资源描述：
《基于自适应共振神经网络的电机故障诊断方法》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、石 油 仪 器·78·PETROLEUMINSTRUMENTS2006年08月 ·计算机应用·基于自适应共振神经网络的电机故障诊断方法王 坚 谷立臣(西安建筑科技大学机电工程学院 陕西西安)摘 要:文章提出了基于自适应共振神经网络ART-2的故障诊断方法,以电机运行过程中的振动信号为诊断对象,在频谱分析的基础上,对电机故障进行诊断分类。实验证明,此方法能够快速、准确进行故障的分类,并在诊断的过程中对诊断信号通过记忆调整已有数据库的数据内容,具有一定的自学习能力,是电机故障诊断行之有效的方法。关键词:
2、自适应共振理论;电机;故障诊断中图法分类号:TP183文献标识码:B文章编号:100429134(2006)0420078204系统(orientingsubsystem)。注意子系统又由三部分组0 引 言成,分别为输入模式预处理场F0,特征表示场F1和类电机故障诊断有包括BP神经网络方法在内的多[2]别表示场F2。种诊断方式。但由于现有的方法存在太多弊端,如为了提高故障诊断速度,则往往系统结构简单,从而导致诊断精度不高,常有错诊、误诊的情况出现;为了提高诊断精度,采用复合式诊断方法,将多种诊断方式组
3、合在一起,虽提高了诊断精度,但却导致网络结构复杂,计算速度过慢,在实际的生产过程中不易推广。尤其在以往的诊断方法中,没有引入网络的自学习能力,从[1]而对于在诊断过程中出现的新故障往往束手无策。S.Groossberg和A.Carpenter提出的自适应共振理论(ART),使寻找一个能完全模拟人脑记忆可塑性与稳定性的人工神经网络的努力获得了成功。ART凭借其自身的特点,能对自身结构和算法不断地完善,并有着极强的自学习能力,使其在电机的诊断过程中,计算速度和诊断精度比其他的方法有了极大的改善和提高,在应
4、用中也相对易于实现。因此在故障诊断中有着广阔的发展前景。1ART网络的结构和算法图1ART-2网络结构示意图相对于ART-1,改进后的第二代ART-2神经网图1中xi为输入向量X中的第i项;yj为输出向络可应用于任意模拟信号。这使得ART网络的应用量Y中的第j项。程度大大增强,是ART网络得以普及的一个重要条在图1的网络中,有两种类型神经元:空心神经元件。同时网络的结构和算法都有了全新的改变。和实心神经元。其中小白圆代表空心神经元,小黑圆ART-2神经网络系统如图1所示,可以划分成代表实心神经元,分别
5、代表了两种运算。两大部分:注意子系统(attentionalsubsystem)和调整子1)空心神经元第一作者简介:王 坚,男,1977年生,西安建筑科技大学机电工程学院在读硕士,从事人工智能和电机系统故障分析与控制研究。邮编:7100552006年 第20卷 第4期 王 坚等:基于自适应共振神经网络的电机故障诊断方法·79· 这类神经元有两种输入:一种是兴奋激励,用空我们选择一个警戒参数ρ,0<ρ<1,当
6、R
7、>ρ心箭头表示;另一种是抑制激励,用实心箭头表示。假时,说明相似度足够高,即已经
8、明确地得到了输入模式+设所有的兴奋激励的总和为J,所有的抑制激励的的输出类别,无需对F2重置,可进入权值的学习阶-总和为J,神经元的输出为V,则有:段;反之,则将F2中原来的获胜者转变成抑制状态,+以避免已存入其中的知识被修改。JV=-(1)e+J[3]e为小于1的正实数2 电机故障特征的获取2)实心神经元获取方法如下:该神经元的功能是求输入向量的模。如实心圆的1)首先提取电机振动频谱数据,由频谱分析仪所输入向量为:传出的频谱数据为频谱幅值,从0Hz开始每0.5HzTP=[p1,p2,⋯PN]为间隔,
9、在频宽800Hz内共有1601个数值在频谱数则输出为:据中找出最大幅值,将所有频谱数值除以最大幅值做222"-(2)
10、P
11、={p1+p2+⋯pN}归一化处理。调整子系统是控制在搜索获胜者期间,哪一个输2)归一化后的数值中找出对应转速频率及其谐波出端可被使用以及进行学习的能力。调整子系统是计频率的归一化数值。算F0和F1输出的相似度,当此相似度低于某个警戒3)用滚珠轴承损伤公式,计算出各损伤的主频。参数时就应该对F2重置,反之,就进入LTM参数的4)利用电机损伤公式,计算出各损伤频域的频率学习阶段。值,
12、找出个损伤频域相加总和的最大值,作为S14到其中:S16的特征输入量。upi+cpiri=,i=1-N(3)其中电机的参数为:电源频率50Hz,极数为2极,
13、Up
14、+c
15、P
16、额定转速3550r/min,功率约为90kW。式中,upi和pi为向量Up和向量P中的元素。N将数据加以整理,则得到频谱故障类型与故障特12
17、R
18、=∑r12(4)征的关系矩阵,见表1。i=1表1 频谱故障类型与故障特征关系表故障特征故障类型S1S2S3S4S5S6S7S8S9S10S
