基于反向传播算法的异步电机故障诊断系统设计.doc

摘要:随着科技的发展，电机在高铁、磁悬浮列车、飞机电磁弹射装置等新设施上的应用也越来越广泛了，这些应用在提供舒适、快捷服务和有力保障的同时，如何确保电机安全可靠地运行，成为人们关注的重要问题。

本文首先对异步电动机的结构、基本工作原理、接着列举了异步电动机的常见故障类型，并对这些故障做了具体的分析(机械故障分析与电气故障分析)。在此基础上，本文主要研究了反向传播算法对异步电动机进行故障诊断，借助MATLAB平台，分别使用两种梯度下降法（附加动量因子和自适应学习率）来训练、搭建故障诊断BP网络，预设定隐含层最大网络层数，再测试从1开始到预设值的连续多个网络模型，通过比较性能指标MSE的值的大小来选择最佳隐含层节点数。通过类似的方法，再找出动量因子与学习率的最佳取值，从而搭建一个更好的故障诊断模型，并通过对故障测试样本进行仿真测试。

利用遗传算法将BP神经网络的阈值与权值进行编码，得到多组字符串，并对这些字符串，计算适应度，再将适应度符合标准的字符串进行复制、交叉、变异得到新的群体，从而解码得到神经网络最佳权值和阈值（通过改变交叉率以获得更好地优化效果）。将最佳权阈值代入网络中，从而能够更好地满足异步电动机故障诊断的需求。

关键词 故障诊断；MATLAB；BP神经网络；遗传算法；网络优化

目录

摘要

Abstract

1绪论-1

1.1 研究背景和意义-1

1.2 研究发展概况-1

1.2.1 故障检测技术的发展概况-1

1.2.2 反向传播算法的发展概况-2

1.3章节安排-2

2 异步电机分析-4

2.1 异步电机工作原理分析-4

2.1.1 异步电机基本组成-4

2.1.2 异步电机基本工作原理-5

2.2 异步电机典型故障诊断法-6

3 反向传播算法-8

3.1 反向传播算法介绍-8

3.1.1 反向传播算法概况-8

3.1.2 反向传播网络的结构-8

3.1.3 BP网络的基本结构-9

3.1.4 BP神经处理单元模型-10

3.2 BP网络学习规则-11

3.3 BP神经网络整体设计步骤-12

3.3.1 BP神经网络整体设计步骤-12

3.3.2 BP神经网络的各层节点数目确定原则-13

3.3.3 BP神经网络各层传递函数的确定-14

3.3.4 BP神经网络训练方式的选择-14

3.3.5 BP神经网络相关训练参数的设定-15

4 故障诊断系统建立和训练-16

4.1 训练样本的选取-16

4.2故障诊断系统模型设计-16

5 基于遗传算法优化故障诊断系统-26

5.1 遗传算法简介-26

5.2 遗传算法实现步骤-26

5.2.1 遗传算法准备工作-26

5.2.2 采用适应度函数进行评估-26

5.2.3 复制-26

5.2.4 交叉-26

5.2.5 变异-26

5.3 基于遗传算法优化的故障诊断模型-27

结论-33

致谢-34

参考文献-35

附录-36