基于模糊神经网络的电动机的故障诊断
基于神经网络的柴油机故障诊断的研究
基于神经网络的柴油机故障诊断的研究基于神经网络的柴油机故障诊断的研究漳州师范学院毕业论文（设计）文献综述题目：基于神经网络的柴油机故障诊断的研究姓名：朱勇彬学号：070505114系别：物理与电子信息工程系专业：电气工程及其自动化年级：07级指导教师：闫玉莲20__年10月15日文献综述一、前言随着柴油机技术的发展与进步，人类对柴油机的需求也逐渐增加，与之相应的对柴油工作的稳定性、可靠性的要求也越来越高，所以在柴油机故障诊断的研究领域不断出现新的理论和新的方法，目前这一研究方向也成为国内外研究的热点。
我国是目前世界上拥有和使用柴油机最多的国家之一，因此对柴油机进行状态检验和故障诊断可以极大的提高其运行的可靠性，具有较高的经济效益。
为了保证柴油机各系统能稳定而可靠的工作，对其进行实时无损故障诊断和先期预测非常必要。
由于柴油机工作过程复杂，把人工神经网络技术应用到故障诊断中来，利用BP和RBF网络两种方法来诊断柴油机故障。
二、主体1.1人工神经网络1.1.1人工神经网络的概述人工神经网络（ArtificialNeuralNetworks，ANNs），也简称为神经网络（NNs），是模拟生物神经网络进行信息处理的一种数学模型。
它以对大脑的生理研究成果为基础，其目的在于模拟大脑的某些机理与机制，实现一些特定的功能。
它不但具有处理数值数据的一般计算能力，而且还具有处理知识的思维、学习和记忆能力[1]。
1.1.2人工神经网络的特点和领域神经网络的基本属性反映了神经网络特点，主要表现在：1.并行分布式处理神经网络具有高度的并行结构和并行实现能力，具有高速寻找优化解的方法，能够发挥计算机的高速运算能力，可很快找到优化解。
2.非线性处理人脑的思维是非线性的，故神经网络模拟人的思维也应是非线性的。
这一特性有助于处理非线性问题。
3.具有自学习功能通过对过去的历史数据的，训练出一个具有归纳全部数据的特定的神经网络，自学习功能对于预测有特别重要的意义。
基于邻域粒子群优化神经网络的异步电动机振动故障诊断
西安石油大学学报 （ 自然科学 版）
来 更新 自己的速度 和位 置． 中 ， 粒 子 的速度 ， 其 是 Ｐ 是 当前 粒子 的位置． 和 ｇ 如 前面 定义 ，ａｄ ） Ｐ ｒｎ （ 是 介 于 （ ，）之 间的随机 数． ｃ是学 习 因子 ， 常 ０１ ｃ， 通 ｃ ＝ｃ ＝２ 从 以上步骤 ， 以看到 Ｐ Ｏ根据 自己的 ． 可 Ｓ 速度来 决定搜 索 ， 同时粒 子还有 一个重要 的特 点 ， 就
步电动机振动的故障诊断． 实验结果表 明： 与其他诊断方法相比， 该方法具有较高的诊 断精度． 此方 法适合 应 用在 异 步 电动机 振 动故 障诊 断 中 ， 有推 广应 用价值 ． 具
关键词 ： 步 电动机 ； 动 ； 障诊 断 ； 异 振 故 邻域 粒子 群算 法 ； 经 网络 神
中 图分 类 号 ： Ｍ３ ３ Ｔ ４ 文献 标识 码 ： Ａ
Ｖｏ ． ５ Ｎ ． １２ ｏ ２
文章 编 号 ：６ ３ ６ Ｘ（ ０ ０ ０ － ７ －３ １７ － ４ ２ １ ） ２０ ３０ ０ ０
基于邻域粒子群优化神经网络的异步电动机振动故障诊断
贾 嵘 薛建 辉 ， ， 张文 宇 ， 刚 洪
（． １西安理工 大学 水利水 电学 院， 陕西 西安 ７ ０４ ； ． １０ ８ ２ 西安 邮电学 院 经济管理系 ， 陕西 西安 ７ ０ ６ ） １０ ５
各 类故 障．
局部极值． 在 找 到这 ２个最 优值 时 ， 子可根 据公 式 粒
＝ ・ ＋ｃ ・ａ ｄ ）・ Ｐ — ）＋ｃ ・ ａ ｄ ）× ｌ ｒｎ （ （ ｂｔ ｐ 。 ２ ｒｎ （ （ ｂ ） ｇ 一ｐ ； 。
Ｐ ＝Ｐ＋
（） １
（） ２
收 稿 日期 ： ０９ １—０ ２ ０ —０ １
基于小波包-Elman神经网络的电机轴承故障诊断
Ｖ １ ０ ｏ４ ｏ ３ Ｎ ． ． Ｎ ｖ ０８ ｏ．２０
文章编号 ：１７ ０ ６ （ ｏ ｓ ４— ０ １— ５ ６４— ２ ２ ｚ ｏ ）０ ０ ８ ０
基 于 小 波 包 一ｌ ａ 经 网络 的 电机 轴 承 故 障诊 断 Ｅｍ ｎ神
李运红 ，张 涝涛 ，裴 未迟
（． １ 河北理工大学 机械工程学院 ，河北 唐 山 ０ ３０ ； ． ６ ０９ ２ 计算机与 自 动控制学院 ）
以 ：∑（
２ ２ 故 障特 征 向量提 取 ．
ｈ ＋ ”ｔ ） ’－ ｇ２ ￣
（） ３
由文献 ［ ］ 中３ ９ ４ ０ 轴承在正常、外 圈剥落、内圈剥落及滚动体剥落状态下振动加速度信号的功率谱 图可以看出，对于不 同的故障类型 ，其相 同频带内的能量是不同的。而小波包分析同时可在低频和高频部
第３ 卷 第 ４ Ｏ 期 河北理工大学学报 （ 自然科学版 ） ２０ ０８年 １ 月 Ｊ ｕｎ ｌ ｆ ｂｉ ｏｙｅｈ ｉ Ｕ ｉｅｓｙ （ ａ ｒｌ ｃ ｎｅＥ ｉｏ ） １ ｏ ｒａ ｅ Ｐ ｌｔｃｎｃ ｎｖｒｉ Ｎ ｔ ａ Ｓｉ ｃ ｄｔｎ ｏ Ｈｅ ｔ ｕ ｅ ｉ
这就是损伤类故障引起的振动信号的基本特点 。 可见 冲击振动的成分从性质上可分为两类Ｈ ：一类是 由于 内圈、外圈 、滚动体 等元件工作表面损伤 】 点在运行 中反复撞击与之相接触的其它元件表 面而产生振动 ，这些振动的频率较低 ，一般在 ｌｋ ｚ Ｈ 以下。
另一类是 由于损伤冲击作用而诱发的轴承零件 的固有振动。这些固有振动包括：轴承 内、外圈一 阶固有振 动 ，其频率范围一般在 １ ８ｋ ｚ — Ｈ 之间 ； 轴承零件其它固有振动 ， 其频率范围多在 ２ ６ Ｈ 之间；加速 ０～ ０ｋ ｚ
控制系统的故障诊断与容错控制技术
控制系统的故障诊断与容错控制技术故障诊断与容错控制技术在控制系统领域有着重要的应用。
控制系统是用于监测、控制和调节工业过程的设备和系统。
然而，由于各种原因，控制系统可能会出现故障，导致系统性能下降甚至完全失效。
因此，故障诊断与容错控制技术成为确保控制系统可靠性和鲁棒性的重要手段。
一、故障诊断技术故障诊断技术是通过对系统的状态进行监测和分析，识别出系统存在的故障并确定其位置和原因的过程。
常见的故障诊断技术包括模型基于故障诊断方法、专家系统、神经网络、模糊逻辑等。
1. 模型基于故障诊断方法模型基于故障诊断方法是利用数学模型描述系统的动态行为，通过与实际测量值进行比较，检测和诊断系统故障。
该方法的优点是能够提供准确的故障诊断结果，但需要精确建立系统的动态模型。
2. 专家系统专家系统是模拟人类专家决策能力和知识的计算机系统。
基于专家系统的故障诊断方法通过将专家知识和规则嵌入系统中，实现对系统故障的自动诊断。
该方法不依赖系统的动态模型，具有较强的实用性。
3. 神经网络神经网络是一种模拟人脑神经元网络的计算模型。
基于神经网络的故障诊断方法利用网络的学习和泛化能力，通过对系统传感器数据的分析，实现对系统故障的自动诊断。
该方法适用于系统故障模式较复杂的情况。
4. 模糊逻辑模糊逻辑是一种扩展了传统逻辑的数学工具，用于描述不确定和模糊的情况。
基于模糊逻辑的故障诊断方法将模糊集合理论应用于故障诊断过程，通过对模糊规则的推理和模糊匹配，实现对系统故障的判断和诊断。
二、容错控制技术容错控制技术是指在控制系统出现故障时，通过改变系统结构或控制策略，使系统仍能维持一定的性能和稳定性。
常见的容错控制技术包括冗余设计、重构控制和适应性控制等。
1. 冗余设计冗余设计是指在系统中引入冗余元件或冗余部件，在故障发生时通过自动或人工切换，实现对故障元件或部件的容错。
冗余设计可以提高系统的可靠性和鲁棒性，但也会增加系统成本和复杂性。
2. 重构控制重构控制是指在系统出现故障时，实时地调整控制策略或参数，使系统继续满足性能要求。
网络故障诊断方法
网络故障诊断方法
故障诊断是指通过对系统中的故障进行分析和处理，找出引起故障的原因并进行修复的过程。
深度学习是基于多层神经网络的机器学习技术，其在故障诊断方面具有很大的潜力。
以下是一些基于深度学习的故障诊断方法：
1. 卷积神经网络（CNN）：通过将信号数据输入到卷积神经网络中，可以识别不同的故障模式。
例如，在旋转机械的故障诊断中，可以将加速度信号输入到CNN中，并根据输出识别不同的故障类型。
2. 循环神经网络（RNN）：与CNN不同，循环神经网络可以对时间序列数据进行处理，并识别故障的时序特征。
例如，在电力系统中，可以使用RNN来预测电力故障的发生以及其持续时间。
3. 深度自编码器（DAE）：深度自编码器可以对输入数据进行降维和重构，从而识别故障的特征。
例如，在机械故障诊断中，可以使用DAE将振动信号转换为低维表示。
4. 生成对抗网络（GAN）：生成对抗网络可以从正常数据中学习并生成异常数据，从而识别故障。
例如，在网络安全领域中，可以使用GAN生成攻击数据，并在此基础上进行网络攻击检测。
这些基于深度学习的故障诊断方法可以提高故障诊断的准
确性和效率，并在许多领域中得到了广泛应用。
基于小波分析和模糊神经网络的齿轮故障诊断研究
１ 小 波分 析 方 法及 原 理
小 波分析 是近 年来 发 展 起来 的新 兴学科 ， 一 作
基 于小 波分 析和模 糊神 经 网络 的齿 轮故 障诊 断研 究 种分 析工 具 ， 誉 为 “ 学 显 微 镜 ” ３， 波 函数 具 被 数 ｌ 小 Ｊ
（ ）／ １ ｆ （ ）ｉ ２ ｆ ｉ Ａ ａ ｄ Ｙ ｉ Ｂ ｔｅ ｓ １ ｎ ｓ １ ｈｎ
＝ ０１ ＋ ｂ Ｙ ＋ ｃ ｌ ｌ
（） 咖 （ ） 轭 。小波 变换 的实质 就 是 ｔ为 ｔ共
以基 函数 的形 式 将 信 号 ｘ ｔ 分 解 为 不 同频 带 的 子 （）
齿 轮装置 由于 其本 身 结构 复 杂 ， 工作 环 境恶 劣 等原 因 ， 易受 到 损 害 和 出现 故 障 ， 而 影 响 整 台 容 从
机械设 备 的 正 常运 行 。所 以研 究 齿 轮 故 障 诊 断 技
模糊 神经 和遗传算 法 等在 故 障诊 断 中的应 用 ， 能够
处理传 统故 障诊断 方 法无 法解 决 的问题 ， 得 故 障 使
合， 兼顾 了实 时性 和 精 确 度 ， 因此 多 种 方法 的有 机
融合 、 合 运 用 这一 趋 势 将 成 为 必 然 发 展 方 向 ｊ 综 。
近 年来人 工 智 能 方 法 如 神 经 网络 、 糊 逻 辑 、 模
收稿 日期 ：２０ ０９—０ ９—１ ；修 改 日期 ：２０ ５ ０ ９—１ ３ １— ０ 基 金 项 目：载 运 工 具 与 装 备 省 部 共 建 教 育 部 重 点 实 验 室 开 放 基 金 资 助 作 者 简 介 ：杨 超 （１６ ９ ９一） 男 ， 士 ， 教 授 ， 要 从 事 设 备 监 测 和 ， 博 副 主
基于深度学习的故障诊断方法综述
随着航空航天技术的快速发展，飞行器在军事、民用等领域的应用越来越广 泛。然而，飞行器故障的发生会给人们的生命财产带来严重威胁，因此飞行器故 障诊断具有重要意义。近年来，深度学习技术的发展为飞行器智能故障诊断提供 了新的解决方案。
飞行器故障诊断问题阐述
飞行器故障诊断是一个多层次、多因素的复杂问题，涉及到机械、电子、控 制等多个领域。传统的故障诊断方法主要基于专家经验和模式识别，但面对复杂 的故障模式和多变的运行环境时，其局限性愈发明显。因此，寻求更加智能、高 效的故障诊断方法成为当务之急。
3、基于卷积神经网络的方法：卷积神经网络是一种广泛应用于图像识别领 域的深度学习算法，可以有效地提取图像中的局部特征和空间关系。在故障诊断 中，基于卷积神经网络的方法可以实现故障图像的自动分类和识别。
深度学习故障诊断方法的应用
深度学习在故障诊断中具有广泛的应用前景，以下是一些典型的实际应用案 例：
深度学习故障诊断方法综述
深度学习是一种新兴的机器学习方法，其通过建立多层神经网络来模拟人脑 神经网络的运作方式，从而实现对复杂数据的处理和分析。在故障诊断领域，深 度学习被广泛应用于各种设备和系统的故障检测与识别，其具有自适应、自学习 和鲁棒性强的优点，可以有效地提高故障诊断的准确性和效率。
基于深度学习的故障诊断方法主要包括以下几类：
文献搜集与整理
在基于深度学习的故障诊断与预测方法方面，目前主要的研究集中在神经网 络、深度学习模型和数据集等方面。
神经网络是故障诊断与预测领域应用最为广泛的一种深度学习技术。卷积神 经网络（CNN）和循环神经网络（RNN）是两种最常用的神经网络模型。其中， CNN适用于处理图像和传感器数据，而RNN适用于处理时序数据。通过训练神经网 络对历史数据进行学习，可以实现故障预测和异常检测。
基于智能算法的故障诊断技术研究
基于智能算法的故障诊断技术研究在大型机械设备的运行过程中，故障是不可避免的。
为了及时发现和修复故障，提高设备的可靠性和生产效率，故障诊断技术变得越来越重要。
智能算法作为一种新兴的技术手段，在故障诊断领域中得到了广泛的应用。
一、智能算法的概念和特点智能算法是一种以计算机程序为基础的智能解决问题的方法，它模拟人类的自我学习和适应能力，在数据处理、决策制定等方面具有优异的表现。
智能算法的主要特点包括：自适应性、鲁棒性、非线性、分布式、并行等。
二、智能算法在故障诊断中的应用1.神经网络神经网络是一种模拟人类神经系统的计算机模型，它具有优秀的自我学习和适应能力，可以通过大量的故障样本进行学习，并根据学习结果对未知故障进行判断。
2.遗传算法遗传算法是一种基于进化论思想的优化算法，它通过对每个个体的适应度进行评估和选择，然后对适应度高的个体进行遗传操作，最终得到适应度更高的个体，从而找出最佳解决方案。
3.模糊逻辑模糊逻辑是一种表达不确定性和模糊性思维的工具，它可以将模糊的、不确定的数据转化为具体的数值，进而进行推理和决策。
在故障诊断中，模糊逻辑可以用于对模糊的、不确定的故障信号进行处理和分析。
4.粒子群算法粒子群算法是一种基于群体智能思想的优化算法，在故障诊断中，可以通过对设备各部件状态的粒子进行初始化，然后根据每个粒子的适应度进行优化，最终得到最佳的设备故障状态。
5.深度学习深度学习是一种基于多层神经网络的机器学习方法，在大数据时代，深度学习可以通过大量的数据进行训练，从而对设备故障进行自动诊断和预测。
三、智能算法的发展趋势随着人工智能技术的迅速发展，智能算法在故障诊断领域中的应用范围和深度将不断扩大。
人工智能技术将不断地创新，例如，卷积神经网络、长短时记忆网络等新型算法的应用，将为设备故障诊断带来更高的效率和精度。
四、总结智能算法在故障诊断领域中的应用，可以有效地发现和定位故障，提高设备的可靠性和生产效率。
基于深度迁移学习网络的水电机组故障诊断方法
基于深度迁移学习网络的水电机组故障诊断方法1. 内容简述通过收集水电机组运行过程中的各种数据（如振动信号、温度、压力等），建立完备的数据集。
这些数据包含正常运行状态下的数据以及不同故障类型下的数据。
采用深度学习技术构建深度神经网络模型，该模型能够自动提取数据的特征，并通过逐层学习的方式，从原始数据中学习到抽象、深层次的特征表示。
在此过程中，模型的参数和结构经过优化，以提高其诊断性能和泛化能力。
引入迁移学习的概念，迁移学习是指将在一个任务上学到的知识迁移应用到另一个任务上。
我们可以将在一般数据集上训练好的深度神经网络模型作为预训练模型，然后利用水电机组的具体数据集进行微调。
可以利用预训练模型的已有知识，加速模型的训练过程，并提高诊断的准确性。
利用训练好的深度迁移学习网络进行故障诊断，通过输入新的数据样本，模型可以自动判断其所属的故障类型。
还可以结合其他诊断手段（如专家系统、信号分析等），进行综合诊断，提高诊断的可靠性。
这种方法结合了深度学习和迁移学习的优势，可以实现对水电机组故障的高效、准确诊断，为水电机组的运行维护和故障处理提供有力支持。
1.1 背景与意义随着水电机组的日益普及和复杂化，其故障诊断显得尤为重要。
传统的故障诊断方法往往依赖于专家知识和经验，缺乏自动化和智能化程度，难以满足现代电力系统对高效、准确故障诊断的需求。
基于深度迁移学习网络的水电机组故障诊断方法应运而生，为解决这一问题提供了新的思路。
深度迁移学习网络具有强大的学习和表示能力，能够从大量数据中自动提取有用的特征，并将这些特征应用于新的任务中。
将这种网络应用于水电机组故障诊断，可以帮助我们更好地理解和利用水电机组运行过程中产生的各种数据，如振动信号、温度信号、功率信号等，从而提高故障诊断的准确性和效率。
基于深度迁移学习网络的水电机组故障诊断方法还可以实现远程监控和预警功能，进一步提高电力系统的安全性和稳定性。
这种方法对于提升水电机组故障诊断的准确性和智能化水平具有重要意义。
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)。
同主要分 为定子绕 组故障 、转子绕组 故障 、 流 信号进 行频谱分析 可 以判 断出 电机 故障类 轴承故 障等几类 。根据 多年 经验研 究以及对 型 。而振 动信号 的故障分析 同上 ，只是采用 ３ ０ ％ 、１ ０ ％ 、１ ５ ％ 。根据 异步 电动机 的结 构特 点可 知 ， 其系 统 主 要分 为 机械 系 统 和 电气 系统 ，机械 系统故 障包括偏 心故障及 轴承故
障，而 电气系统故 障包括定 子绕组和 转子绕 组 故障 。根 据异步 电动机 的常见故 障发生概 率 以及针对 性 ，故本文主要 是对定子 匝间短
一
电动机故 障的分析 ，其故 障发生概率 分别为 的是时域 的均方根特 征 ，因为它是振 动信号 个 数为 ７ 个 。 由于 本文 研究 的 电机 故障包 括
…
…
…
…
…
…
…
…
…
…
．
鲤筮展． ． Ｊ
基 于模糊神 经网络的电动机的故 障诊断
中北大学 芦 斌 姚竹亭
【 摘要 】本 文以异步 电动机为研 究对象 ，提 出了一种 基于模糊神经 网络的故障诊断方 法，并进行 了验证 。将模糊逻辑 引进神经 网络，先对输入数据进行模 糊预处 理，然后将模糊化后 的数据导入神 经网络中，最后得出的结果满足实际需求 ，从而证 明了模 糊神经 网络在 异步电动机的故障诊断 中可行性。
【 关键 词】模糊神经 网络 ；异步 电动机 ；故 障诊 断
１ ． 引言 路 、转子 断条 、转 子偏心 故障、轴承 内圈故 ３ ． １ 神经 网络 结构 、输 入和 输 出神经 异 步 电动 机作 为 人们 日常 生活 和 工业 障进行诊 断分析研 究 。 元个数 的确 定
生产 的主 要驱动装 置和动力 装置 ，具有广泛 目前 ，用 于 电机 故障 诊 断 的常 用技 术 对于 Ｂ Ｐ 神 经 网络 ，有 一个 非 常重 要 的 的应用范 围 已成 为人们生活 生产 中不可或缺 包 括 ：定子 电流检 测法、振 动检测法 、温度 定理 ，是对 任何在 闭区间 内的一个 连续函数 的重 要装置 。据 资料 显示 ，９ ０ ％ 的工业 生产 检测法 等传统 的故 障诊断 方法一般是 在实 际 都可 以用 单隐层 的网络 来逼近 。因而一个三
时域均方 根分析法 。当异步 电动机发 生故障 断 。 时 ，就是 改变正常 的气隙磁 通波形 ，进 而改 根据 本文 研 究 的故 障诊 断对 象 ，是 通
异 步 电动 机常 见 故 障按 照 发生 位置 不 变 定子 电流频 率 波形 ，对 采 集到 的定子 电
过５ 个不 同位 置 的振动 信号和对应 的２ 个定子 电流 特征 频 率 的检 测 来分 析 和诊 断 ，故 确 定网络 输入 是一 个７ 维向量 ， 即输 入神 经元 ４ 种模 式 （ 定子 匝间 短路 ，转 子 断条 ，转 子 偏 心 ，轴 承 内圈 ） ，其对 应 的 定子 电流 特 征频 率为 （ １ ４ ７ ． ８ Ｈ ｚ ，２ ４ ５ ． ６ ｌ ｉ ｚ ，４ ７ ． ７ Ｈ ｚ ，
并根 据实 际情 况 向小 额消 费 等领 域 拓展 。 “ 一卡通 ”的运营单位 应充分考虑 各公共交
卡通 ”，这 样就顺 利的进入 了 “ 一卡 通 ”的 面 太宽 ，各种利益难 以平衡 ，一时很难 达到 通运 营企业 的利 益 ，可 以由各运营企 业共 同 使用期 ，避 免 了过渡 期 ，避 免让市 民了在熟 真正 “ 一 卡通全城 ”的理念 。因此根据 以上 投 资建立 。城 市 “ 一卡 通”系统 ，要实现最 悉地铁票后 ，再经 过过渡来 重新熟悉 “ 一卡 现 状和城 市的实 际情 况 ，城 市 “ 一卡通 ”系 终 的 目标 ，需要在参考 其他城市成 功经验 的
９ ５ ０ ． ９ Ｈ ｚ ）。接 下来确 定 网络 输 出模 式。神 经 网络输 入 数 据是 提 取相 应 特征 频 率 的幅
共 城市 “ 一 卡通 ”用 ，统一管理 ”的 目标 ，
上对其有 一定 的认 识但又好 奇 ，这就 促使人
一
民在 地铁开 通之 际尝试 的原 因 ，这期 间我们 各城 市 目前 “ 一 卡通 ”涵盖 的 消 费领 开始就将 市 民要 购买 的地 铁票发行 成 “ 一 域很有 限，主要是 各行业 、各部 门所 涉及 的
些风扇 、冰箱等家 电 。显而 易见 ，电动机 的 故障特征 参数 的提 取 ，对 故障特征参 数进行 理能力 ，但 同时也使 网络的规模增 大，结构
正 常工 作 对保 证 工 业生 产 和 日常生 活 的低 分析来确 定其故 障。测量 的参数主要 包括定 变得复杂 。加大 了计 算工作量及模 式样本数 耗、优质 、高效和 安全运行 意义重大 。 由此 子 电流 、电机温度 、振动 、噪声等信 号 。以 量。这样一 来，使 网络 的训练时 间变长 ，所 看 出，电机一旦 发生故障甚 至停机 ，必将 带 上方法 各有 自己的优点和特 点 ，一般根 据实 以增加一个 隐层是可 以的，但Ｂ Ｐ 神 经网络 隐 给个人生 活和企业 的生产带 来不便和 损失 。 际情况和 研究对 象来选择合 适的方法 。在本 层数一般不 超过两层 。本文采用 只包含一个 因此 ，对 于 电机故 障的准确 和及时地 诊断并 文主要采 用定子 电流频谱分 析法和振 动信号 隐层的Ｂ Ｐ 神 经网络对 电机发生 的故 障进行诊 加 以排 除具有较大 的意义 。 ２ ． 异步 电动机常 见故障及诊 断方法
原动力是 大型异 步电动机 。各种小 型的 电动 测量 的参数 基础 上 ，用数 学 的 （ Ｆ Ｆ Ｔ ）、信 层 Ｂ Ｐ 网络 就可 以完 成 任意 的ｎ 维 到ｍ 维 的映 机也广泛 的应用 于人们 的 日常生活 中 比如一 号处理 （ 小波分析 ）等方法 对测量参 数进行 射，增加 隐含层 固然 可 以提高神经 网络 的处
个广泛 的特征参 数 。
３ ． 模糊神 经网络构 建 神经 网络 与模 糊逻 辑 的 建立 有 多种 方 式 ，将模 糊逻辑 引入 神经 网络中 ，对模 糊网 络 的输入 数据进行模 糊化预 处理 。本 文将采 用上面 的模糊神经 网络建立 方法 。
６ ． 城市 “ 一卡通 ”系统的建 设 目标