【正文】 函數(shù)選擇traingd()。在MATLAB中運(yùn)用函數(shù)premnmx實(shí)現(xiàn)數(shù)據(jù)的歸一化。對于故障特征的提取主要分別選取了0Hz、24Hz、50Hz、76Hz、100Hz頻域下轉(zhuǎn)子轉(zhuǎn)矩電流的幾個特征量。仿真一個電路系統(tǒng)時，將SimPowerSystems模塊與Simulink模塊連接，搭建一個電路方框圖，將模塊powergui放置于模塊圖的上方。圖37 Bus Selector模塊參數(shù)設(shè)置對話框（8）Powergui模塊打開模塊Powergui，從tools菜單中選擇FFT Analysis,對輸出結(jié)果的時域波形進(jìn)行FFT分析，得到數(shù)據(jù)。三相異步電動機(jī)模塊的具體參數(shù)設(shè)置如圖32所示。3）選擇SimPowerSystems模塊庫的ThreePhase Library子模塊庫下的ThreePhaseSeries RLC Load模塊作為串聯(lián)RLC負(fù)載。通過比較輸出層各神經(jīng)元的實(shí)際輸出和期望輸出，獲得二者之間的誤差，然后按照減小誤差的方向，從輸出層經(jīng)各個隱含層并逐層修正各個連接權(quán)值，最后回到輸入層。下面介紹BP算法的推到過程。圖43所示就是一個典型的BP網(wǎng)絡(luò)結(jié)構(gòu)，有一個隱層，隱層神經(jīng)元數(shù)目為S，隱層采用S型神經(jīng)元函數(shù)logsig()，具有R個輸入。2）模式識別：用一個待定的輸出向量將它與輸入向量聯(lián)系起來。它以對大腦的生理研究成果為基礎(chǔ)，其目的在于模擬大腦某些機(jī)理與機(jī)制，實(shí)現(xiàn)一些特定的功能。通過對過去的歷史數(shù)據(jù)的學(xué)習(xí)，訓(xùn)練出一個具有歸納全部數(shù)據(jù)的特定的神經(jīng)網(wǎng)絡(luò)，自學(xué)習(xí)功能對于預(yù)測有特別重要的意義。一般來說，訓(xùn)練樣本集不僅應(yīng)全面涵蓋所有故障模式類的數(shù)據(jù)，還應(yīng)具有一定的代表性，同時還必須保證學(xué)習(xí)的有效性。如采用頻譜分析等數(shù)據(jù)處理方法，可以為神經(jīng)網(wǎng)絡(luò)診斷提供可以利用的特征向量?！?兼有故障信號的模式變換和特征提取功能。它可以充分利用狀態(tài)信息，對來自于不同狀態(tài)的信息逐一進(jìn)行訓(xùn)練而獲得某種映射關(guān)系。過載和堵轉(zhuǎn)將導(dǎo)致電機(jī)電流的增加和電機(jī)過熱，斷相和電壓不平衡將會引起正序、負(fù)序電流的增長，這些故障都將使電機(jī)產(chǎn)生大量熱量；接地將在定子電流中出現(xiàn)零序分量，在傳統(tǒng)保護(hù)中是利用檢測零序分量的方法來識別接地故障的；過壓會損壞電機(jī)絕緣。轉(zhuǎn)子繞組因與磁場間存在著相對運(yùn)動而感生電動勢和感應(yīng)電流，即旋轉(zhuǎn)磁場與轉(zhuǎn)子存在相對轉(zhuǎn)速，并與磁場相互作用產(chǎn)生電磁轉(zhuǎn)矩，使轉(zhuǎn)子轉(zhuǎn)起來，從而實(shí)現(xiàn)能量轉(zhuǎn)換。轉(zhuǎn)子故障是因?yàn)殡姍C(jī)頻繁啟動和過載運(yùn)行使轉(zhuǎn)子導(dǎo)條和端環(huán)易產(chǎn)生疲勞，使之逐漸產(chǎn)生斷裂或開焊，引起故障。 故障診斷方法三相異步電動機(jī)故障診斷方法主要有以下幾種： (1)基于信號變換的故障診斷方法；(2)基于專家系統(tǒng)的故障診斷方法；該方法是根據(jù)被診斷系統(tǒng)的專家以往經(jīng)驗(yàn)，將其歸納成規(guī)則，并運(yùn)用經(jīng)驗(yàn)規(guī)則通過規(guī)則推理來進(jìn)行故障診斷。下面以單隱層BP網(wǎng)絡(luò)為例，介紹基于神經(jīng)網(wǎng)絡(luò)的故障診斷的方法和特點(diǎn)。典型的基于神經(jīng)網(wǎng)絡(luò)模式識別功能的診斷系統(tǒng)結(jié)構(gòu)如圖所示。訓(xùn)練好的BP網(wǎng)絡(luò)計算速度快、內(nèi)存消耗低，可用于實(shí)時檢測和診斷。４）根據(jù)診斷輸入，利用BP網(wǎng)絡(luò)進(jìn)行診斷。：本文主要針對三相異步電動機(jī)供電電路單相接地和兩相接地進(jìn)行故障設(shè)置。 BP神經(jīng)網(wǎng)絡(luò)BP網(wǎng)絡(luò)是一種多層前饋型神經(jīng)網(wǎng)絡(luò)，其神經(jīng)元的傳遞是S型函數(shù)，輸出量為0到1之間的連續(xù)量，它可以實(shí)現(xiàn)從輸入到輸出的任意非線性映射。 BP網(wǎng)絡(luò)模型結(jié)構(gòu) 神經(jīng)元模型圖21給出一個基本的BP神經(jīng)元模型，它具有R個輸入，每個輸入都通過一個適當(dāng)?shù)臋?quán)值w和下一層相連，網(wǎng)絡(luò)輸出可表示為圖21 BP神經(jīng)元模型a=f(wp+b)f就是表示輸入/輸出關(guān)系的傳遞函數(shù)。圖23 BP網(wǎng)絡(luò)結(jié)構(gòu) BP網(wǎng)絡(luò)學(xué)習(xí)算法 學(xué)習(xí)算法無論是函數(shù)逼近還是模糊識別，都必須對神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練。當(dāng)輸出節(jié)點(diǎn)的期望值為時，模型計算公式如下：隱層節(jié)點(diǎn)的輸出 （22）其中輸出節(jié)點(diǎn)的計算輸出 （23） 其中輸出節(jié)點(diǎn)的誤差 (24)誤差函數(shù)對輸出節(jié)點(diǎn)求導(dǎo) （25）Ｅ是多個的函數(shù)，但只有一個與有關(guān)，各間相互獨(dú)立，其中 則２．誤差函數(shù)對隱層節(jié)點(diǎn)求導(dǎo) （26）Ｅ是多個的函數(shù)，針對某一個，對應(yīng)一個，它與所有有關(guān)，其中則設(shè)隱層節(jié)點(diǎn)誤差為 （27）由于權(quán)值的修正、正比于誤差函數(shù)沿梯度下降，則有　　　　　　　　　　　　　　　　　　　　式中，隱層節(jié)點(diǎn)誤差中的表示輸出節(jié)點(diǎn)的誤差通過權(quán)值向節(jié)點(diǎn)反向傳播成為隱層節(jié)點(diǎn)的誤差。這種旋轉(zhuǎn)磁場以同步轉(zhuǎn)速切割轉(zhuǎn)子繞組，則在轉(zhuǎn)子繞組中感應(yīng)出電動勢及電流（轉(zhuǎn)子繞組為閉合繞組），轉(zhuǎn)子電流與旋轉(zhuǎn)磁場相互作用產(chǎn)生點(diǎn)磁轉(zhuǎn)矩，使轉(zhuǎn)子旋轉(zhuǎn)。6）選擇Sources模塊庫下的Constant模塊作為負(fù)載輸入。 圖33 ThreePhase Programmable Voltage Source模塊參數(shù)設(shè)置對話框（3）ThreePhase Series RLC Load模塊參數(shù)設(shè)置雙擊ThreePhase Series RLC Load模塊，彈出對話框。 故障設(shè)置這里主要對接地性不對稱故障進(jìn)行設(shè)置，具體包括單相接地短路和兩相接地短路。 故障仿真這里主要選擇BP網(wǎng)絡(luò)對異步電動機(jī)外部故障中的一種，即供電線路單項(xiàng)短路（分別包括A、B、C三相）、兩相短路（包括AB、AC、BC）六種故障進(jìn)行診斷仿真。神經(jīng)網(wǎng)絡(luò)的輸入量無法直接獲得，常常需要用信號處理方法與特征提取技術(shù)從原始數(shù)據(jù)中提取能反映其特征參數(shù)作為網(wǎng)絡(luò)的輸入。相對地短路為不對稱故障，能引起電動機(jī)轉(zhuǎn)子的震動。如果想重新初始化，可以應(yīng)用init()函數(shù)，使神經(jīng)網(wǎng)絡(luò)恢復(fù)初始化情況。3）輸出層：產(chǎn)生神經(jīng)網(wǎng)絡(luò)的輸出模式。1 1。},39。 =1000。表43 測試數(shù)據(jù) 測試代碼為 Y=sim(net,P_test)測試結(jié)果一：Y = 測試結(jié)果二：Y = 由以上測試結(jié)果可知：結(jié)果一故障測試準(zhǔn)確率為100%，結(jié)果二中故障測試有一組數(shù)據(jù)發(fā)生錯誤。本次設(shè)計采用了七種最為常見的故障模式進(jìn)行了診斷，但是在實(shí)際生產(chǎn)過程中，三相異步電動機(jī)還可能發(fā)生其它故障，而本次設(shè)計沒有進(jìn)行檢測，所以今后可以根據(jù)實(shí)際需要，適當(dāng)?shù)財U(kuò)大故障模式的個數(shù)，進(jìn)一步完善系統(tǒng)的診斷功能，以提高系統(tǒng)的性能；另外本文采用頻譜圖的方式來提取故障特征，這主要是通過傅立葉變換來實(shí)現(xiàn)的，這種方法的精度并不是很高，這有時會影響到系統(tǒng)的性能，故可以考慮使用較為精密的故障信號提取方法以提高系統(tǒng)的性能。T=[0 0 1。1 1。},39。TRAINLM, Epoch 0/1000, MSE , Gradient TRAINLM, Epoch 25/1000, MSE , Gradient TRAINLM, Epoch 33/1000, MSE , Gradient TRAINLM, Performance goal met. P_test=[ 。 。0 1 1。1 1。)。 。1 0 0。1 1]。net=init(net)。 。35