基于ARMA和遗传算法优化的BP神经网络电动机断条故障诊断

作者

边宁许允之
单位

中国矿业大学电气与动力工程学院
摘要

为判断鼠笼式三相异步电动机转子断条故障情况,提出了一种利用定子电流信号,基于ARMA和遗传算法优化的BP神经网络的诊断方法。首先,使用改进的ARMA算法对电动机的定子电流波形进行拟合,将自回归系数模型系数提取出来,作为表征电动机故障的特征向量,并分为训练集和测试集。然后利用遗传算法优化BP神经网络的初始阈值和权值,以避免BP神经网络陷入局部极值点的问题。再用训练集对BP神经网络进行训练,用训练好的神经网络对测试集进行判断。实验结果显示,ARMA模型可较好地对三相异步电动机定子电流波形进行拟合,BP神经网络可较为准确地判断特征向量表征的故障情况,此方法具有较好的诊断结果。
关键词

鼠笼式三相异步电动机转子断条自回归滑动平均(ARMA)模型BP神经网络故障诊断
相关文章

[1]电动机故障诊断的几种方法
[2]三相异步电动机转子断条故障的谐波分析
[3]基于EMD的鼠笼式异步电动机偏心故障诊断研究
[4]基于CZT和ZoomFFT法的频谱细化在电动机故障诊断中的应用
[5]基于混沌及分形理论的异步电动机断条故障诊断方法研究
[6]基于数学形态学的笼型异步电动机转子断条故障诊断
[7]基于粗糙集和模糊支持向量机的感应电动机故障诊断方法
[8]基于状态空间法的电动机故障诊断和识别
[9]基于主成分分析和神经网络的电动机故障诊断方法研究
[10]基于相空间重构和模糊聚类的电动机故障诊断方法

煤问提

煤传媒

煤视界

科技创新50强

会员中心