摘 要：本論文簡要介紹了故障診斷的必要性，BP算法的特點與原理，重點介紹了用BP算法進(jìn)行異步電機(jī)轉(zhuǎn)子斷條故障診斷原理，故障信號的提取方法及網(wǎng)絡(luò)的訓(xùn)練過程。 關(guān)鍵詞：故障診斷;神經(jīng)網(wǎng)絡(luò);BP算法 Abstract: The paper has introduced the necessity of the fault diagnosis and the characteristic and the principle of the BP algorithm briefly. Introduced emphatically the principle of the fault diagnosis to the asynchronous machine’s breaks in the motor with BP algorithm and the methed to gain the fault signal and the process of the network training. Key word: Fault Diagnosis;Nerve Network;BP Algorithm 　　電機(jī)是當(dāng)今生產(chǎn)活動和日常生活中最主要的原動力和驅(qū)動裝置。電機(jī)的正常工作對保證生產(chǎn)制造過程的正常進(jìn)行意義非常重大。因此對電機(jī)故障的診斷要求十分迫切，通過對電機(jī)常見故障的診斷和分析，可以及早發(fā)現(xiàn)故障和預(yù)防故障的進(jìn)一步惡化。經(jīng)過多年的發(fā)展，故障診斷技術(shù)的發(fā)展已進(jìn)入到智能化階段，本文以異步電機(jī)轉(zhuǎn)子斷條故障為例，研究人工神經(jīng)網(wǎng)絡(luò)在電機(jī)故障診斷方面的應(yīng)用，采用的算法是改進(jìn)后的BP算法。 1.BP算法及其改進(jìn) 　　BP算法是人工神經(jīng)網(wǎng)絡(luò)算法的一個突破，以其強(qiáng)大的適應(yīng)性得到了廣泛的應(yīng)用。其拓?fù)浣Y(jié)構(gòu)由輸入層、隱層和輸出層構(gòu)成，隱層可以是一個，也可以是多個，典型單隱層BP算法的拓?fù)浣Y(jié)構(gòu)如圖1所示. [align=center] 圖1 BP算法的拓?fù)浣Y(jié)構(gòu) Fig.1 The topology of BP algorithm[/align] 　　BP算法的信號傳播過程為工作信號正向傳播，誤差信號反向傳播。輸入信號從輸入層經(jīng)隱層傳向輸出層，在輸出端產(chǎn)生輸出信號，在信號的向前傳遞過程中網(wǎng)絡(luò)的權(quán)值是固定不變的，每一層神經(jīng)元的狀態(tài)只影響下一層神經(jīng)元的狀態(tài)，如果在輸出層不能得到期望的輸出，則轉(zhuǎn)入誤差反向傳播。網(wǎng)絡(luò)的實際輸出與期望輸出之間差值為誤差信號，誤差信號由輸出端開始逐層向前傳播，在誤差反向傳播的過程中，網(wǎng)絡(luò)的權(quán)值由誤差反饋進(jìn)行調(diào)節(jié)，通過權(quán)值的不斷修正使網(wǎng)絡(luò)的實際輸出更接近期望輸出。 　　在網(wǎng)絡(luò)訓(xùn)練過程中，權(quán)值按如下規(guī)則進(jìn)行修正： 　　 　　標(biāo)準(zhǔn)的BP算法在應(yīng)用中存在不少內(nèi)在的缺陷，如易形成局部極小而得不到全局最優(yōu)，學(xué)習(xí)效率低、收斂速度慢等，實際網(wǎng)絡(luò)訓(xùn)練中，通常采用改進(jìn)的BP算法，在權(quán)值修正時加入“動量項”，即按如下方式修正權(quán)值： 　　其中α為動量項，通常是正數(shù)。輸入層和輸出層權(quán)值的修正方法與此類似，解決了穩(wěn)定性和訓(xùn)練速度之間的矛盾. 2.BP算法在轉(zhuǎn)子斷條故障診斷中的應(yīng)用 　　轉(zhuǎn)子斷條是指異步電機(jī)籠條與端環(huán)焊接處發(fā)生開焊和斷裂，是異步電機(jī)的常見故障，轉(zhuǎn)子斷條的發(fā)生是一連續(xù)過程，最初即將斷裂的部位經(jīng)常出現(xiàn)過熱、很高的熱應(yīng)力或機(jī)械應(yīng)力，最終使電機(jī)產(chǎn)生振動、噪聲、定子電流擺動和溫升增加、轉(zhuǎn)速波動。采用合適的故障診斷手段，能夠在故障初始就采取有效措施，避免故障進(jìn)一步惡化，從而減輕損失。利用BP算法進(jìn)行故障診斷，要先根據(jù)故障特征提取出有用信號，經(jīng)處理后轉(zhuǎn)化成神經(jīng)網(wǎng)絡(luò)的輸入信號，從而由網(wǎng)絡(luò)進(jìn)行判斷。 　　2.1故障信號的提取與處理 　　故障信號采用提取異步電機(jī)定子電流的方法，理由如下：正常情況下，異步電機(jī)定子電流的頻率是單一的電源頻率。但是當(dāng)轉(zhuǎn)子回路出現(xiàn)故障時，在定子電流頻譜圖上，在與電源頻率相差二倍轉(zhuǎn)差頻率（ 2sf）的位置上將各出現(xiàn)一個旁頻帶，將此電流信號提取，即可作為故障診斷的原始信號。 　　在電機(jī)轉(zhuǎn)子故障較輕微時，旁頻相對于主頻分量非常小，約為2%-3%，且由于（1-2s）f常接近于工頻f，以至于（（1- 2s） f分量往往會由于f分量的泄漏而被淹沒。為此對故障信號進(jìn)行小波包分解以突出旁頻。將提取到的定子電流進(jìn)行五層小波包分解，取第五層的32個頻率成分段。原始信號中，取最低頻率成分為40HZ，最高頻率成分60HZ，則提取的32個信號所代表的頻率范圍如表1所示。 　　表1 小波包分解后的信號所代表的頻率范圍 　　Table 1 The representative frequency range of small wave packets decompose after signal cabin 　　以各頻率成分的能量為元素構(gòu)造特征向量，然后將各元素數(shù)據(jù)進(jìn)行歸一化處理后，作為已經(jīng)訓(xùn)練完畢神經(jīng)網(wǎng)絡(luò)的輸入，根據(jù)網(wǎng)絡(luò)輸出即可判斷故障與否。 　　2.2網(wǎng)絡(luò)訓(xùn)練 　　首先確定網(wǎng)絡(luò)的輸出單元，定義出各輸出單元所代表的意義，然后以正常樣本和故障樣本為輸入進(jìn)行網(wǎng)絡(luò)訓(xùn)練，從而確定網(wǎng)絡(luò)結(jié)構(gòu)及各層權(quán)值。本次訓(xùn)練輸入樣本由16個元素，有兩個輸出單元，輸出單元的意義如表2所示： 　　表2 輸出單元的意義 　　Table 2 The significance of output units 　　訓(xùn)練樣本數(shù)：16 （不一一列出） 　　訓(xùn)練誤差允許范圍： 0.3 　　訓(xùn)練目標(biāo)誤差：0.01 　　訓(xùn)練步長：3000 　　輸入層到隱層的傳遞函數(shù)：TANSIG 　　隱層到輸出層的傳遞函數(shù)：PURELIN 　　網(wǎng)絡(luò)訓(xùn)練函數(shù)：TRAINBP 　　隱接點數(shù)的確定遵循在訓(xùn)練步長范圍內(nèi)盡可能少的原則，這樣能夠使得網(wǎng)絡(luò)結(jié)構(gòu)盡可能簡單，采用試湊法，從9開始依次增加，根據(jù)訓(xùn)練結(jié)果，隱接點為13時能夠滿足訓(xùn)練要求，隱接點數(shù)少，訓(xùn)練步數(shù)也比較少，節(jié)點太少不能滿足訓(xùn)練要求，太多則會使得網(wǎng)絡(luò)結(jié)構(gòu)過于復(fù)雜，因此最終采用隱接點數(shù)13，即網(wǎng)絡(luò)結(jié)構(gòu)為32-13-2.此時的網(wǎng)絡(luò)訓(xùn)練結(jié)果如圖2所示。 [align=center] 圖2 BP算法訓(xùn)練誤差曲線圖 Fig.2 The training error chart of BP algorithm[/align] 　　2.3訓(xùn)練結(jié)果測試 　　給定12個測試樣本，前8個為故障樣本，后4個為正常樣本，測試結(jié)果為： 　　輸出單元1的輸出： 　　0.1420 0.1015 0.0955 0.0962 0.1077 0.0957 0.1037 0.1018 0.8970 0.9108 0.8858 0.8584 　　輸出單元2的輸出： 　　0.5968 0.8993 0.8958 0.8948 0.9057 0.8928 0.9052 0.8984 0.1548 0.0715 0.1375 0.1072 　　仿真圖形為圖3，直方圖中前一陣列為單元1的輸出，后為單元2的輸出。 [align=center] 圖3 BP算法測試結(jié)果直方圖 Fig.3 The bar of testing of BP algorithm[/align] 　　由測試結(jié)果可分析出方案是可行的。 3.結(jié)束語 　　電機(jī)在現(xiàn)代工業(yè)生產(chǎn)中發(fā)揮著越來越重要的作用，對電機(jī)進(jìn)行準(zhǔn)確、及時的檢測診斷也越發(fā)顯得必要，本文正是基于這種考慮，對利用神經(jīng)網(wǎng)絡(luò)模式識別的方法對異步電機(jī)的故障診斷進(jìn)行了研究，以用BP算法對異步電機(jī)進(jìn)行轉(zhuǎn)子斷條故障診斷為例，證實了人工神經(jīng)網(wǎng)絡(luò)用于故障診斷的可行性。本文中的方法僅能夠?qū)﹄姍C(jī)故障進(jìn)行粗略診斷，沒有涉及故障程度的區(qū)分，這是本文的不足之處。 　　本文作者的創(chuàng)新點：把人工神經(jīng)網(wǎng)絡(luò)算法應(yīng)用到異步電機(jī)故障診斷中來，提高了診斷的準(zhǔn)確性。 參考文獻(xiàn) 　　[1]邊肇祺、張學(xué)工等.模式識別[M].清華大學(xué)出版社，2000 　　[2]沈標(biāo)正.電機(jī)故障診斷技術(shù)[M].機(jī)械工業(yè)出版社，1996 　　[3]吳新余等.信號與系統(tǒng)[M].電子工業(yè)出版社，1999 　　[4]韓力群等.人工神經(jīng)網(wǎng)絡(luò)理論、設(shè)計及應(yīng)用[M].化學(xué)工業(yè)出版社，2002 　　[5]胡昌華、許化龍.控制系統(tǒng)故障診斷與容錯控制的分析和設(shè)計[M].國防工業(yè)出版社，2000 　　[6]周東華、葉銀忠.現(xiàn)代故障診斷與容錯控制[M].清華大學(xué)出版社，2000 　　[7]聞新、周露等.MATLAB神經(jīng)網(wǎng)絡(luò)應(yīng)用設(shè)計[M]. 北京:科學(xué)出版社，2000 　　[8]唐勇等.基于BP網(wǎng)的交流電機(jī)調(diào)速系統(tǒng)智能機(jī)內(nèi)檢測技術(shù)研究[J].微計算機(jī)信息，2004，6：35-36