基于自適應(yīng)共振神經(jīng)網(wǎng)絡(luò)的電機(jī)故障診斷方法

《基于自適應(yīng)共振神經(jīng)網(wǎng)絡(luò)的電機(jī)故障診斷方法》由會員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。

1、石　油　儀　器·78·PETROLEUMINSTRUMENTS2006年08月　·計算機(jī)應(yīng)用·基于自適應(yīng)共振神經(jīng)網(wǎng)絡(luò)的電機(jī)故障診斷方法王　堅　谷立臣(西安建筑科技大學(xué)機(jī)電工程學(xué)院　陜西西安)摘　　要:文章提出了基于自適應(yīng)共振神經(jīng)網(wǎng)絡(luò)ART-2的故障診斷方法,以電機(jī)運(yùn)行過程中的振動信號為診斷對象,在頻譜分析的基礎(chǔ)上,對電機(jī)故障進(jìn)行診斷分類。實驗證明,此方法能夠快速、準(zhǔn)確進(jìn)行故障的分類,并在診斷的過程中對診斷信號通過記憶調(diào)整已有數(shù)據(jù)庫的數(shù)據(jù)內(nèi)容,具有一定的自學(xué)習(xí)能力,是電機(jī)故障診斷行之有效的方法。關(guān)鍵詞:

2、自適應(yīng)共振理論;電機(jī);故障診斷中圖法分類號:TP183文獻(xiàn)標(biāo)識碼:B文章編號:100429134(2006)0420078204系統(tǒng)(orientingsubsystem)。注意子系統(tǒng)又由三部分組0　引　言成,分別為輸入模式預(yù)處理場F0,特征表示場F1和類電機(jī)故障診斷有包括BP神經(jīng)網(wǎng)絡(luò)方法在內(nèi)的多[2]別表示場F2。種診斷方式。但由于現(xiàn)有的方法存在太多弊端,如為了提高故障診斷速度,則往往系統(tǒng)結(jié)構(gòu)簡單,從而導(dǎo)致診斷精度不高,常有錯診、誤診的情況出現(xiàn);為了提高診斷精度,采用復(fù)合式診斷方法,將多種診斷方式組

3、合在一起,雖提高了診斷精度,但卻導(dǎo)致網(wǎng)絡(luò)結(jié)構(gòu)復(fù)雜,計算速度過慢,在實際的生產(chǎn)過程中不易推廣。尤其在以往的診斷方法中,沒有引入網(wǎng)絡(luò)的自學(xué)習(xí)能力,從[1]而對于在診斷過程中出現(xiàn)的新故障往往束手無策。S.Groossberg和A.Carpenter提出的自適應(yīng)共振理論(ART),使尋找一個能完全模擬人腦記憶可塑性與穩(wěn)定性的人工神經(jīng)網(wǎng)絡(luò)的努力獲得了成功。ART憑借其自身的特點(diǎn),能對自身結(jié)構(gòu)和算法不斷地完善,并有著極強(qiáng)的自學(xué)習(xí)能力,使其在電機(jī)的診斷過程中,計算速度和診斷精度比其他的方法有了極大的改善和提高,在應(yīng)

4、用中也相對易于實現(xiàn)。因此在故障診斷中有著廣闊的發(fā)展前景。1ART網(wǎng)絡(luò)的結(jié)構(gòu)和算法圖1ART-2網(wǎng)絡(luò)結(jié)構(gòu)示意圖相對于ART-1,改進(jìn)后的第二代ART-2神經(jīng)網(wǎng)圖1中xi為輸入向量X中的第i項;yj為輸出向絡(luò)可應(yīng)用于任意模擬信號。這使得ART網(wǎng)絡(luò)的應(yīng)用量Y中的第j項。程度大大增強(qiáng),是ART網(wǎng)絡(luò)得以普及的一個重要條在圖1的網(wǎng)絡(luò)中,有兩種類型神經(jīng)元:空心神經(jīng)元件。同時網(wǎng)絡(luò)的結(jié)構(gòu)和算法都有了全新的改變。和實心神經(jīng)元。其中小白圓代表空心神經(jīng)元,小黑圓ART-2神經(jīng)網(wǎng)絡(luò)系統(tǒng)如圖1所示,可以劃分成代表實心神經(jīng)元,分別

5、代表了兩種運(yùn)算。兩大部分:注意子系統(tǒng)(attentionalsubsystem)和調(diào)整子1)空心神經(jīng)元第一作者簡介:王　堅,男,1977年生,西安建筑科技大學(xué)機(jī)電工程學(xué)院在讀碩士,從事人工智能和電機(jī)系統(tǒng)故障分析與控制研究。郵編:7100552006年　第20卷　第4期　　　　　王　堅等:基于自適應(yīng)共振神經(jīng)網(wǎng)絡(luò)的電機(jī)故障診斷方法·79·　　這類神經(jīng)元有兩種輸入:一種是興奮激勵,用空我們選擇一個警戒參數(shù)ρ,0<ρ<1,當(dāng)

6、R

7、>ρ心箭頭表示;另一種是抑制激勵,用實心箭頭表示。假時,說明相似度足夠高,即已經(jīng)

8、明確地得到了輸入模式+設(shè)所有的興奮激勵的總和為J,所有的抑制激勵的的輸出類別,無需對F2重置,可進(jìn)入權(quán)值的學(xué)習(xí)階-總和為J,神經(jīng)元的輸出為V,則有:段;反之,則將F2中原來的獲勝者轉(zhuǎn)變成抑制狀態(tài),+以避免已存入其中的知識被修改。JV=-(1)e+J[3]e為小于1的正實數(shù)2　電機(jī)故障特征的獲取2)實心神經(jīng)元獲取方法如下:該神經(jīng)元的功能是求輸入向量的模。如實心圓的1)首先提取電機(jī)振動頻譜數(shù)據(jù),由頻譜分析儀所輸入向量為:傳出的頻譜數(shù)據(jù)為頻譜幅值,從0Hz開始每0.5HzTP=[p1,p2,?PN]為間隔,

9、在頻寬800Hz內(nèi)共有1601個數(shù)值在頻譜數(shù)則輸出為:據(jù)中找出最大幅值,將所有頻譜數(shù)值除以最大幅值做222"-(2)

10、P

11、={p1+p2+?pN}歸一化處理。調(diào)整子系統(tǒng)是控制在搜索獲勝者期間,哪一個輸2)歸一化后的數(shù)值中找出對應(yīng)轉(zhuǎn)速頻率及其諧波出端可被使用以及進(jìn)行學(xué)習(xí)的能力。調(diào)整子系統(tǒng)是計頻率的歸一化數(shù)值。算F0和F1輸出的相似度,當(dāng)此相似度低于某個警戒3)用滾珠軸承損傷公式,計算出各損傷的主頻。參數(shù)時就應(yīng)該對F2重置,反之,就進(jìn)入LTM參數(shù)的4)利用電機(jī)損傷公式,計算出各損傷頻域的頻率學(xué)習(xí)階段。值,

12、找出個損傷頻域相加總和的最大值,作為S14到其中:S16的特征輸入量。upi+cpiri=,i=1-N(3)其中電機(jī)的參數(shù)為:電源頻率50Hz,極數(shù)為2極,

13、Up

14、+c

15、P

16、額定轉(zhuǎn)速3550r/min,功率約為90kW。式中,upi和pi為向量Up和向量P中的元素。N將數(shù)據(jù)加以整理,則得到頻譜故障類型與故障特12

17、R

18、=∑r12(4)征的關(guān)系矩陣,見表1。i=1表1　頻譜故障類型與故障特征關(guān)系表故障特征故障類型S1S2S3S4S5S6S7S8S9S10S