基于神经网络专家系统的电机故障诊断研究

针对交流电机的故障特点，列举并分析了交流电机在实际工况下的典型振动故障和定子电流故障，对各种故障的原因和所表现出的振动、电流、频率特性进行了详尽的研究，并根据电机的特点列出了交流电机故障诊断知识库，为故障诊断打下了基础。 在基于知识的传统专家系统的基础上，提出了一种新的电机故障诊断专家系统模式——基于神经网络(NNES)的专家系统，克服了传统专家系统不能进行自学习、自适应的缺陷。 针对交流电机的故障特点，将反映故障的振动、电流、频率信号进行处理，以能更好的反映故障的随机性和不确定性。在本系统中，选用的是BP反向传播和Kohonen自适应算法，利用神经网络学习算法获取知识，通过神经网络的连接模型表示知识，以充分利用神经网络学习能力的优势。在传统专家系统方法中，知识是通过符号以某种数据结构来表示的。本方法将电机故障知识库信息分布到神经网络的网络结构、权值和阈值中，从而可以较好地表示专家知识。 在研究的过程中，首先根据故障的知识库建立合适的神经网络，并进行学习和训练，达到所需的精度后，对所输入的信号进行故障诊断，从而得出正确的诊断结果。经过实际的电机故障诊断，证明了本方法的正确性和容错性，并显示出了优于传统专家系统的特点。