混合蛙跳脊波神经网络观测器电机故障诊断研究

发布时间：2018-05-30 05:26

  本文选题：混合蛙跳算法 + 神经网络观测器　； 参考：《仪器仪表学报》2013年01期

【摘要】：针对牵引电机非线性、强耦合、时变的特点,提出一种基于混合蛙跳算法脊波神经网络观测器牵引电机故障诊断方法。该方法利用观测器生成残差,并通过对残差的分析实现故障检测与分离。首先将牵引电机模型分为线性函数部分和非线性函数部分,并利用脊波神经网络逼近这个非线性函数,然后在此基础上建立自适应观测器,并通过最优算法求出观测器反馈增益矩阵。为提高神经网络的收敛速度和逼近精度,利用混合蛙跳优化算法对神经网络参数进行优化。通过实验对混合蛙跳算法脊波神经网络观测器、RBF神经网络观测器以及BP神经网络观测器进行比较,结果表明,该方法的收敛速度较BP神经网络观测器提高了80.3%,故障诊断准确率提高41.5%。
[Abstract]:Aiming at the nonlinear, strong coupling and time-varying characteristics of traction motor, a novel fault diagnosis method based on hybrid leapfrog algorithm for traction motor based on ridgelet neural network observer is proposed. In this method, the observer is used to generate the residuals, and the fault detection and separation are realized through the analysis of the residuals. Firstly, the traction motor model is divided into linear function part and nonlinear function part, and the ridgelet neural network is used to approximate the nonlinear function, and then an adaptive observer is established. The observer feedback gain matrix is obtained by the optimal algorithm. In order to improve the convergence speed and approximation accuracy of neural networks, the parameters of neural networks are optimized by hybrid leapfrog optimization algorithm. The experimental results show that the RBF neural network observer and the BP neural network observer are compared with the chiffon neural network observer of the hybrid leapfrog algorithm. The convergence rate of this method is 80.3 higher than that of BP neural network observer, and the accuracy of fault diagnosis is 41.5% higher than that of BP neural network observer.
【作者单位】： 中南大学信息科学与工程学院;
【基金】：国家863计划(2009AA11Z217) 湖南省科技厅项目(2010FI3058) 湖南教育厅科学研究项目(11C0725)资助
【分类号】：TM307.1;TP183

【参考文献】

相关期刊论文 前10条

1 何静;邱静;张昌凡;;一种不确定非线性系统的滑模变结构观测器的研究[J];电子测量与仪器学报;2009年04期

2 许杰;年晓红;张超;颜会东;;基于转矩方程的感应电机转速自适应辨识方法[J];系统仿真学报;2010年05期

3 谢颖;陈文彪;蓝娟;李伟力;;笼型感应电机转子断条故障诊断方法[J];仪器仪表学报;2006年S2期

4 方瑞明;郑力新;马宏忠;黄东海;;基于MCSA和SVM的异步电机转子故障诊断[J];仪器仪表学报;2007年02期

5 胡为;胡静涛;;改进的符号时间序列分析方法及其在电机故障诊断中的应用[J];仪器仪表学报;2009年04期

6 纪志成;常军;;基于等价输入干扰估计器的永磁同步电机无速度传感器控制[J];仪器仪表学报;2009年10期

7 周军;张如飞;于晓洲;;基于双解析模型的故障隔离与估计方案及应用[J];仪器仪表学报;2010年05期

8 于洪霞;胡静涛;;基于EKF的异步电机转速和负载转矩估计[J];仪器仪表学报;2011年02期

9 张昌凡;黄宜山;邵瑞;;基于观测器的感应电机故障检测方法及应用[J];仪器仪表学报;2011年06期

10 连远锋;李国和;吴发林;赵剡;;基于遗传PNN网络的组合导航故障诊断研究[J];仪器仪表学报;2012年01期

【共引文献】

相关期刊论文 前10条

1 董涛;程培源;樊波;孟飞翔;;基于单相功率频谱分析的感应电机故障诊断[J];大电机技术;2011年02期

2 孟飞翔;程培源;杨旭峰;张兴;;鼠笼式异步电动机转子断条数目判据研究[J];大电机技术;2011年03期

3 王莉;魏民;魏蔚;;瞬时功率在感应电机故障诊断中的研究[J];大电机技术;2012年02期

4 韩天;尹忠俊;杨邵伟;;电机转子断条故障诊断方法探讨[J];电力系统及其自动化学报;2009年01期

5 董涛;程培源;樊波;任剑波;;功率频谱在异步电动机故障诊断中的应用[J];电力系统及其自动化学报;2011年02期

6 李莉;;强跟踪滤波器在实时数据处理中的应用[J];电子测量技术;2010年12期

7 李莉;;衰减记忆扩展卡尔曼滤波在目标跟踪中的应用[J];电子测量技术;2011年02期

8 陈琢;江皓;张宏;;基于累积释放模型的测量电路研究[J];电子测量技术;2011年04期

9 岳明;;永磁同步电机的快速启动方案设计[J];电子测量技术;2011年04期

10 孙国强;卢荣胜;田芳宁;张连第;;高机动雷达故障自动定位技术[J];电子测量技术;2011年04期

相关会议论文 前1条

1 宋彦兵;方瑞明;卢小芬;;基于改进MCSA的异步电机转子故障的模糊推理诊断法[A];中国高等学校电力系统及其自动化专业第二十四届学术年会论文集（中册）[C];2008年

相关博士学位论文 前2条

1 谢颖;感应电机转子断条故障的电磁场与温度场研究[D];哈尔滨工业大学;2008年

2 肖金壮;机器人故障探测诊断与容错控制及实验研究[D];燕山大学;2010年

相关硕士学位论文 前5条

1 鞠旋;自适应滑模观测器的研究与应用[D];江南大学;2011年

2 周超英;无速度传感器的异步电动机直接转矩控制系统研究[D];兰州理工大学;2011年

3 鄢波;基于小波包与符号分析方法的汽轮机转子故障诊断研究[D];华南理工大学;2011年

4 陈卫文;三相鼠笼异步电机转子故障智能诊断方法研究[D];华侨大学;2008年

5 赵倩;时滞系统的支持向量机滑模控制研究[D];太原科技大学;2012年

【二级参考文献】

相关期刊论文 前10条

1 方瑞明;马宏忠;;基于最小二乘支持矢量机的异步电机转子故障诊断研究[J];电工技术学报;2006年05期

2 黄志武;单勇腾;年晓红;刘心昊;李艺;;基于自适应观测器的感应电机无速度传感器DTC系统的仿真[J];电气传动;2007年04期

3 赵从毅,王健,郁黎扬;轧机大电机运行状态监测系统[J];电子测量与仪器学报;2003年02期

4 钱华明;王雯升;;遗传小波神经网络及在电机故障诊断中的应用[J];电子测量与仪器学报;2009年03期

5 叶笠;王厚军;田书林;;一种容差模拟电路故障诊断的新方法[J];电子测量与仪器学报;2009年07期

6 林云;郜丽鹏;;基于灰色关联和证据理论的故障诊断方法[J];电子测量与仪器学报;2009年07期

7 杨正友;彭涛;李健宝;钟云飞;;基于贝叶斯推断LSSVM的滚动轴承故障诊断[J];电子测量与仪器学报;2010年05期

8 何静;邱静;;一种基于滑模变结构观测器的故障检测方法[J];国防科技大学学报;2009年02期

9 向馗;蒋静坪;;复杂系统的异常检测方法[J];机床与液压;2008年01期

10 邱恺,魏瑞轩,张宗麟;一种基于RBF网络的自适应容错联邦滤波算法研究[J];控制与决策;2004年12期

【相似文献】

相关期刊论文 前10条

1 张登峰;郝伟;郝旺身;董辛e，

本文编号：1954099