异步电动机故障诊断粒子群优化神经网络模型.pdfVIP

第 39 卷 2011 年第 8 期 异步电动机故障诊断粒子群优化 　 辑 编 目 栏 本 神经网络模型研究 云 秋 陆 熊　伟，程加堂，艾　莉 红河学院工学院　云南蒙自　661100 摘要：为了提高异步电动机故障诊断的准确性，采用了一种自适应权重粒子群优化神经网络的方法， 　 通 用于 BP 网络的初始权值优化，并用优化好的 BP 网络进行故障诊断。仿真结果表明，该算法克服了 BP 网络收敛速度慢、易陷入局部极小的问题，取得了较好的诊断效果。 关键词：异步电动机；故障诊断；粒子群算法；神经网络 中图分类号：TM343　　　文献标识码：A　　　文章编号：1001-3954(2011)08-0119-04 用 Study on model of particle swarm optimization neural network for asynchronous motor fault diagnosis XIONG Wei, CHENG Jiatang, AI Li Engineering College, Honghe University, Mengzi 661100, Yunnan, China Abstract In order to improve the accuracy of fault diagnosis of asynchronous motors, a self-adaptive weight ： particle swarm optimization neural network method is used to optimize the initial weights of BP networks, and the optimized BP network is used for fault diagnosis. The simulation results show that the algorithm over- comes such shortcomings of BP network as slow convergence and easiness of falling into local minimum, and achieves good diagnosis results. Keywords asynchronous motor; fault diagnose; particle swarm optimization (PSO); neural network ： 作者简介：熊　伟，男，1965 年生，副教授，主要研究方向为过程自动化及计算机控制技术。 由于车轮和连杆在 XOZ 平面内做曲线运动，所 人进行了结构设计，并构建了三维模型，通过运动仿 X Z 以，可将其运动规律分解到 轴和 轴 2 个方向进行 真对其性能进行了分析。试验结果证明，该机器人可 分析。 以适应半径变化范围较大的管道，同时具有良好的越 由图 5(a)可知，轮在 X 轴方向的最大位移为 40 障能力，它的应用对于提高煤矿管道的可靠性有着重 mm；由图 5(b)可知，轮在 Z 轴方向的最大位移为 6