基于模糊神經(jīng)網(wǎng)絡(luò)的電動機(jī)的故障診斷

中北大學(xué) 蘆 斌 姚竹亭

1.引言

異步電動機(jī)作為人們?nèi)粘Ｉ詈凸I(yè)生產(chǎn)的主要驅(qū)動裝置和動力裝置，具有廣泛的應(yīng)用范圍已成為人們生活生產(chǎn)中不可或缺的重要裝置。據(jù)資料顯示，90%的工業(yè)生產(chǎn)原動力是大型異步電動機(jī)。各種小型的電動機(jī)也廣泛的應(yīng)用于人們的日常生活中比如一些風(fēng)扇、冰箱等家電。顯而易見，電動機(jī)的正常工作對保證工業(yè)生產(chǎn)和日常生活的低耗、優(yōu)質(zhì)、高效和安全運(yùn)行意義重大。由此看出，電機(jī)一旦發(fā)生故障甚至停機(jī)，必將帶給個人生活和企業(yè)的生產(chǎn)帶來不便和損失。因此，對于電機(jī)故障的準(zhǔn)確和及時地診斷并加以排除具有較大的意義。

2.異步電動機(jī)常見故障及診斷方法

異步電動機(jī)常見故障按照發(fā)生位置不同主要分為定子繞組故障、轉(zhuǎn)子繞組故障、軸承故障等幾類。根據(jù)多年經(jīng)驗研究以及對電動機(jī)故障的分析，其故障發(fā)生概率分別為30%、10%、15%。根據(jù)異步電動機(jī)的結(jié)構(gòu)特點(diǎn)可知，其系統(tǒng)主要分為機(jī)械系統(tǒng)和電氣系統(tǒng)，機(jī)械系統(tǒng)故障包括偏心故障及軸承故障，而電氣系統(tǒng)故障包括定子繞組和轉(zhuǎn)子繞組故障。根據(jù)異步電動機(jī)的常見故障發(fā)生概率以及針對性，故本文主要是對定子匝間短路、轉(zhuǎn)子斷條、轉(zhuǎn)子偏心故障、軸承內(nèi)圈故障進(jìn)行診斷分析研究。

目前，用于電機(jī)故障診斷的常用技術(shù)包括：定子電流檢測法、振動檢測法、溫度檢測法等傳統(tǒng)的故障診斷方法一般是在實(shí)際測量的參數(shù)基礎(chǔ)上，用數(shù)學(xué)的（FFT）、信號處理（小波分析）等方法對測量參數(shù)進(jìn)行故障特征參數(shù)的提取，對故障特征參數(shù)進(jìn)行分析來確定其故障。測量的參數(shù)主要包括定子電流、電機(jī)溫度、振動、噪聲等信號。以上方法各有自己的優(yōu)點(diǎn)和特點(diǎn)，一般根據(jù)實(shí)際情況和研究對象來選擇合適的方法。在本文主要采用定子電流頻譜分析法和振動信號時域均方根分析法。當(dāng)異步電動機(jī)發(fā)生故障時，就是改變正常的氣隙磁通波形，進(jìn)而改變定子電流頻率波形，對采集到的定子電流信號進(jìn)行頻譜分析可以判斷出電機(jī)故障類型。而振動信號的故障分析同上，只是采用的是時域的均方根特征，因為它是振動信號一個廣泛的特征參數(shù)。

3.模糊神經(jīng)網(wǎng)絡(luò)構(gòu)建

神經(jīng)網(wǎng)絡(luò)與模糊邏輯的建立有多種方式，將模糊邏輯引入神經(jīng)網(wǎng)絡(luò)中，對模糊網(wǎng)絡(luò)的輸入數(shù)據(jù)進(jìn)行模糊化預(yù)處理。本文將采用上面的模糊神經(jīng)網(wǎng)絡(luò)建立方法。

3.1 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)、輸入和輸出神經(jīng)元個數(shù)的確定

對于BP神經(jīng)網(wǎng)絡(luò)，有一個非常重要的定理，是對任何在閉區(qū)間內(nèi)的一個連續(xù)函數(shù)都可以用單隱層的網(wǎng)絡(luò)來逼近。因而一個三層BP網(wǎng)絡(luò)就可以完成任意的n維到m維的映射，增加隱含層固然可以提高神經(jīng)網(wǎng)絡(luò)的處理能力，但同時也使網(wǎng)絡(luò)的規(guī)模增大，結(jié)構(gòu)變得復(fù)雜。加大了計算工作量及模式樣本數(shù)量。這樣一來，使網(wǎng)絡(luò)的訓(xùn)練時間變長，所以增加一個隱層是可以的，但BP神經(jīng)網(wǎng)絡(luò)隱層數(shù)一般不超過兩層。本文采用只包含一個隱層的BP神經(jīng)網(wǎng)絡(luò)對電機(jī)發(fā)生的故障進(jìn)行診斷。

根據(jù)本文研究的故障診斷對象，是通過5個不同位置的振動信號和對應(yīng)的2個定子電流特征頻率的檢測來分析和診斷，故確定網(wǎng)絡(luò)輸入是一個7維向量，即輸入神經(jīng)元個數(shù)為7個。由于本文研究的電機(jī)故障包括4種模式（定子匝間短路，轉(zhuǎn)子斷條，轉(zhuǎn)子偏心，軸承內(nèi)圈），其對應(yīng)的定子電流特征頻率為（147.8Hz，245.6Hz，47.7Hz，52.3Hz，707.8Hz，807.9Hz，710.6Hz，950.9Hz）。接下來確定網(wǎng)絡(luò)輸出模式。神經(jīng)網(wǎng)絡(luò)輸入數(shù)據(jù)是提取相應(yīng)特征頻率的幅值，輸出是對故障進(jìn)行相應(yīng)的編碼。從而建立故障模式與故障原因之間的映射關(guān)系，誰發(fā)生故障誰的期望輸出位是1，否則為0。因此網(wǎng)絡(luò)的神經(jīng)元輸出為4個，可采用如下輸出：

1）匝間短路（1,0,0,0）

2）轉(zhuǎn)子斷條（0,1,0,0）

3）轉(zhuǎn)子偏心（0,0,1,0）

4）軸承內(nèi)圈（0,0,0,1）

3.2 訓(xùn)練樣本數(shù)據(jù)的處理

在神經(jīng)網(wǎng)絡(luò)進(jìn)行故障診斷過程中，一般要對數(shù)據(jù)進(jìn)行預(yù)處理，數(shù)據(jù)預(yù)處理是指通過變換將網(wǎng)絡(luò)的輸入、輸出數(shù)據(jù)限制在（0，1）或（-1，1）區(qū)間內(nèi)。由于數(shù)據(jù)的取值比較分散，采集的各數(shù)據(jù)單位有時不一致，因此須對數(shù)據(jù)進(jìn)行歸一化處理，消除量綱的影響。所謂歸一化就是要把需要處理的數(shù)據(jù)經(jīng)過處理后限制在一定范圍內(nèi)，歸一化是為了后面數(shù)據(jù)處理的方便，保證程序運(yùn)行時收斂加快。

BP網(wǎng)絡(luò)的神經(jīng)元均采用sigmoid轉(zhuǎn)移函數(shù)，變化后可防止因凈輸入的絕對值過大而使神經(jīng)元輸出飽和，繼而使權(quán)值調(diào)整進(jìn)入誤差曲面的平坦區(qū)。Sigmid轉(zhuǎn)移函數(shù)的輸出在（0，1）或（-1，1）之間，作為教師信號的輸出數(shù)據(jù)如不進(jìn)行處理，就會使數(shù)值大的輸出分量絕對誤差大，數(shù)值小的輸出分量絕對誤差小，網(wǎng)絡(luò)訓(xùn)練時只針對輸出的總誤差調(diào)整權(quán)值，其結(jié)果是在總誤差中份額小的輸出分量相對誤差較大。對輸出量進(jìn)行歸一化變換后這個問題可迎刃而解，如果直接用原始數(shù)據(jù)處理，則可能導(dǎo)致數(shù)據(jù)誤差增大，收斂性下降，甚至不收斂。故對特征值和幅值進(jìn)行歸一化處理，其歸一化公式如下：

經(jīng)過歸一化處理后，電動機(jī)的振動信號和定子電流信號如表1。

高斯型隸屬度函數(shù)

式(2)(3)其中L、P、H分別表示參數(shù)的最小值、平均值、最大值。

其隸屬度函數(shù)表達(dá)式為：

利用高斯型隸屬度函數(shù)(式4、5、6)對輸入數(shù)據(jù)進(jìn)行模糊化處理，對上述每組7個輸入模糊化將得到4組，每組21個的模糊量。

3.3 隱含層神經(jīng)元個數(shù)選取

對于BP神經(jīng)網(wǎng)絡(luò)來說，隱含層神經(jīng)元個數(shù)的確定是非常重要的，一般認(rèn)為隱含層神經(jīng)元個數(shù)過多或過少都會導(dǎo)致神經(jīng)網(wǎng)絡(luò)的性能不佳。因此根據(jù)前人的經(jīng)驗可以參照以下公式進(jìn)行隱含層神經(jīng)元數(shù)的設(shè)定。隱含層數(shù)：（其中n1為隱含層節(jié)點(diǎn)數(shù)，m為輸出層節(jié)點(diǎn)數(shù)，n為輸入層節(jié)點(diǎn)數(shù)，a為[1,10]之間的常數(shù)）,確定n1。n1為6-15。

對于隱含層神經(jīng)元個數(shù)確定的問題，本文采用試湊法，在其它參數(shù)不變的情況下，選用同一樣本集進(jìn)行網(wǎng)絡(luò)訓(xùn)練，設(shè)定相同的目標(biāo)誤差，比較訓(xùn)練步數(shù)，從中確定網(wǎng)絡(luò)誤差最小所對應(yīng)的隱層神經(jīng)元個數(shù)。故障珍斷的神經(jīng)網(wǎng)絡(luò)模型為3層，分別是輸入層，隱含層和輸出層。輸入層神經(jīng)元個數(shù)為21，輸出層神經(jīng)元個數(shù)為4。

運(yùn)用MATLAB2010神經(jīng)網(wǎng)絡(luò)工具箱，針對同一組訓(xùn)練樣本，選取不同的隱含層神經(jīng)元個數(shù)，采用trainglm自適應(yīng)修改學(xué)習(xí)率算法，訓(xùn)練目標(biāo)為10-5，分別對網(wǎng)絡(luò)訓(xùn)練1000次。

隱含層取不同的神經(jīng)元節(jié)點(diǎn)經(jīng)訓(xùn)練后得出結(jié)果如表2。

表1 振動信號和定子電流信號

表2 不同神經(jīng)元訓(xùn)練誤差

圖1 模糊神經(jīng)網(wǎng)絡(luò)誤差收斂

從以上訓(xùn)練結(jié)果表中可以得到，當(dāng)隱含層神經(jīng)元個數(shù)為13個時，網(wǎng)絡(luò)訓(xùn)練的誤差最低為1.2387e-007。此時經(jīng)過9次迭代達(dá)到訓(xùn)練設(shè)定的精度。所以隱含層神經(jīng)元個數(shù)最后確定為13個。因此本文故障診斷采用的BP神經(jīng)網(wǎng)絡(luò)是21-13-4的三層結(jié)構(gòu)。模糊神經(jīng)網(wǎng)絡(luò)誤差收斂圖如圖1。

3.4 模糊神經(jīng)網(wǎng)絡(luò)分析結(jié)果

輸出結(jié)果：

根據(jù)上述的輸出結(jié)果，誤差≦5%，滿足診斷要求，故證明使用模糊神經(jīng)網(wǎng)絡(luò)對異步電動機(jī)進(jìn)行故障診斷是可行的，滿足實(shí)際需求。

4.結(jié)論

針對異步電動機(jī)的各種故障特點(diǎn)，提出將神經(jīng)網(wǎng)絡(luò)和模糊邏輯結(jié)合的模糊神經(jīng)網(wǎng)絡(luò)的診斷方法，利用模糊邏輯對輸入數(shù)據(jù)進(jìn)行模糊化處理，然后將模糊化后的輸入導(dǎo)入神經(jīng)網(wǎng)絡(luò)中進(jìn)行診斷分析，最后得到的結(jié)果基本滿足誤差需求，達(dá)到故障診斷的要求，證明了模糊神經(jīng)網(wǎng)絡(luò)在異步電動機(jī)故障診斷應(yīng)用中的可行性。

[1]王江萍.神經(jīng)網(wǎng)絡(luò)信息融合技術(shù)在故障診斷中的應(yīng)用[J].石油機(jī)械,2009,8:27-30.

[2]孫向作,潘宏俠.基于多傳感器數(shù)據(jù)融合的電機(jī)故障診斷[J].微計算機(jī)信息,2008,24(9):218-219.

[3]王笑宇.基于BP神經(jīng)網(wǎng)絡(luò)的感應(yīng)電動機(jī)故障診斷技術(shù)研究[D].桂林理工大學(xué)碩士論文,2009.

[4]趙振宇.模糊理論和神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)與應(yīng)用[M].清華大學(xué)出版社,1996.