【正文】 函數(shù)選擇traingd()。在MATLAB中運用函數(shù)premnmx實現(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)果的時域波形進行FFT分析，得到數(shù)據(jù)。三相異步電動機模塊的具體參數(shù)設置如圖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負載。通過比較輸出層各神經(jīng)元的實際輸出和期望輸出，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，其目的在于模擬大腦某些機理與機制，實現(xiàn)一些特定的功能。通過對過去的歷史數(shù)據(jù)的學習，訓練出一個具有歸納全部數(shù)據(jù)的特定的神經(jīng)網(wǎng)絡，自學習功能對于預測有特別重要的意義。一般來說，訓練樣本集不僅應全面涵蓋所有故障模式類的數(shù)據(jù)，還應具有一定的代表性，同時還必須保證學習的有效性。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)的信息逐一進行訓練而獲得某種映射關系。過載和堵轉(zhuǎn)將導致電機電流的增加和電機過熱，斷相和電壓不平衡將會引起正序、負序電流的增長，這些故障都將使電機產(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；過壓會損壞電機絕緣。轉(zhuǎn)子繞組因與磁場間存在著相對運動而感生電動勢和感應電流，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，從而實現(xiàn)能量轉(zhuǎn)換。轉(zhuǎn)子故障是因為電機頻繁啟動和過載運行使轉(zhuǎn)子導條和端環(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，將其歸納成規(guī)則，并運用經(jīng)驗規(guī)則通過規(guī)則推理來進行故障診斷。下面以單隱層BP網(wǎng)絡為例，介紹基于神經(jīng)網(wǎng)絡的故障診斷的方法和特點。典型的基于神經(jīng)網(wǎng)絡模式識別功能的診斷系統(tǒng)結(jié)構(gòu)如圖所示。訓練好的BP網(wǎng)絡計算速度快、內(nèi)存消耗低，可用于實時檢測和診斷。４）根據(jù)診斷輸入，利用BP網(wǎng)絡進行診斷。：本文主要針對三相異步電動機供電電路單相接地和兩相接地進行故障設置。 BP神經(jīng)網(wǎng)絡BP網(wǎng)絡是一種多層前饋型神經(jīng)網(wǎng)絡，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，它可以實現(xiàn)從輸入到輸出的任意非線性映射。 BP網(wǎng)絡模型結(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?shù)臋嘀祑和下一層相連，網(wǎng)絡輸出可表示為圖21 BP神經(jīng)元模型a=f(wp+b)f就是表示輸入/輸出關系的傳遞函數(shù)。圖23 BP網(wǎng)絡結(jié)構(gòu) BP網(wǎng)絡學習算法 學習算法無論是函數(shù)逼近還是模糊識別，都必須對神經(jīng)網(wǎng)絡進行訓練。當輸出節(jié)點的期望值為時，模型計算公式如下：隱層節(jié)點的輸出 （22）其中輸出節(jié)點的計算輸出 （23） 其中輸出節(jié)點的誤差 (24)誤差函數(shù)對輸出節(jié)點求導 （25）Ｅ是多個的函數(shù)，但只有一個與有關，各間相互獨立，其中 則２．誤差函數(shù)對隱層節(jié)點求導 （26）Ｅ是多個的函數(shù)，針對某一個，對應一個，它與所有有關，其中則設隱層節(jié)點誤差為 （27）由于權值的修正、正比于誤差函數(shù)沿梯度下降，則有　　　　　　　　　　　　　　　　　　　　式中，隱層節(jié)點誤差中的表示輸出節(jié)點的誤差通過權值向節(jié)點反向傳播成為隱層節(jié)點的誤差。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模塊作為負載輸入。 圖33 ThreePhase Programmable Voltage Source模塊參數(shù)設置對話框（3）ThreePhase Series RLC Load模塊參數(shù)設置雙擊ThreePhase Series RLC Load模塊，彈出對話框。 故障設置這里主要對接地性不對稱故障進行設置，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)絡對異步電動機外部故障中的一種，即供電線路單項短路（分別包括A、B、C三相）、兩相短路（包括AB、AC、BC）六種故障進行診斷仿真。神經(jīng)網(wǎng)絡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從原始數(shù)據(jù)中提取能反映其特征參數(shù)作為網(wǎng)絡的輸入。相對地短路為不對稱故障，能引起電動機轉(zhuǎn)子的震動。如果想重新初始化，可以應用init()函數(shù)，使神經(jīng)網(wǎng)絡恢復初始化情況。3）輸出層：產(chǎn)生神經(jīng)網(wǎng)絡的輸出模式。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。本次設計采用了七種最為常見的故障模式進行了診斷，但是在實際生產(chǎn)過程中，三相異步電動機還可能發(fā)生其它故障，而本次設計沒有進行檢測，所以今后可以根據(jù)實際需要，適當?shù)財U大故障模式的個數(shù)，進一步完善系統(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