基于遗传小波神经网络的双余度电机故障诊断

《基于遗传小波神经网络的双余度电机故障诊断》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、第29卷第2期振动、测试与诊断Vol.29No.22009年6月Jun.2009JournalofVibration,Measurement&Diagnosis基于遗传小波神经网络的双余度电机故障诊断X李世超石秀华崔海英许晖(西北工业大学航海学院西安,710072)摘要针对传统的BP神经网络在双余度无刷直流电机故障诊断算法中存在收敛速度慢和容易陷入局部最小的缺点,在对无刷直流电机常见故障深入分析的基础上,着重研究5种故障特性,提出1种故障诊断新方法。有针对性地根据统计学方法提取电机运行数据作为故障征兆。采用3层小波神经网络构成前向网络结构。针对传统误差反向传播(

2、BP)算法选择参数和网络拓扑结构依据的不足,用遗传算法作为网络的样本学习算法,采用染色体编码对小波基函数主要参数和网络结构参数进行优化。通过仿真试验和在微小型水下航行器上的应用表明,该算法具备较好的故障识别能力。关键词故障诊断遗传算法小波神经网络双余度无刷直流电机中图分类号TP277TP183引言1双余度电机及其故障特征分析双余度无刷直流电机是近年来提出的一种针对111双余度电机的系统构成可靠性问题的无刷直流电机解决方案。将冗余技术随着电力电子技术特别是大功率半导体器件的引入电机控制,很大程度上提高了电机运行的可靠快速发展,无刷直流电机正朝着高性能化、微型化、性

3、,使无刷直流电机具备了更为广阔的应用空间。高可靠性方向发展,在众多领域中应用广泛。但在很故障检测与诊断是余度管理中的重要问题。故多要求高可靠性、长使用寿命的领域,目前的无刷直障诊断问题解决不好,可能使采用余度技术带来的流电机还不能完全满足某些指标要求,双余度电机好处丧失殆尽。人工神经网络是智能信息处理领域正是针对这一问题引入的。中的热点研究问题之一,小波神经网络(简称WNN)双余度电机的定子槽中嵌放双套三相绕组,星为故障诊断方法的研究开辟了新的途径。小波神经形接法,互差30°电角度。采用两套电子电路驱动,构网络是在小波变换基础上提出的一种前向神经网成双通道控制系

4、统。当任意一套发生故障后,另外一络,克服了传统神经网络收敛速度慢和容易陷入到[1]套仍然能够工作。图1为双余度无刷直流电机的系局部最小的缺陷。WNN继承了小波变换和神经统构成框图。网络技术的优点,通过训练可自适应地调整网络参数,同时具有良好的函数逼近和模式分类能力。遗传算法(GeneticAlgorithms,简称GA)是一种最优化概率搜索算法,可以在复杂的、非线性及其不可微的空间实现全局搜索。而小波基函数具有良[2]好的时频局部特性。将遗传算法和小波神经网络相结合,应用GA同时优化WNN拓扑结构和参数,能够克服传统WNN以反向传播(BP)算法选择参数和网络拓扑

5、结构依据的不足。在某微小型智能水下图1双余度无刷直流电机的系统构成框图航行器双余度无刷直流电机故障诊断系统中应用该算法,大大提高了航行器的可靠性和适用范围。X收稿日期:2008205210;修改稿收到日期:2008210228。224振动、测试与诊断第29卷电机控制系统采用硬件重构的方法,电机中的工程实现的一个关键点。故障检测电路是余度管理定子绕组、驱动电路和电流采样电路均采用两通道的重要内容。实物模型中的故障检测模块采用的结构。正常工作时,各模块两通道同时工作;当某FPGA可编程门阵列进行故障逻辑算法的嵌入式实一部分出现故障时,则切换到单通道工作模式。考虑现。

6、到控制信号的同步问题,控制核心DSP控制器则采用主、从式结构。如主DSP控制器发生故障,则切换2基于遗传算法的小波神经网络故障到备份DSP控制器,以保证系统正常工作。诊断112故障检测与故障特征分析211小波神经网络模型根据经验,把双余度无刷直流电机控制系统的传统的神经网络算法中的权值调节只是按梯度主要故障分为电机定子绕组断路故障、转子位置传负方向修正,没有考虑之前的累积,即之前时刻的梯感器故障、驱动电路逆变桥故障、DSP控制器故障、度方向,从而使学习过程发生振荡,收敛缓慢。小波AD采集电路故障和上位计算机故障,以及上述故网络很好地解决了这一问题。小波网络是基于

7、小波障的综合性故障。这些故障由于发生的位置不同,将变换而构成的神经网络模型,以小波基作为神经元会对系统产生不同程度的影响。一般来说,计算机硬激励函数,兼有神经网络和小波变换的优点。件模块可靠性较高,不易发生故障,正确的软件更不网络的隐层神经元采用框架小波函数组作激励会发生损坏。因此,本文将故障诊断讨论的范围定位函数,输出层神经元采用Sigmoid函数作激励函数。在前5种故障及它们的综合性故障,见表1。Xi和Yj分别是网络的输入和输出值(1

8、输出连接权值;aj和Sj