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: 许允之 边宁
• 来源期刊: 煤矿机电
• 学科: 工学
• 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
• 年，卷（期）: 2017,（3）
• 所属期刊栏目: 设计研究
• 页码范围: 23-26,30
• 页数: 5页
• 分类号: TM343+.3|TPP277.3
• 字数: 2692字
• 语种: 中文
• DOI: 10.16545/j.cnki.cmet.2017.03.008

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	许允之	中国矿业大学电气与动力工程学院	111	387	11.0	15.0
2	边宁	中国矿业大学电气与动力工程学院	12	14	2.0	3.0