資源描述：
《基于小波包與改進BP神經(jīng)網(wǎng)絡(luò)算法電機故障診斷》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在工程資料-天天文庫。
1、基于小波包與改進BP神經(jīng)網(wǎng)絡(luò)算法電機故障診斷摘要：為了對電機故障實現(xiàn)智能化診斷，仿真實驗中將采取基于故障振動信號的診斷方法。在實驗過程中用小波包分析技術(shù)得到故障信號的特征向量。然后用改進的BP神經(jīng)網(wǎng)絡(luò)算法即彈性EP算法(RPROPA)來進行神經(jīng)網(wǎng)絡(luò)訓練，當誤差精度符合要求后，用測試樣本數(shù)據(jù)對神經(jīng)網(wǎng)絡(luò)進行檢測。通過Matlab平臺進行仿真實驗來證明小波包神經(jīng)網(wǎng)絡(luò)診斷系統(tǒng)能夠?qū)崿F(xiàn)電動機故障類型的智能化診斷。從而減輕企業(yè)經(jīng)濟負擔，為電機操作人員提供更可靠的安全保障。關(guān)鍵詞：故障診斷；小波變換；神經(jīng)網(wǎng)絡(luò)；電機中圖分類號：TN911.6734文獻標識碼：A文章編號
2、:10047373X(2013)15?0133?04MotorfauItdiagnosisbasedonwaveletpacketandimprovedBPneuralnetworkalgorithmLIChun?hual,RONGMing?xing2(1.HeilongjiangUniversityofScienceandTechnology,Harbin150027,China；2.SchoolofElectrieandInformationEngineering,HeilongjiangUniversityofScienceandTechnolog
3、y,Harbin150027,China)Abstract：InordertorealizeintelligentizationofmotorfauItdiagnosis,ThefaultdiagnosismethodbasedonvibrationsignalwasadoptedinSimulationexperiment?Intheexperimentprocess,thewaveletpacketanalysistechniquewasusedtoobtainthefeaturevectoroffaultsignal,andtheimprovedB
4、Pneuralnetworkalgorithm,elastic(RPROPA)BPalgorithm,wasusedforneuralnetworktraining?Whentheerroraccuracymeetstherequirement,thetestsampledataisusedtotesttheneuralnetwork?ThesimulationexperimentonMatlabplatformshowthatthewaveletpacketneuralnetworkdiagnosissystemcanimplementtheintel
5、ligentdiagnosisofmotorfault,reducetheeconomicburdenofenterprises,andprovideamorereliablesecurityassuranceformotoroperationpersonne1.Keywords：faultdiagnosis；wavelettransform；neuralnetwork；motor0引言在當代工業(yè)生產(chǎn)過程中，電動機已經(jīng)成為了不可或缺的重要動力設(shè)備。同時企業(yè)為了提高生產(chǎn)效率，絕大多數(shù)都走上了流水線形式的生產(chǎn)道路，動力設(shè)備一出現(xiàn)問題，就會造成企業(yè)的巨大經(jīng)濟損
6、失。所以本文將選取三種常見的電機故障即軸承故障、轉(zhuǎn)子故障、絕緣電阻下降來作為研究對象。由于電動機故障信號往往是一些非平穩(wěn)的信號，并且其中含有大量的噪聲［1］。因此首先本文將利用小波包技術(shù)優(yōu)良的時頻局部特性和多分辨率處理能力來去除噪聲信號，得到真實故障信號進行分解重構(gòu)，獲得頻段更細致的故障信號特征向量。其次由于神經(jīng)網(wǎng)絡(luò)能夠逼近任意的非線性問題，并且自身具有較強的學習和自適應能力［2］,所以將用神經(jīng)網(wǎng)絡(luò)技術(shù)來進行特征向量和故障類型的準確映射。建立起一套基于小波包技術(shù)和BP神經(jīng)網(wǎng)絡(luò)的智能故障識別系統(tǒng)。1電機故障診斷方法基于神經(jīng)網(wǎng)絡(luò)的故障診斷方法是當前設(shè)備故障診
7、斷領(lǐng)域應用較廣的方法。文獻［3］講述了神經(jīng)網(wǎng)絡(luò)技術(shù)是以分布的方法存儲信息，利用網(wǎng)絡(luò)的拓撲結(jié)構(gòu)和權(quán)值分布來實現(xiàn)非線性映射，并利用全局并行處理實現(xiàn)從輸入到輸出空間的非線性信息處理。利用它的非線性映射關(guān)系建立故障和特征信號的準確對應，并且其學習和適應能力可以根據(jù)故障類型的變化來自動改變網(wǎng)絡(luò)權(quán)值等參數(shù)輸出不同的期望結(jié)果。所以可使用神經(jīng)網(wǎng)絡(luò)來進行非線性映射的研究，因此對電動機的故障診斷選擇神經(jīng)網(wǎng)絡(luò)來實現(xiàn)輸入特征信號和輸出期望結(jié)果的對應也比較合適。2基于小波包的故障特征向量提取2.1小波包變換分析小波包分析(WaveletPacketAnalysis)能夠重復利用二
8、尺度關(guān)系將小波頻譜中的每個倍頻程頻帶進一步分解為更加精細的頻帶［4］,增強了信號
