很少部分的节