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
边宁
许允之
1.中国矿业大学电气与动力工程学院,江苏徐州,2211162.中国矿业大学电气与动力工程学院,江苏徐州,221116
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
分类号：TM343+.3(电机)TPP277.3(自动化技术、计算机技术)
论文发表日期：2017-01-01
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：5( 23-26,30 )
英文信息