几种改进BP算法在电机故障诊断中的分析比较
基于改进BP神经网络的机器故障诊断技术研究
（）Ｂ 网络 的训练 学 习速 度 缓慢， 易出现一 个 ２ Ｐ 容
长 时期 的平 台 区域 ， 算法 的收 敛速度 慢 。 其 针 对上 述Ｂ 网络 的不 足 ， 中提 出 以整体 误 差 Ｐ 文
测 中来 。基 于专 家 系 统 和神 经 网络 的 故 障诊 断 方
１２ Ｂ 网络诊断机器故障的工作原理 ． Ｐ
Ｂ 神 经 网络进行 故 障分类 的基 本 思想 ： Ｐ 根据 以 往 历史情 况 ，仪表测 得机器 运行关 键状态 点参数值 以及对 应 的机 器故 障模式 ，即形成 学 习样 本 ；样 本 进 行数据 归一 化后作 为模型 的输入 输 出，模 型进行 学 习。通 过学 习 ，网络将能 够对各 种故 障模 式进行
的映射 关系 。
高速 、相互连接 、相 互制约 的状态 ，设备 故障 的突 然发生 ，不仅会 增加 企业 的维护成本 ，而 且会严 重 影 响企 业 的生产 效率 ， 企业 蒙受 巨大 损失 。因此 ， 使 及 时诊 断 出机器 故 障变 得十 分重要 。机械 故障诊 断 是一种 了解和 掌握机器 在运行 过程 的状态 ，确定其 整体 或 局 部正 常 或异 常 ， 期 发现 故 障 及其 原 因 ， 早 并能预 报故障发 展趋 势的技术 。故 障诊断 技术经 历 了主要 依靠专家 或维修 人员 的感觉器 官 、个人经验 及简单 仪表进行 故 障的诊 断与排 除，工作 传感器 技 术 、动态 测试技 术及信 号分 析技术等 阶段 。近年 来 随着计算 机技术 、人工 智能技 术特别 是专 家系统 的 发展 ，诊 断技术进入 智 能化 阶段 ’ 。人工 智能作 为 当前控 制界 的发 展热 点，相应 地也被 应用 到故障检
改进的BP网络及其在电路故障诊断中的应用
、
ｔａ Ｂ ｈｔ Ｐ￣ ｏｔ ｓｔｉ ｔ ｉ ｅｒｉ ｄｈ ａ Ｂ ｔｏｋ ｓ ｕｊｃｔｇｔ ￣ｐ ｄｉ ｅ ｆｏ ｌ ｉｍ ． ｎｉｐｏｅ ｇ－ ｒｈ ￥ ／ｓ］ ｎｌ ｎ ｎ ａ ｔ ｓ ｔ ｏ Ｐｎ ｗ ｒ ｉ ｓｂ ｔｏ ｅ ｎ ｉｍｉ ａｄ ｉ ／ ａ ｇ ｎ ｅ ｔｅ ｆ ｅ ｅ ｔ ｉ ｇ ｅ ｐ ｎｏ ｌ ｍｎ ａ Ａ ｍ ｒ ｄ ａ ｏ ｎｏ ｃ ａ ｉ ｖ ｌ
ｌｓ ａ ｖ ，ｍｐｅｉ ｇｖ ｎｔ ａｉａｅｔａ ｈ ｍｐｏ ｅ ｎ ｓ ｄ ａ ｔｇ ｏ ｓａ ｔｅ ａｐ ｃ ｆ ｐ ｃ ｎ ｄ ｅ ｐ ａ ｉ ｖ ｒ ｅｔ ｄ ｔ ｎ ｌ ｎ ｕ ｔ ｔ ｅ￣， ｌ ｓ ｉｅ ｏｖ ｌ ｔ ｈ ｔｔｅｉ ｒｖ ｏ ｅｉ ｖ ａ ｅ ｕ ｔ ｓ ｅ ｔ ｏ ｅ ｏ ｈａ ｆ ￣ ｔ ｒｉ ａ ｄ ｄ ａ ｎ ｈ ｓ ａ ｍｅｏ ｅ ｔ ｒ ｉ ｏ ａ ｅ ｈ ａ ｉ ｏ ａ ｄ ｔｅ ａ ｃ ｒ ｃ ｆ ｉｇ ｏｉ ｅ ｔ ｄ ｉ ｒ ｒ ｎ ｅｉ ｅ１ ｎ ｃ ｕａ ｙ ａ ａ ｎ ｓｓｉ ｋ ｐ ｔ ｐ ｆ ｍａ ｃ ｓｗ ｌ ｈ ｄ ｓ ｎ ａ ｓｅ ｏ ． Ｋｅ ｌ ｓ Ｂ ｕａ ｅ ｏ ， ｉ ｕｔ ｆｕｔｄａ ｎ ｓ ，Ｌ ｖ ｎ ｅ ｇ Ｍａｑ ｌ ｄ ｌｏｉ ｍ ｙ ｗｏ ｄ Ｐ ｎ ｒ ｌ ｔ ｒ ｃｒ ｉ ， ｌ ｇ ｏ ｉ ｅ ｎ ｗｋ ｃ ａ ｉ ｓ ｅ ｅｂ ｒ － ＩＩｒｔ ｇｒ ｈ ａ ａ ｔ
优化的BP神经网络在电子设备故障诊断中的应用
优化的BP神经网络在电子设备故障诊断中的应用作者：王秋彦鞠建波金鑫来源：《现代电子技术》2010年第03期摘要:给出BP神经网络故障诊断模型,研究了共轭梯度法对BP算法进行优化设计。
针对电子设备的一些实测数据,利用优化的神经网络对其进行了故障诊断,给出实验的仿真结果,并进行详细的分析,最后得出设备的诊断结果。
通过实验证明,基于共轭梯度法的BP神经网络优化算法应用于电子设备故障诊断,其诊断率较高,有很强的实用性。
关键词:BP神经网络;优化设计;共轭梯度法;故障诊断中图分类号:TP306 文献标识码:A文章编号:1004-373X(2010)03-147-03Application of Optimized BP Neural Network in Fault Diagnosis Against AvionicsWANG Qiuyan,JU Jianbo,JIN Xin(Naval Aeronautical Astronautical University,Yantai,264001,China)Abstract:BP fault diagnosis model is given out,the conjugate gradient is studied and carried on the optimum design to BP algorithm.According to the surveyed data which are directed against one avionics,the optimized neural network is applied in the fault diagnosis against the avionics,the simulation of experiment and the result of fault diagnosis are given out.It proves that when BP based on the conjugate gradient is applied in fault diagnosis,its diagnosis efficiency is higher,and this method has strong practical value.Keywords:BP neural network;optimum design;conjugate gradient;fault diagnosis随着现代科学技术的发展,设备的集成度越来越高,越来越复杂,故障诊断技术的出现为提高系统的可靠性和安全性开辟了一条新的途径。
基于改进算法的BP神经网络在故障诊断中的应用
引言
模 式识别 、 制和 预测 等方面 得到极 为广 泛 的应 用 。 控
ቤተ መጻሕፍቲ ባይዱ
随着 复杂 装备 自动化程 度 的不断 提高 ，对装 备 故 障 的 自动检 测与诊 断也 提出 了更高 的要求 ，因为 在 如此复 杂 的系统 中 ，一个 细微 的单独 故 障就足 以
使整 个系统 失效 。与 系统 的高可靠 性及 可维 护性 密 切相 关 的核 心 内容— — 故障诊 断方 法 的研 究 ，也就
层 前馈神 经 网络 ，它是 目前故 障诊 断 中应 用较 多 的
且 较成熟 的一 种模 型 。标准 的 Ｂ Ｐ网 络 结 构 （ 图 １ 如 所 示 ）该 网 络 有 一 个 输 入 层 ， 个 输 出 层 ， 个 隐 含 ， 一 一
构和功 能而构 成 的一 种信 息处 理系统 ，是 由若干 处
２ ｈ ｅｏｄ Ａ ｔ ｉ ｒｆ Ａ ｔｌｒ Ｒ ｇ ｎ ｏ ｉ ｊ ｅｅｖ ｉｉｏ ，Ｔａｊ ０ ３ ０ ｈ ａ ．Ｔ ｅ Ｓｃｎ ｎｉｒ ａ ｒｌ ｙ ｅｉ ｔ ｆ ａ ｉ Ｒ ｓｒｅ Ｄｖ ｉ ａ ｃ ｔ ｉｅ ｍｅ Ｔ ｎ ｎ ｓ ｎ ｉｎ ｎ ３０ ５ ，Ｃ ｉ ） ｉ ｎ
Ａｂｓｒａ ｔ ＢＰ ｎｅ ｒ ｌ ｎ ｔ ｒ ｗａ ｗｉ ｌ ｕ ｅ ｉ ｆ ｕｔ ｄｉｇ ｏ ｉ． Ｔｈｅ ＢＰ Ｎｅ ｒ ｌ Ｎｅｗｏ ｋ ｗｉｈ ｍ ｏ ｎ ｕ ｔ ｃ： ｕ ａ ｅ ｗｏ ｋ ｓ ｄｅｙ ｓ ｄ ｎ ａｌ ａ ｎ ｓｓ ｕ ａ ｔ ｒ ｔ ｍｅ ｔ ｍ
成 了人 们 关 注 的焦 点 。
该 方法善 于从 大量 统计 资料 中分析 提取宏 观统 计规 律， 通过某 种非 线性 处理来 建立 模型 ． 进而对 系 统 的
未来 状态作 出科 学定 量 的估 计 。本文 将引入 人 工神 经 网络原理 来解 决装 备故 障诊 断的 问题 。
遗传算法和BP神经网络在电机故障诊断中的应用研究
Ｙ ＡＮＧ Ｃｈ ｏ， ＷＡＮＧ ａ Ｚｈｉｗｅ — ｉ
（ ｅ ａ ｏａ ｒ ｆ ｏ ｖｙ ｎｅａ ｄＥ ｕｐ ｅ ｔ ｆ ｎｓ ｆ ｄ ｃｔ ｎ Ｋ ｙＬ ｂ ｒｔ ｙｏ ｎ ｅａ ｃ ｎ ｑ ｉｍ ｎ ｏ Ｍｉｉｒ ｏ ｕ ａ ｏ ， ｏ Ｃ ｔ ｙ Ｅ ｉ
ＤＩ Ｏ 编码 ：０ ３ ６ ／ ． ｓ ． ０ ６—１ ５ ． ０ ０ ０ ． ３ １．９９ｊｉｎ １０ ｓ ３ ５ ２ １ ．５ ０ ６
Ａｐ ｉ ａ ｉ ｎ Ｒｅ ｅ ｒ ｈ ｏ ｅ ｅ ｉ ｇ ｒ ｔ ｍ ｎｄ ｐｌ ｔｏ ｓ ａ ｃ ｎ Ｇ ｎ ｔｃ Ａｌ ｏ ｉｈ ａ ｃ
摘 要 ：针 对 Ｂ Ｐ神 经 网 络 算 法 容 易 陷 入 局 部 极 小 点 及 收 敛 速 度 慢 的 问题 ， 用 遗 传 算 法 对 Ｂ 利 Ｐ神 经 网络 的 权
值和阀值进行优化 ， 善 Ｂ 改 Ｐ神 经 网络 的诊 断性 能 ； 过 Ｇ —Ｂ 通 Ａ Ｐ网 络 对 电机 的 三 种 工 作 状 态 进 行 了 诊 断 识 别 ， 其
安全运 行 的重要 措 施 。 因此 ， 电机 设 备 故 障 诊 断 对 理论 和技术 的研 究具 有现 实意 义 ’ 。
连接 ， 工 神 经 网 络 具 有 很 强 的 自组 织 、 人 自学 习 的
能力 Ｊ 。传统 的 Ｂ Ｐ神 经 网络 采 用 的是 沿 梯 度 下降
的搜 索 求解 算 法 ， 在 收敛 速 度 慢 ， 复 杂 的 网络 存 在
实验仿真结果表 明： 无论是 在诊 断速 度上 还是诊断精度上 ， Ａ～ Ｐ神经 网络 诊断性能 都 比单独 的运 用 Ｂ Ｇ Ｂ Ｐ网络有
BP神经网络在机床故障诊断应用中的改进
（ ｔ ｅＫ ｙＬ ｂｒｔｒ，ｈ ｎａ ｇＭａｈｎ ｏｌ Ｇｏ ｐ ｏ ，ｔ． Ｓ ｅ ｙｎ １ １２ Ｃ Ｎ） Ｓａ ｅ ａ ｏａ ｙ Ｓ ｅ ｙｎ ｃｉｅＴ ｏ（ ｒｕ ）Ｃ ． Ｌｄ ， ｈ ｎ ａｇ１０ ４ ， Ｈ ｔ ｏ
Ａ ｂ ｔ ａ ｔ：Ｏｎ ｔ ｓ ｆａ ａｙ ｉ ｇ ｔｅ ｔａ ｉｉｎ ｌＢＰ ｎ ｕ ａ ｅｗｏ ｋ’ ｉａ ｖ ｎｔｇ ｓ ｍｐｒｖ ｍ ｅ ｔｍ ｅｈ ｄ ｉ ｉ — ｓｒ ｃ ｈｅｂａ ｅ ｏ ｎ ｌ ｚｎ ｈ ｒ ｄ ｔ ａ ｅ ｒｌｎ ｔ ｒ Ｓｄ ｓ ｄ ａ ａ ｅ ，ｉ ｏ ｏ ｅ ｎ ｔ ｏ ｓｇｖ
障诊 断 ， 但是 它有一些 固有 缺点 ， 需要对 其进 行改进 。
网络全局 误差 计算 采用最 小二乘 法
ｆ
＝
∑ ∑ （ — ：２ ｙ） ２ ｋ ／
（） １
Ｂ Ｐ网络虽 然具有 很强 的非线性 映射 能力 ， 且 网 而
络 的中间层 数 、 层 的处 理单 元 数 以及 网络 的学 习 系 各
上 。当传感 器 采集到 数控机 床 的故 障信 息 时 ，Ｐ神 经 Ｂ 网络通 过并行 分布式 计 算 ， 出针 对 故 障信 息 的诊 断 输 结 果 。虽 然从 原理上 Ｂ Ｐ神 经 网络 适 合机 床 系统 的故
一种改进的BP算法在压缩机故障诊断中的应用
改进 网络 学 习 收敛 的 速 度 ， 并运 用 于 压 缩机 系统 故 障 的 诊 断
上 ， 得 了满ቤተ መጻሕፍቲ ባይዱ意 效 果 ． 获
关
键
词 ： 压 缩机 ； Ｐ算 法 ； 障诊 断 Ｂ 故
文献标识码 ： Ａ
缩 机 的故 障检 测 中获得 满 意 的结果 ．
ｌ
中 图分 类 号 ： ＴＨ１ ７
代 设 计方 法 和 人 工 智 能 教 学和 科 研 工 作 ．
（ ） 习速 率 的初 值 为 ： １ ＝Ｏ ６ ６ 刁 ２学 （ ）＝ ． １ ＝ Ｘ（
《 成组技术与生产现代化）０６ ２０ 年第 ２ 卷第 １ ３ 期
－
６ ・ Ｏ
维普资讯
１ 算 法说明
Ｂ Ｐ算法 的 主要思 路是 ： 出训 练 网络 的指标 函 求
数 Ｅｐ 误 差 ） 对各 个 神 经元 的输 出偏 导 数 ， 么 便 （ ， 那
想 、 测 和记忆 功 能 的神 经 网络 故 障诊 断 技术 具 有 推
特定 的优 势． Ｐ算 法的 多层感 知 器是 应用 最广 泛 的 Ｂ
一
种 人工 神经 网络 ， 有 很 强 的处 理 复 杂 函数 关 系 具 复 杂 的非线 性 函 数口． 是 因 为 Ｂ 网络 采 用 的 ］但 Ｐ
可 算 出误差 Ｅ ｐ对 所 有 连 接权 值 的偏 导 数 ， 而 可 从 以利 用 梯度 下降 法来 修正 各个 连接 权值 ． 本 文采 用非 导数 优化 的方 法进 行神 经 网络预 测
便会 发 出故 障信号 ， 由此 根 据 故 障信 号 对 设 备进 并
行 检测 与维护 ． 而 ， 缩 机 在 发 生 故 障 时 ， 反 映 然 压 会 出多种 征兆． 实 际维 护 的工作 中发 现 ， 缩 机 的故 从 压
基于小波包和改进BP神经网络算法的电机故障诊断
基于小波包和改进BP神经网络算法的电机故障诊断作者：李春华荣明星来源：《现代电子技术》2013年第15期摘要：为了对电机故障实现智能化诊断，仿真实验中将采取基于故障振动信号的诊断方法。
在实验过程中用小波包分析技术得到故障信号的特征向量。
然后用改进的BP神经网络算法即弹性BP算法（RPROPA）来进行神经网络训练，当误差精度符合要求后，用测试样本数据对神经网络进行检测。
通过Matlab平台进行仿真实验来证明小波包神经网络诊断系统能够实现电动机故障类型的智能化诊断。
从而减轻企业经济负担，为电机操作人员提供更可靠的安全保障。
关键词：故障诊断；小波变换；神经网络；电机中图分类号： TN911.6⁃34 文献标识码： A 文章编号： 1004⁃373X（2013）15⁃0133⁃04 Motor fault diagnosis based on wavelet packet and improvedBP neural network algorithmLI Chun⁃hua1， RONG Ming⁃xing2（1. Heilongjiang University of Science and Technology， Harbin 150027， China；2. School of Electric and Information Engineering， Heilongjiang University of Science and Technology， Harbin 150027， China）Abstract： In order to realize intelligentization of motor fault diagnosis， The fault diagnosis method based on vibration signal was adopted in simulation experiment. In the experiment process，the wavelet packet analysis technique was used to obtain the feature vector of fault signal， and the improved BP neural network algorithm， elastic （RPROPA） BP algorithm， was used for neural network training. When the error accuracy meets the requirement， the test sample data is used to test the neural network. The simulation experiment on Matlab platform show that the wavelet packet neural network diagnosis system can implement the intelligent diagnosis of motor fault， reduce the economic burden of enterprises， and provide a more reliable security assurance for motor operation personnel.Keywords： fault diagnosis； wavelet transform； neural network； motor0 引言在当代工业生产过程中，电动机已经成为了不可或缺的重要动力设备。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
训练 函数 网络训练 目标
网络迭代次数
不收敛
２３ ６ ４ ９ ３ ５
网络训练误差
０ ４ ８９２ ．２ ２
９ ５ ９ ９ ｅ—Ｏ ６ ．７ ９ Ｏ ５ １ ６ １ ｅ—Ｏ ６ ．４ ４ ０ ４ ２ ９ ０ ｅ一０ ６ ． ８ ６ ０
毫
罱
ｔ ｉｇｍ ｒ ｎｄ ａ
ｔ ｉｇ ｘ ｒ ｎｄ ａ ｔａ ｎ ｆ ｒｉｂ ｇ ｔ ｉｒ ｍ ｎｐ
霉 ２ 训 练 函 数 ：ａｎｄ ｔ ｉｇｘ ｒ
作 者简介 ： 王笑宇（９ ９ ， 山西太原人 ， 士研 究生 ， １６ ．） 男， 硕 助教 ， 究方向 ： 研 智能检测 。
第 ３期
王笑宇， ： 等 几种 改进 Ｂ Ｐ算 法在 电机故 障诊 断 中的分 析 比较
表 １ 训 练 结 果
采用一些改进 的 Ｂ Ｐ算法 ， 它们 用于电机的故障诊 断 ， 把 通过 实验 对这些改进 算法的分析 比较 ， 出其 中较合适 的 得 算法。这样不仅 能发挥神经 网络的泛化映射 能力而且诊断速度也有提 高， 有较 强的学习能力。
关键词 ： 工神 经网络 ；改进 Ｂ 人 Ｐ算法；故 障诊 断；Ｌ 优化法 Ｍ
经 网络的实际应用 。针对标 准 的 Ｂ Ｐ算 法存在 的一 些不 足
出现 了一些改进 学习算法 ， 其中主要 有 ： 动量 Ｂ Ｐ算法 （ｒ ｎｄ 、 ｔ ｉｇｍ） 学习率 可变 的 Ｂ ａ Ｐ算法 （ ａｎ－ ｔ ｉｇ ｒ
ｄ ） 弹性 Ｂ 】、 【 Ｐ算 法 （ｒｉ ） 比例 共轭梯 度算 法 （ｒｉｓｇ 、 ｔ ｍｐ 、 ａ ｔ ｎｃ ） ａ Ｌ 优化法 （ｒ ｎ 、 Ｍ ｔ ｉｌ 拟牛顿法 （ ａｎｆ） ａ ｍ） ｔ ｉｂ 等 。 ｒ ｇ
摘
；
要： 近年 来， 工神 经网络 以其独特的容错 、 想、 测、 人 联 推 记忆 、 自适应和 处理复杂的 多模式等优 点， 在许 多
学科 中掀起 了研究热潮 ， 同样在故障诊 断领域 ， 其发展前景也 十分 乐观 ， 它作 为一种 自适应 的模 式识别技 术， 不 并
需要预先给 出有关模式的经验知识和判断 函数 ， 于特 定问题建 立的神经 网络故障诊断 系统 ， 以从输入 数据（ 对 可 故 障症状） 直接 推 出输 出数据 （ 故障原因） 从 而实现故 障的检 测与诊 断。但 是传 统的 Ｂ ， Ｐ算法存在 一 些缺 陷。所 以
本文用这些改进 的算 法逐 一用 于网络训练 ， 把它们 最后 的训练效果进行对 比分析 。为 了便于 比较 上述几 种改进 的 Ｂ Ｐ算法工作性能 ， 采用 Ｍａ ａ７ １ ｌ ｆ ｂ ． 神经 网络工具箱 中的相关
收 稿 日期 ：００— ３—１ ２１ ０ ７
２ ３Ｅ ｈ ６ ｐ ８
个数为 ８ 。接下来确定网络的输出模式 ， 个 由于对 电机 的故
。
１
：
●
。
１
障诊断包括 ４种模式。因此 可采用如 下形式表示输出 ：
无故 障（ ， ， ， ） 匝间短路 （ ， ， ， ） 转 子断条 （ ００００ ， １０００ ， ０， １０，） 转子偏心（ ， ， ， ） ，０ ， ０ ０ １０ 。所 以网络 的输 出神经元 个数 为 ４个 。因此本文故障诊断采用的 Ｂ Ｐ神经网络是 ８ｌ ４ 的 一２
三层结构。
图 １ 训 练 函 数 ：ａｎｄ ｔｉｇ ｍ ｒ
；
● ●
１ Ｂ Ｐ网络算 法的一些 改进
标 准的 Ｂ Ｐ算法和 Ｗｉｒ — ｏ 学 习规则一样 ， ｄｏ Ｈ ｆ ｗ 是一种梯
度下降学 习算法 ， 它存 在着容 易陷入局部极 小点 ， 收敛 速度 缓慢等缺陷 【３。这些 问题都 在 一定程 度上 限制 了前馈 神 ２】 ．
丑 。 ｎ∞＿ ｕ 训练 函数进行 网络训练 ， 把故障诊∞＿ｌｏ 用 ｌ Ｐ神经 网络的 并 断所 ∞ Ｂ暑ｕＩ葚
拓扑结构 ， 输入样 本， 输出样本 ， 网络训 练 且标 （０ ） 训 练 １ 、
步数 （０ ０ 等 都设 定为一 致 ， １０ ） 仅采用 不 同的训 练 函数 。因
为训练函数 的选取 对误 差 有较 大 的影响 川 ， 练结 果如 ’ 训
图Ｉ ～图 ６所 示 ：
： ．
的幅值 ， 出是对故 障进行相应的编码。从 而建立 故障模 式 输 与故障原因之间的映射关 系 ， 谁发生故障谁 的期望输 出位是
１否则为 ０ ， 。根据本文研 究的故障诊 断对象 ， 是通过对 ８个
ｒ
１
：
●
１
：
●
特征频率的检测来进行分析 和诊断 的 ］因此输入 神经元 ，
中 图分 类 号 ：Ｐ ７ ２７ Ｉ 文献标识码 ： Ａ
Ｏ 引言
对于 Ｂ Ｐ神经 网络 ， 一个非 常重 要的定 理 ， 有 是对 任何 在闭区间内的一个连续 函数都可 以用单隐层的网络来 逼近。
因而一个三层 Ｂ Ｐ网络就 可 以完 成任 意的 ｎ维 到 ｍ维 的映 射【 ， Ｉ 本文采用 只包含一个隐层 的 Ｂ Ｊ Ｐ神经 网络对 电机 发生 的故障进行诊断 。神经 网络 输入数据是 提取相应 特征 频率
１ ５ ０—
１ ５ ０— １ ５ ０— １ ５ ０—
ｔａｎｍ ｒｉｌ
１ ０一
１ ５ ０—
３ ０
３ ９
５ ２ ４ ３ ｅ—Ｏ ６ ． ８ ６ ０
８ １ ３ ５ ｅ—ｏ ６ ８ ３ ｏ
．
兽
ｔａｎ ｃ ｒｉｓｇ
苫 ２ 改 进算 Fra bibliotek训 练分 析
山西 电子技术 ２１ ０ ０年 第 ３期
文章 编 号 ：６ ４４ ７ （０ ０ ０ － １－２ １７ － ８ ２ １ ）３ ０ ００ ５ Ｏ
应 用 实 践
几种 改进 Ｂ Ｐ算 法在 电机 故 障诊 断 中的分 析 比较
王 笑宇 ，段广建
（． １成都 理 工大 学工程技 术学 院 自动化 工程 系电 气教研 室 ， 四川 乐山 ６舢 ｌ ２ 太原 市煤 气化公 司供 应 处设备 科 ， 西 太原 ０ ０ ２ ） ． 山 ３０４