基于Elman神经网络的电机故障诊断

兵工自动化　■控撞ｉｆｆ　Ｍｅａｓｕｒｅｍｅｎｔ　ａｎｄ　Ｃｏｎｔｒｏｌ　Ｔｅｃｈｎｉｑｕｅ　Ｏ．Ｉ．Ａｕｔｏｍａｔｉｏｎ　２００６，Ｖｏ１．２５，Ｎｏ．８　２００６年第２５卷第８期　文章编号：１００６—１５７６（２００６）０８—００７６—０２　基于Ｅｌｍａｎ神经网络的电机故障诊断　张瑞祥，赵军红，胡永胜　（第二炮兵工程学院５０２教研室，陕西西安７ｌ００２５）　摘要：通过Ｅｌｍａｎ神经网络训练采集到的电机特征频率振动信号，建立电机故障的模型。并以转子故障为对象，　在电机实验台上分别采集水平和垂直方向上的振动信号，通过放大、滤波和Ａ／Ｄ转换后，进行频谱分析。为验证网　络对故障判断的效果，对故障电机采集振动信号后，代入网络检验。验证表明该网络模型可有效识别电机常见故障。　关键词：电机；故障诊断；Ｅｌｍａｎ神经网络；频率振动信号　中图分类号：ＴＰｌ８３；ＴＰ２０６．０３　文献标识码：Ａ　Ｓｔｕｄｙ　Ｏｎ　Ｍｏｔｏｒ　Ｆａｕｌｔ　Ｄｅｔｅｃｔｉｏｎ　Ｂ　ａｓｅｄ　Ｏｎ　Ｅｌｍａｎ　Ｎｅｕｒａｌ　Ｎｅｔｗｏｒｋ　ＺＨＡＮＧ　Ｒｕｉ—ｘｉａｎｇ，ＺＨＡＯ　Ｊｕｎ—ｈｏｎｇ．ＨＵ　Ｙｏｎｇ．ｓｈｅｎｇ　（５０２　Ｓｔａｆｆ　Ｒｏｏｍ，Ｓｅｃｏｎｄ　Ａｒｔｉｌｌｅｒｙ　Ｅｎｇｉｎｅｅｒｉｎｇ　Ｃｏｌｌｅｇｅ，Ｘｉ’ａｎ　７　ｌ００２５，Ｃｈｉｎａ）　Ａｂｓｔｒａｃｔ：Ｔｈｅ　ｍｏｔｏｒ　ｆａｕｌｔ　ｍｏｄｅｌ　ｗａｓ　ｅｓｔａｂｌｉｓｈｅｄ　ｂｙ　ｕｓｉｎｇ　ｔｈｅ　ｆｒｅｑｕｅｎｃｙ　ｖｉｂｒａｔｉｏｎ　ｓｉｇｎａｌ　ｏｆ　ｍｏｔｏｒ　ｆｅａｔｕｒｅ　ｗｈｉｃｈ　ａｃｑｕｉｒｅｄ　ｂｙ　Ｅｌｍａｎ　ｎｅｕｒａｌ　ｎｅｔｗｏｒｋ、Ａｎｄ　ｔｈｅ　ｒｏｔｏｒ　ｆａｕｌｔ　ｗａｓ　ｔａｋｅｎ　ａｓ　ｔｈｅ　ｏｂｊｅｃｔ；ｔｈｅ　ｖｉｂｒａｔｉｏｎ　ｓｉｇｎａｌｓ　ｏｆ　ｌｅｖｅｌ　ａｎｄ　ｕｐｒｉｇｈｔｎｅｓｓ　ｄｉｒｅｃｔｉｏｎｓ　ｗｅｒｅ　ｇａｔｈｅｒｅｄ　ｉｎ　ｍｏｔｏｒ　ｔｅｓｔ　ｐｌａｔｆｏｒｍ；ａｆｔｅｒ　ａｍｐｌｉｆｉｃａｔｉｏｎ，ｆｉｌｔｅｒｉｎｇ，ａｎｄ　Ａ／Ｄ　ｃｏｎｖｅｒｓｉｏｎ，ｔｈｅ　ｓｐｅｃｔｒｕｍ　ｗａｓ　ａｎａｌｙｚｅｄ、Ｆｏｒ　ｔｅｓｔｉｎｇ　ｔｈｅ　ｅｆｆｅｃｔ　ｏｆ　ｎｅｔｗｏｒｋ　ｆａｕｌｔ　ｅｓｔｉｍａｔｉｏｎ．ａｆｔｅｒ　ａｃｑｕｉｒｉｎｇ　ｖｉｂｒａｔｉｏｎ　ｓｉｇｎａｌ　ｏｆ　ｆａｕｌｔ　ｍｏｔｏｒ．ａｎｄ　ｔｈｅ　ｒｅｓｕｌｔｓ　ｗｅｒｅ　ｔａｋｅｎ　ｉｎｔｏ　ｎｅｔｗｏｒｋ．Ｔｈｅ　ｔｅｓｔ　ｓｈｏｗｅｄ　ｔｈａｔ　ｔｈｉｓ　ｎｅｔｗｏｒｋ　ｍｏｄｅｌ　ｃｏｕｌｄ　ｒｅｃｏｇｎｉｚｅ　ｔｈｅ　ｇｅｎｅｒａｌ　ｆａｕｌｔｓ　ｏｆ　ｍｏｔｏｒ．　Ｋｅｙｗｏｒｄｓ：Ｍｏｔｏｒ；Ｆａｕｌｔ　ｄｅｔｅｃｔｉｏｎ；Ｅｌｍａｎ　ｎｅｕｒａｌ　ｎｅｔｗｏｒｋ；Ｆｒｅｑｕｅｎｃｙ　ｖｉｂｒａｔｉｏｎ　ｓｉｇｎａｌ　０　引言　如何及时确定电机故障原因、类别、及故障严　重程度，是电机可靠运行的重要保障。由于人工神　经网络具有超强的适应能力和学习能力，故基于　Ｅｌｍａｎ网络学习函数采用ＢＰ算法进行权值修　正，按减小目标与实际误差的方向，从输出层经各　中间层逐层修正连接权值后回到输入层。其指标函　数是训练输出与目标结果的误差平方和。　Ｅｌｍａｎ神经网络实现电机故障诊断。　２故障诊断实验研究　以转子故障为研究对象，在电机实验台上分别　采集水平和垂直２个方向上的振动信号，通过放大、　滤波和Ａ／Ｄ转换后，进行频谱分析，其系统结构如　图２。选取信号中的０－４～０．５（ｏ０，∞０，２∞０，３（ｏ０及３（ｏｏ　ｌ　Ｅｌｍａｎ神经网络　Ｅｌｍａｎ神经网络属反馈型神经网络，比前向神　经网络具有更强的计算能力。是在前馈型网络中增　加承接层，作为延时算子，达到记忆目的。Ｅｌｍａｎ　神经网络可分为输入层、隐含层、承接层和输出层，　其结构见图１。其中隐含层的输出通过承接层的延　迟过程后，返回到隐含层的输入。因此比ＢＰ网络　以上信号作为故障诊断特征信号。　传感器｝＿＋Ｉ数据处理｝＿　频谱分析　Ｅｌ　ａｎ　图２系统结构图　＋　等前向网络更加注重全局稳定性。　（０　４～０．５）（Ｉ）０　ｌ　１．０５２８　表ｌ训练样本　输入训练样本　Ｏ１０　０．２５００　故障状态　３（ｏ０　＞３（ｏ０　０．０５５４　２（ｏ０　０．００６８　输出层　隐含层　２　３　层　ｌ　０７７２　ｌ　０６５０　０．０３ｌ１　０．００６８　０．０４３３　０　００６８　ｎ’’　７　０．０４３３　０．００６８　０．００６８　０、２８６５　０．０１８９　０．０１　８９　—０　００５４　０．０３１１　油膜　振荡’　４　５　６　７　１　１７４５　０．０７９８　０　０ｌ８９　—０．０１　７６　转子　１．１９８８　０　Ｉｌ６２　０　０４３３　０．００６８　不平衡　１．０７７２　０．４８１２　输入层　０．１２８４　０．５０５５　０．００６８　０．３９６０　０．００６８　（）．１６４９　８　０．００５４　０．００５４　０　６１４９　０　４６９０　０　３７ｌ７　０　４６９０　０．５５４１　０．４０８２　０．１０４ｌ　０　２０１４　转子　９　不对中　Ｅｌｍａｎ　络空间的关系可表示成：　ｙ（ｋ）　ｇ（ｗ３ｘ（ｋ））　ｘ（ｋ）＝ｆ（ｗｌｘ　（ｋ）＋ｗ２（ｕ（ｋ　１）））　ｘ　（ｋ）＝ｘ（ｋ—１）　由实验台模拟电机的转子不对中，转子不平衡　和油膜振荡故障，获取网络的训练样本参数，见　表１。为防止输入样本数据问偏差过大，对其进行　收稿【Ｊ划：２００６—０５—１４：修川【¨Ｊ捌：２００６—０６—０５　作　简介：０Ｋ瑞徉（１９７６～），　，江　人，第　炮兵１．程学院在读硕十一，从事Ｉ乜　系统及其自动化研究。　・７６・　维普资讯 http://www.cqvip.com

兵工自动化　量控技ｊｆｔ　Ｍｅａｓｕｒｅｍｅｎｔ　ａｎｄ　Ｃｏｎｔｒｏｌ　Ｔｅｃｈｎｉｑｕｅ　０．００４４　０．０００８　０．０００８　０．００１０　０．９９８４　０．０００２　０．０００　１　０．９９８７　０．９９９１　０．００１０　０．Ｉ．Ａｕｔｏｍａｔｉｏｎ　２００６年第２５卷第８期　２００６，Ｖｏ１．２５，Ｎｏ．８　０．９９９４　０．９９９９　０．００　Ｉ４　０．０００８　０．０００５　归一化处理：ｘ’＝（Ｘ－Ｘｍｉ　）／（ｘｍａｘ－Ｘｍｉ　）。　对应于故障状态，确定网络故障模式，表示网　络的输出：　油膜振荡：（１，０，０）　转子不平衡：（０，１，０）　转子不对中：（０，０，１）　０．９９８１　０．００１３　０．０００７　可见系统能够正确识别故障的类型，即ｌ、２　为转子不对中；３、４为转子不平衡；５、６为转子油　建立一个Ｅｌｍａｎ网络，综合考虑网络的训练速　度和精度的要求，隐含层个数为２１个，训练精度为　ｅｐｓ：１０～。经２８２次训练，误差达到９．９８６３３×１０　已满足训练要求。　膜振荡故障。　３　结语　相比较ＢＰ网络等前向神经网络而言，Ｅｌｍａｎ　神经网络不仅学习效率高，逼近速度快，而且能够　为验证网络对故障判断效果，如表２，对故障　电机采集振动信号后，代入网络进行检验。　表２检验样本　检验样本　（０．４～０．５）ｃｏｏ　ｌ　２　３　４　５　克服前向网络局部收敛的缺点，在电机故障诊断及　专家系统领域具有重要的应用。　ＣＯ０　２ＣＯｏ　３ｔＯｏ　０．３２３０　０．４２０３　０．０３ｌｌ　０．００５４　０．００６８　＞３ｔＯｏ　０．３３５２　０．２２５７　０．０ｌ８９　０．００６８　—０　００５４　参考文献：　［１］飞思科技开发研究中心．神经网络理论与ｍａｔｌａｂ实现　［Ｍ］．北京：电子工业出版社，２００５．　［２］关惠玲，韩捷．设备故障诊断专家系统原理及实践［Ｍ］．　北京：机械工业出版社，２０００．　［３］尹作友，张化光．基于人工神经网络的压力容器故障诊　断…．仪器仪表学报，２００５，（８）．　０．０ｌ７６　０．００５４　０．０ｌ８９　０．００６８　ｌ　０ｌ６３　０　５２９８　０．４９３３　０．５６６３　０．５６６３　１．１５０ｌ　ｌ　０８９３　０．２８６５　０．１２８４　０．０７９８　０．０５５４　６　０．９７９９　０　３２３０　０．０４３３　０．０３ｌｌ　０．０ｌ　８９　网络识别结果为：　（上接第６８页）　管理中心可在本地进行认证工作，　提高稳定性，同时也可避免过多访问证书管理服务　器，保证服务器安全。　源共享，并在应用中取得较好的效果。未来需深入　研究：ＤＣＤＳ中诊断信息的标准化，即标准化系统　诊断节点如ＰＭＡ、ＤＣ、ＤＭＣ的属性、功能等；协　同诊断环境下各种诊断模式对安全认证方式的影响　及基于诊断虚拟组织的协同诊断方法等问题。　（２）协同诊断的安全保障　ＤＣＤＳ系统采用成熟的ＰＫＩ与ＰＳｅｃ技术联合　构建协同诊断的安全保障体系，如图４。由于ＰＭＡ　不存储自身证书，必须先向诊断管理中心请求自己　的证书，然后与管理中心进行相互身份认证。通过　后建立ＩＰＳｅｃ连接获得相应的ＤＣ的相关信息与证　书，最后ＰＭＡ根据获得的信息与ＤＣ进行ＩＰＳｅｃ　参考文献：　［１］张晓彤，徐金梧，杨德斌，等．基于Ｉｎｔｅｒｎｅｔ的设备远程　诊断系统实现技术研究…．冶金设备，２００１，（１）：３０—３６．　［２１　Ｎｉｃｈｏｌａｓ　Ｈ　Ｍ　Ｃａｌｄｗｅｌｌ，Ｈｏｌｂｕｒｎ．Ｒｅｍｏｔｅ　Ｉｎｓｔｒｕｍｅｎｔ　Ｄｉａｇｎｏｓｉｓ　ｏｎ　ｔｈｅ　Ｉｎｔｅｒｎｅｔ．ＩＥＥＥ　ＥＸＰＥＲＴ　Ｉｎｔｅｌｌｉｇｅｎｔ　连接，实现故障诊断信息的安全通信。　（３）分布式协同诊断　ＤＣＤＳ系统通过诊断代理服务器实现分布式协　同诊断，诊断代理服务器收到ＰＭＡ提出诊断请求　后，先进行身份认证，再查询节点信息库并进行策　略分析确定采用何种诊断模式，对分布式协同诊断　模式，诊断代理服务器则向相关诊断中心捉山诊断　请求，并将返凹诊断结果综合处理后反馈ＰＭＡ。　Ｓｙｓｔｅｍｓ＆Ｔｈｅｉｒ　Ａｐｐｌｉｃａｔｉｏｎｓ［Ｊ］．１　９９８，１　３（３）：７０　７６　【３１　Ｊｉｍ　Ｍ　Ｎ，Ｔｓａｎｇ　Ｐ　Ｈ　Ｈ，Ｔｓａｎｇ　Ｃ　Ｈ　Ｋ．Ｎｅｔｗｏｒｋ　Ｒｅｑｕｉｒｅｍｅｎｔｓ　ｆｏｒ　Ｒｅｍｏｔｅ　Ｄｉａｇｎｏｓｉｓ　Ｃｏｎｓｕｌｔａｔｉｏｎ　ｆＪ］．　Ｉｎｄｕｓｔｒｉａ１　Ｔｅｃｈｎｏｌｏｇｙ．１　９９４．　【４１　Ｂｏｎｉｎｇ　Ｄ，Ｃｈｅｎ　Ｋ　Ｎ　Ｎｅｘｔ　Ｇｅｎｅｒａｔｉｏｎ　Ｒｅｍｏｔｅ　Ｍｏｎｉｔｏｒｉｎｇ　ａｎｄ　Ｄｉａｇｎｏｓｉｓ　ｆＮ１．ＬＦＭ　ｓｙｍｐｏｓｉｕｍ，１９９７　０９—１６　［５】王超，罗平．ＣＡ—ＩＰＳｅｃ的ＶＰＮ结构解决方案…．计算机　工程与应用，２００１，（２２）：５４　５６．　【６］郭亮，王晖，等．装备协同诊断系统的数据安全分发…．　兵工自动化，２００５，２４（２）：６　８．　３　结语　ＤＣＤＳ与传统的诊断系统相比具有以下特点：　欢娅读者订阅　分级诊断管理中心实现全网统一管理；支持多种　断模式；统一的安全保障；面向诊断服务；诊断资