人工神經(jīng)網(wǎng)絡(luò)與三相異步電動(dòng)機(jī)故障模式 [泰興減速機(jī)]

三相異步電動(dòng)機(jī)人工神經(jīng)網(wǎng)絡(luò)與故障模式。三相異步電動(dòng)機(jī)人工神經(jīng)網(wǎng)絡(luò) (Artificial Neural Networks) 是采用物理可實(shí)現(xiàn)的系統(tǒng)來模仿人腦神經(jīng)細(xì)胞的結(jié)構(gòu)和功能。它反映了生物神經(jīng)系統(tǒng)的基本特征，是對生物神經(jīng)系統(tǒng)的某種抽象、簡化與模擬。剎車電機(jī)神經(jīng)網(wǎng)絡(luò)的基本要素是人工神經(jīng)元，也就是說三相異步電動(dòng)機(jī)人工神經(jīng)元是神經(jīng)網(wǎng)絡(luò)的基本處理單元，它只模擬了生物神經(jīng)元的三個(gè)基本功能：
(1) 處理剎車電機(jī)每個(gè)輸入信號，以確定其強(qiáng)度(權(quán)值)，如神經(jīng)元中突觸的可變強(qiáng)度；
(2) 確定三相異步電動(dòng)機(jī)所有輸入信號的組合(加權(quán)和)；
(3) 確定剎車電機(jī)輸出(轉(zhuǎn)移特性)。
三相異步電動(dòng)機(jī)神經(jīng)網(wǎng)絡(luò)技術(shù)的出現(xiàn)，為故障診斷問題提供了種新的解決途徑，特別是對于在實(shí)際中難以建立數(shù)學(xué)模型的復(fù)雜系統(tǒng)，神經(jīng)網(wǎng)絡(luò)更顯示出其獨(dú)特的作用?？偟膩碚f，剎車電機(jī)神經(jīng)網(wǎng)絡(luò)之所以可以成功地應(yīng)用于故障診斷領(lǐng)域，主要基于以下3 個(gè)方面的原因：
(1) 訓(xùn)練過的三相異步電機(jī)神經(jīng)網(wǎng)絡(luò)能存儲有關(guān)過程的知識，能直接從歷史故障信息中學(xué)習(xí)?？梢愿鶕?jù)對象的日常歷史數(shù)據(jù)訓(xùn)練網(wǎng)絡(luò)，然后將此信息與當(dāng)前測量數(shù)據(jù)進(jìn)行比較，以確定剎車電機(jī)故障的類型；
(2) 三相異步電動(dòng)機(jī)神經(jīng)網(wǎng)絡(luò)具有濾除噪聲及在有噪聲情況下得出正確結(jié)論的能力，可以訓(xùn)練剎車電機(jī)人工神經(jīng)網(wǎng)絡(luò)來識別故障信息，使其能在噪聲環(huán)境中有效地工作，這種濾除噪聲的能力使得人工神經(jīng)網(wǎng)絡(luò)適合在線故障監(jiān)測和診斷以及離線診斷；
(3) 三相異步電動(dòng)機(jī)神經(jīng)網(wǎng)絡(luò)具有分辨故障原因及故障類型的能力。
廣義地講，故障可以理解為系統(tǒng)的任何異?，F(xiàn)象，使系統(tǒng)表現(xiàn)出所不期望的特性，通常表現(xiàn)為系統(tǒng)的某些(個(gè))重要變量或特性偏離了正常范圍。人們對故障的認(rèn)識起初是通過選擇敏感特性和進(jìn)行簡單比較實(shí)現(xiàn)的，這對于剎車電機(jī)簡單系統(tǒng)容易做到，而對于復(fù)雜系統(tǒng)和復(fù)雜現(xiàn)象，就涉及到故障模式和正常模式的識別問題，模式建立及其識別的復(fù)雜性主要取決于系統(tǒng)的復(fù)雜性和人們的認(rèn)識水平。人們會通過獲取各種先驗(yàn)信息，建立三相異步電動(dòng)機(jī)設(shè)備正常／故障，以及各種不同故障的樣板模式。故障診斷時(shí)，根據(jù)剎車電機(jī)不同的故障征兆完成模式映射過程 。自然界的事物和現(xiàn)象般可分為多個(gè)相似，但又不完全相同的群體或個(gè)體組成的類別人們把這樣的類別稱為模式類或模式，而把三相異步電動(dòng)機(jī)其中每個(gè)事物或現(xiàn)象稱為該模式的個(gè)樣本。同類的樣本彼此相似，具有某些共同的特征，不同類的樣本彼此互不相似。所謂模式識別就是從模式空間到類別隸屬空間的正確映射。/Products/diandongji.html

本文鏈接:http://www.xoza.cn/list_16/4874.html