【正文】 要構(gòu)造一個網(wǎng)絡構(gòu)架，函數(shù)newff()就是用來構(gòu)建神經(jīng)網(wǎng)絡的?！駸o故障：(0,0,1)●A相供電線路接地短路：（0,1,0）●B相供電線路接地短路：（0,1,1）●C相供電線路接地短路：（1,0,0）●AB相供電線路接地短路:（1,0,1）●AC相供電線路接地短路：(1,1,0)●BC相供電線路接地短路：(1,1,1)第四章 故障診斷實例利用MATLAB的神經(jīng)網(wǎng)絡工具箱，介紹基于BP神經(jīng)網(wǎng)絡的異步電動機故障診斷過程。在MATLAB中運用函數(shù)premnmx實現(xiàn)數(shù)據(jù)的歸一化。利用MATLAB實現(xiàn)向量的歸一化過程，這里將樣本數(shù)據(jù)都歸一化到（1，1）之間的小數(shù)。輸出量通常就是指為網(wǎng)絡訓練提供的期望輸出，一個網(wǎng)絡可以有多個輸出變量，其表示方法通常比輸入量容易得多，而且對網(wǎng)絡的精度和訓練時間影響也不大。表31 三相異步電動機220V工作狀態(tài)原始數(shù)據(jù)1234567表32 三相異步電動機240V工作狀態(tài)原始數(shù)據(jù)891011121314獲得樣本數(shù)據(jù)向量后，由于其中這些數(shù)據(jù)具有不同的單位和量級，為了計算方便及防止部分神經(jīng)元達到過飽和狀態(tài)，所以在輸入神經(jīng)網(wǎng)絡之前應該首先進行歸一化處理。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。這里為了方便頻譜分析, 建立了以上仿真模型?？偨Y(jié)出了電動機定子電流的故障特征，這些異常的運行狀態(tài)，會引起電動機定子電流超過其額定工作電流其六種故障仿真時域波形和頻域波形如圖所示。圖310 A相接地短路故障狀態(tài)模型圖設置仿真參數(shù)的Start time（起始時間）為0、Stop time(終止時間)，Solver options的步長選擇VariableStep,解算方法Solve選擇ode23tb解算器，然后保存該系統(tǒng)模型并進行仿真運行。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。具體故障為：單相接地短路：A相接地短路、B相接地短路、C相接地短路；兩相接地短路：AB兩相接地短路、AC兩相接地短路、BC兩相接地短路。由于我國異步電動機的中性點不接地，在接地性不對稱故障中，將會出現(xiàn)零序電流分量。 三相異步電動機故障設置及故障特征提取短路故障，是指不同相的導線間或相對地，發(fā)生金屬性的連接或經(jīng)較小阻抗的連接. 電動機短路，通常發(fā)生在接線端子或繞組內(nèi)部. 接線端子短路，是由于接線端松脫造成的單相偶然與殼體連接或兩相間偶然短路. 而繞組內(nèi)部短路，又分為相間短路和匝間短路兩種. 相間短路包括繞組端部層間短路、槽內(nèi)上下層線圈之間短路及繞組連接線或引出線絕緣損壞造成的相間短路. 匝間短路包括一個線圈之間短路，一個極相組中的線圈之間短路及各極相組線圈間的短路，造成繞組短路的內(nèi)部原因，是電動機絕緣有缺陷及導線本身絕緣不良或嵌線時絕緣受損. 電動機出現(xiàn)短路后，短路電流通常大于8 倍的額定電流以上. 短路電流使繞組迅速產(chǎn)生高熱，以致絕緣變色、焦脆、直至燒毀. 短路后果是嚴重的，因此短路故障出現(xiàn)時必須迅速切除。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)。（5）ThreePhase Breaker模塊參數(shù)設置斷路器模塊的具體參數(shù)設置如圖36所示。模塊地具體參數(shù)設置如圖34所示。三相可調(diào)交流電壓源的具體參數(shù)設置如圖33所示。三相異步電動機模塊的具體參數(shù)設置如圖32所示。 搭建模塊將所需模塊放置合適的位置，再將模塊從輸入端至輸出端進行相連，搭建完的串電阻起動Simulink模型如圖31所示。7）選擇Signal Routing模塊庫下的Bus Selector模塊作為直流電動機輸出信號選擇器。5）選擇SimPowerSystems模塊庫的Measureemeents子模塊庫下的Voltage Measurement模塊作為電壓測量。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。建立模型所需的模塊如下：1）選擇SimPowerSystems模塊庫的Machines子模塊庫下的Asynchronous Machine SI Units模塊作為交流異步電動機。下面將對三相異步電動機進行建模與仿真，其中，三相異步電動機基本參數(shù)如下給出：工作電壓為380V；工作頻率為50Hz；功率為15kW；額定轉(zhuǎn)速為1460r/min。圖24 BP網(wǎng)絡學習過程第三章 異步電動機在MATLAB中的建模仿真及故障設置 異步電動機在MATLAB中的建模三相異步電動機的工作原理是定子上對稱三相繞組中通以對稱三相交流電流時產(chǎn)生旋轉(zhuǎn)磁動勢及相應的旋轉(zhuǎn)磁場。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(quán)值，最后回到輸入層。遞增模式，就是每增加一個輸入樣本，重新計算一次梯度并調(diào)整權(quán)值；批處理模式，就是利用所有的輸入樣本計算梯度，然后調(diào)整權(quán)值。３．閾值的修正閾值也是變化值，在修正權(quán)值的同時也需要修正，原理同權(quán)值修正一樣。輸入節(jié)點與隱層節(jié)點間的網(wǎng)絡權(quán)值為，隱層節(jié)點與輸出節(jié)點間的網(wǎng)絡權(quán)值為。下面介紹BP算法的推到過程。BP網(wǎng)絡學習規(guī)則的指導思想是：對網(wǎng)絡權(quán)值和閾值的修正要沿著表現(xiàn)函數(shù)下降最快的方向—負梯度方向。訓練之前首先需要樣本，樣本中包含輸入向量P以及相應的輸出向量T,訓練過程中應不斷調(diào)整權(quán)值和閾值，使得神經(jīng)網(wǎng)絡的表現(xiàn)函數(shù)達到最小。如果需要限定網(wǎng)絡輸出（例如約束在0和1之間），則可以采用S型傳遞函數(shù)（如logsig()等）。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。如果BP網(wǎng)絡的最后一層是sigmoid型神經(jīng)元，那么整個網(wǎng)絡的輸出就限制在一個較小的范圍內(nèi)；如果BP網(wǎng)絡的最后一層是purelin型線性神經(jīng)元，那么整個網(wǎng)絡的輸出可以取任意值。 BP網(wǎng)絡中隱層神經(jīng)元的傳遞函數(shù)通常用型函數(shù)logsig()、tansigmoid型函數(shù)tansig（）以及純線性函數(shù)purelin()。4）數(shù)據(jù)壓縮：減少輸出向量維數(shù)以便于傳輸或存儲。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。BP網(wǎng)絡主要用于以下四個方面。由于權(quán)值的調(diào)整采用反向傳播學習算法，因此也常稱其為BP網(wǎng)絡（Back Propagation Network）.目前，在人工神經(jīng)網(wǎng)絡的實際應用中，絕大部分的神經(jīng)網(wǎng)絡模型都采用BP網(wǎng)絡及其變化形式。本文主要應用BP神經(jīng)網(wǎng)絡，并對BP網(wǎng)絡進行說明介紹。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。：完成訓練后就可以調(diào)用訓練結(jié)果，輸入測試數(shù)據(jù)，對異步電動機故障進行測試。：運用MATALB中Powergui模塊分別對幾種故障的時域特性進行FFT分析，:包括設置多少層網(wǎng)絡（一般為三層以內(nèi)）、每層節(jié)點數(shù)（具體節(jié)點數(shù)，尚無科學的模型和公式方法確定，可采用試湊法，單輸出接點數(shù)應和輸出兩個數(shù)相等）、設置隱含層的傳遞函數(shù)等。具體內(nèi)容及實現(xiàn)功能為：：功能強大的MATLAB軟件中提供了相關電機建模的Simulink功能模塊。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。人腦的思