【正文】 這篇綜述是我們未來在基于軟計(jì)算的電機(jī)故障診斷領(lǐng)域研究活動(dòng)的起點(diǎn)。然而,他們不應(yīng)該跟傳統(tǒng)的方法相比較。對(duì)他們的優(yōu)缺點(diǎn)進(jìn)行了評(píng)述。在本文中,我們將對(duì)基于軟計(jì)算方法的電機(jī)故障診斷系統(tǒng)的研究進(jìn)展進(jìn)行綜述。然而,優(yōu)化遺傳算法經(jīng)常演變成很重的計(jì)算量,而且因此十分的耗時(shí)。因?yàn)橹挥幸粋€(gè)輔助的遺傳算法的優(yōu)化方法,它不能被獨(dú)立地應(yīng)用的實(shí)踐中去。診斷性是鼓舞人心的:正確的故障檢測(cè)是高于98%的比例。例如, Vas將遺傳算法導(dǎo)入到感應(yīng)電機(jī)的參數(shù)估計(jì)里。因此, 應(yīng)用遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)的參數(shù)和結(jié)構(gòu)以及模糊邏輯系統(tǒng),它是具有吸引力的,而不是單獨(dú)采用BP學(xué)習(xí)算法。作為一個(gè)解決要求問題的通用目的,它有并行搜索和全局最優(yōu)解的特色。 遺傳算法是非派生和隨機(jī)優(yōu)化的方法。一個(gè)軸承故障診斷問題被應(yīng)用于采用這種方法德一個(gè)試驗(yàn)臺(tái)。事實(shí)上, 在電機(jī)故障診斷領(lǐng)域里發(fā)現(xiàn)很多神經(jīng)模糊技術(shù)的應(yīng)用前景?？傊?神經(jīng)網(wǎng)絡(luò)被認(rèn)為是免費(fèi)的數(shù)值模型的方法,模糊邏輯規(guī)則和推理只處理涉及在一種語言水平。另一方面,模糊邏輯推理機(jī)制有類似人類的大腦,而它缺乏一種有效的學(xué)習(xí)能力。正如我們所知道的,兩個(gè)神經(jīng)網(wǎng)絡(luò)和模糊邏輯有自己的優(yōu)點(diǎn)和缺點(diǎn)。此外,模糊邏輯系統(tǒng)缺乏自主學(xué)習(xí)的能力,這是在一些高要求實(shí)時(shí)故障診斷病例中所強(qiáng)制的。然而,制度的設(shè)計(jì)很大程度上靠所得練習(xí)操作上獲得的直覺經(jīng)驗(yàn)。. %且在軸承“好”和“壞”的狀態(tài)下精度達(dá)到100%?？傊?有12個(gè)啟發(fā)式if then模糊推理規(guī)則應(yīng)用于檢測(cè)兩個(gè)上述缺點(diǎn),例如1. 如果Ib小然后定子損壞。他們的診斷結(jié)構(gòu)如圖5所示,其核心是只是個(gè)包括一個(gè)模糊化界面,推理機(jī)，模糊規(guī)則基礎(chǔ)和一個(gè)去模糊化單位的典型模糊推理系統(tǒng)。利用明確的故障診斷語言知識(shí), 使用模糊邏輯的眾多電機(jī)故障診斷方法已經(jīng)開始了研究。然而,基于神經(jīng)網(wǎng)絡(luò)的電機(jī)故障診斷的關(guān)鍵缺點(diǎn)是來自電機(jī)操作員的定性和語言信息不能直接利用或鑲嵌在神經(jīng)網(wǎng)絡(luò)里,因?yàn)樗麄円詳?shù)值為導(dǎo)向的黑盒測(cè)試的結(jié)構(gòu)。神經(jīng)網(wǎng)絡(luò)的訓(xùn)練數(shù)據(jù)從健全以及模擬故障的機(jī)器中獲得。從電機(jī)運(yùn)行條件、定子電流、轉(zhuǎn)子轉(zhuǎn)速上判斷，神經(jīng)網(wǎng)路可根據(jù)上述三種故障的水平顯示故障隱患。更確切地說,基于對(duì)培訓(xùn)電機(jī)的工作條件和定性故障診斷知識(shí)的觀察，定量描述了電機(jī)的Nc和Bc測(cè)量值分別被分為三個(gè)條件水平,{好,公平的,壞},檢測(cè)Nc和Bc的消息隊(duì)列。事實(shí)上，圖2的BP神經(jīng)網(wǎng)絡(luò)的輸入可以進(jìn)一步擴(kuò)大到包含更多的I和ω, 如I2和ω2，這些將會(huì)增加收斂速度。訓(xùn)練結(jié)構(gòu)如圖3。從異步電動(dòng)機(jī)的特性方程，我們知道在輸入(I, ω)和輸出(Nc, Bc)之間的關(guān)系是高度非線性的。這里的初期故障指的是在一個(gè)式籠形異步電動(dòng)機(jī)的匝間絕緣和軸承磨損。Chow和他的同事們已經(jīng)對(duì)基于神經(jīng)網(wǎng)絡(luò)的故障檢測(cè)方案進(jìn)行了綜合調(diào)查。,在這個(gè)電機(jī)故障檢測(cè)與診斷區(qū)域，神經(jīng)網(wǎng)絡(luò)、模糊邏輯、和它們?nèi)诤显谝黄鸬腉As,如神經(jīng)模糊這些應(yīng)用將會(huì)分別出現(xiàn)在接下來的段落里。一般來說,軟計(jì)算方法包括三個(gè)基本研究范式:神經(jīng)網(wǎng)絡(luò)、模糊邏輯、氣體(進(jìn)化計(jì)算)。另外,隨著電機(jī)的老齡化，原模型變得不是那么準(zhǔn)確了。參數(shù)估計(jì)策略適合實(shí)時(shí)的案例。潛在的想法是基于一些實(shí)際電機(jī)的測(cè)量信號(hào),我們用參數(shù)識(shí)別技術(shù)來估計(jì)有關(guān)資料電機(jī)的工作狀態(tài)。另一方面,上述兩種方法更適用進(jìn)行日常的維護(hù)保養(yǎng)。首先采樣石油,然后石油被實(shí)驗(yàn)室檢查,來檢測(cè)可能的缺點(diǎn)。它需要仔細(xì)檢查個(gè)體電機(jī)的情況來找到有問題的故障。有眾多電機(jī)故障檢測(cè)與診斷的傳統(tǒng)方法。簡(jiǎn)要介紹和比較了它們的優(yōu)點(diǎn)和缺點(diǎn)。包括工作原理、系統(tǒng)構(gòu)成、和計(jì)算算法的基于軟計(jì)算方法會(huì)在接下來的章節(jié)討論。這篇綜述如下組織。因此,對(duì)于這個(gè)區(qū)域的軟計(jì)算介紹,可以給我們提供比常規(guī)方案更具特色的適應(yīng)性、靈活性、和嵌入式語言知識(shí)。與硬計(jì)算方法相比之下, 只有處理精度、確定性、和嚴(yán)密性,它在獲取不精確或次優(yōu)是有效的,但對(duì)經(jīng)濟(jì)而有競(jìng)爭(zhēng)力的現(xiàn)實(shí)世界問題的解決方案就不是有效的了。因此,馬達(dá)驅(qū)動(dòng)監(jiān)測(cè)、故障檢測(cè)與診斷在電氣工程領(lǐng)域是非常重要的和富有挑戰(zhàn)性的課題。提高安全性和可靠性才能實(shí)現(xiàn)良好的早期故障診斷策略，這個(gè)策略會(huì)讓預(yù)防性維護(hù)保養(yǎng)的概念得以產(chǎn)生。改變的工作環(huán)境和動(dòng)態(tài)加載總是拉緊和磨損電動(dòng)機(jī)而且導(dǎo)致例如短路、軸承破碎和轉(zhuǎn)子條損壞的潛在故障。我們認(rèn)為軟計(jì)算方法有極大的潛力在于處理困難的故障檢測(cè)和診斷問題。幾個(gè)典型故障診斷方案運(yùn)用生動(dòng)的圖表以及簡(jiǎn)化算法來利用神經(jīng)網(wǎng)絡(luò)、模糊邏輯、神經(jīng)模糊和遺傳算法。具體流程如下： 查閱資料和搜集數(shù)據(jù) 確定神經(jīng)網(wǎng)絡(luò)的輸入和輸出向量收集訓(xùn)練樣本，利用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練收集檢驗(yàn)樣本，用上述訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)分別進(jìn)行仿真檢驗(yàn)驗(yàn)驗(yàn)比較仿真結(jié)果，進(jìn)行分析，找出故障診斷準(zhǔn)確率相對(duì)最高的神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)（論文）進(jìn)度計(jì)劃起止日期（日/月）內(nèi) 容 進(jìn) 程2/283/93/93/153/163/223/233/293/304/54/64/124/134/194/204/264/275/35/45/105/115/175/185/245/255/316/16/76/86/146/156/21與導(dǎo)師聯(lián)系,獲得課題,寫開題報(bào)告搜索相關(guān)資料（包括圖書館和網(wǎng)上檢索）整理、消化資料，理清思路寫讀書報(bào)告對(duì)BP神經(jīng)網(wǎng)絡(luò)故障診斷和汽車ABS系統(tǒng)基本了解研究當(dāng)執(zhí)行器和傳感器發(fā)生故障時(shí)會(huì)產(chǎn)生什么樣的現(xiàn)象建立汽車ABS系統(tǒng)故障診斷模型，并進(jìn)行仿真對(duì)神經(jīng)網(wǎng)絡(luò)原理和方法學(xué)習(xí)和消化建立基于BP神經(jīng)網(wǎng)絡(luò)的汽車ABS智能故障診斷的設(shè)計(jì)方案對(duì)方案進(jìn)行初步擬稿最終設(shè)計(jì)確定利用MATLAB進(jìn)行仿真對(duì)調(diào)試結(jié)果進(jìn)行分析評(píng)價(jià)得出預(yù)期的結(jié)論撰寫畢業(yè)論文檢查并修改畢業(yè)設(shè)計(jì)最終定稿準(zhǔn)備答辯四、主要參考文獻(xiàn)（不少于10篇，期刊類文獻(xiàn)不少于7篇，應(yīng)有一定數(shù)量的外文文獻(xiàn)，至少附一篇引用的外文文獻(xiàn)（3個(gè)頁面以上）及其譯文）[1] 周志立，徐斌. 汽車ABS原理與結(jié)構(gòu)[M]. 機(jī)械工業(yè)出版社, ~112[2] [J].中國(guó)有色金屬學(xué)報(bào)（工學(xué)版），14(1)：106~111.[3] 陳朝陽，張代勝，[J].機(jī)械工程學(xué)報(bào)，39(11)：1~6.[4] 王耀南，孫煒 智能控制理論及應(yīng)用[J].機(jī)械工業(yè)出版社，48~69.[5] 王海英，袁麗英 吳勃 控制系統(tǒng)的MATLAB仿真與設(shè)計(jì)，高等教育出版, 122~199[6] [M].西北工業(yè)大學(xué)出版社,， 240~250.[7] 肖永清,[M].中國(guó)電力出版社,2004，312~354[8] 董長(zhǎng)虹. ：國(guó)防工業(yè)出版社，2005，103105[9] [J].中國(guó)有色金屬學(xué)報(bào)（工學(xué)版），14(1)：106~111[10] Henrik Control based on Active Fault Diagnosis,1996,12：95~135.[11] BHARITKAR S, hysteretic Hopfield neural network[J].IEEE Trans on Neural Networks,2000,11(4)：897~888附:參考外文文獻(xiàn)及其譯文Soft puting methods in motor fault diagnosisAbstract During the last decade, soft puting (putational intelligence) has attracted great interest from different areas of research. In this paper, we give an overview on the recent developments in the emerging field of soft putingbased electric motor fault diagnosis. Several typical fault diagnosis schemes using neural networks, fuzzy logic, neuralfuzzy, and genetic algorithms, with descriptive diagrams as well as simplified algorithms are presented. Their advantages and disadvantages are pared and discussed. We conclude that soft puting methods have great potential in dealing with difficult fault detection and diagnosis problems. 1. Introduction The ac and dc motors are intensively applied in various industrial applications . Changing working environment and dynamical loading always strain and wear motors and cause incipient faults such as shorted turns, broken bearings, and damaged rotor bars .These faults can result in serious performance degradation and eventual system failures, if they are not properly detected and handled. Improved