基于粒子群优化的神经网络电机故障诊断系统.pdfVIP

学兔兔 第 3期(总第 172期) 机 械 工 程 与 自 动 化 N o．3 2012年 6月 M ECHANICAL ENGINEERING ＆ AUT0M AT10N Jun． 文 章 编 号 ：1672-64l3(2Ol2)O3—0097-03 基 于粒子群优 化 的神经 网络 电机 故障诊 断系统 陈至坤 ，江 丹 ，王 鸿雁 ，王福斌 (河北 联 合 大 学 电气 工 程 学 院 ， 河 北 唐 山 063009) 摘要 ：提取 电机定子 电流信号及转子振 动信 号，构成用于 电机故障诊 断网络 的训练及 测试样本 。用 BP神经 网 络建 立诊 断输 入 征 兆 与 故 障输 出 间 的 映射 关 系 ， 引入 改进 粒 子 群 优 化 的策 略 ，对 神 经 网络 权 值 和 阚 值 进 行 优 化，提高 了网络 系统诊 断的可靠性。仿 真对 比研 究表 明，经 粒子群优 化后 的 BP网络收敛速度 显著 提高， 更 适合 于 电 机 类 故 障 诊 断 的 要 求 。 关 键 词 ：神 经 网络 ；粒 子 群 优 化 ； 电机 ；故 障 诊 断 中 图分 类 号 ：TP277：TM3 文 献 标 识 码 ：A 0 引 言 并 用改进 的粒 子群算 法对 BP神 经 网络进 行 优 化 。电 在 电机的 实际运行 中 ，其电流参 数 、振动信 号可 反 机神 经 网络故 障诊 断系统 结构 框 图如 图 l所示 。 映 电机 的故障征 兆 。为 精 确 提 取故 障 电流信 号 ，可引 入小 波分 析 的方法对 输入 的 电流信号 进行 小波 前期 处 理 。在故 障信 号识别 上 ，采用 神 经 网 络 的模 式 识 别 方 法 ，对输入 征兆 下 的故 障模 式进 行识别 、诊断 。为提 高 神经 网络 的收敛 速度 及 识 别 精 度 ，采用 粒 子 群 优 化 的 方法 对神 经 网络初始 阈值 及 权值 向量 进 行优 化 ，可降 低网络的漏报、误报 ，从而提高故障诊断精度[1 ]。 1 1 电机故 障信 号提取 为提 高信号 的 时频 分 辨 率 ，采用 小 波 包 频 带 分解 方法 将原信 号投 影到 不 同的频带 上 ，进行 多层次 划分 。 在 电机诊 断过程 中，对定 子 故 障 电 流信 号 及 转 子 振 动 图 1 电机 神 经 网络 故 障 诊 断 系统 结 构 框 图 2．1 故 障诊 断神 经 网络 信号 都进行 小 波处理 。将 采集 到 的定 子 电流信号 进行 3层小波 分解 ，分别 提 取 第 3层从 低 频 到高 频 7个频 神 经 网络具有 并行 信息 处理 、自学习 、联想记忆 和 容错能 力 ，很适合 于 设 备 的故 障模 式识 别 与