為診斷與分析船舶同步發(fā)電機(jī)定轉(zhuǎn)子繞組匝間短路故障,文章采用基于主成分分析法（PCA）和遺傳算法（GA）優(yōu)化BP神經(jīng)網(wǎng)絡(luò)（GA-BP神經(jīng)網(wǎng)絡(luò)）的故障診斷方法。首先利用Maxwell軟件平臺(tái)故障仿真得到的定子三相電流作為特征信號(hào),通過(guò)小波包分解重構(gòu)以及PCA降維的處理方式,生成15維的樣本數(shù)據(jù),降低了網(wǎng)絡(luò)規(guī)模以及處理計(jì)算時(shí)間,并針對(duì)傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)收斂速度慢以及易陷入局部極小值的特點(diǎn),利用GA算法對(duì)BP神經(jīng)網(wǎng)絡(luò)權(quán)值與閾值進(jìn)行優(yōu)化。通過(guò)樣本數(shù)據(jù)對(duì)GA-BP神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練測(cè)試,驗(yàn)證了PCA和GA-BP神經(jīng)網(wǎng)絡(luò)對(duì)于船舶同步發(fā)電機(jī)定轉(zhuǎn)子匝間短路故障診斷具有可行性以及準(zhǔn)確性。 

【文章來(lái)源】：中國(guó)修船. 2020,33(04)

【文章頁(yè)數(shù)】：7 頁(yè)

【部分圖文】：

發(fā)電機(jī)正常以及故障狀態(tài)下三相電流仿真波形

同步發(fā)電機(jī)在正常狀態(tài)以及匝間短路故障狀態(tài)下，由于其A相電流重構(gòu)信號(hào)16個(gè)頻帶的能量占比數(shù)據(jù)主要集中在前半部分，因此僅對(duì)前10個(gè)頻帶的能量占比進(jìn)行展示，如表2所示。由表2可知，正常狀態(tài)、5.0%、12.5%、30.0%定子繞組匝間短路，12.5%、25.0%、50.0%轉(zhuǎn)子勵(lì)磁繞組匝間短路的能量主要集中在1、2、3、4、5頻帶，45.0%定子繞組匝間短路的能量主要集中在1、2、4、5、7頻帶。2.2 PCA降維

由公式(9)知，隱含層節(jié)點(diǎn)數(shù)在4～14之間，從中選取效果最佳的隱含層節(jié)點(diǎn)數(shù)。利用訓(xùn)練樣本對(duì)不同隱含層節(jié)點(diǎn)的神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，圖3為不同隱含層節(jié)點(diǎn)數(shù)下的BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練精度。由圖3可知，當(dāng)隱含層節(jié)點(diǎn)數(shù)為10時(shí)神經(jīng)網(wǎng)絡(luò)訓(xùn)練精度最小，因此確定隱含層節(jié)點(diǎn)數(shù)為10。圖4為傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)以及GA-BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練誤差變化曲線。可看出，GA-BP神經(jīng)網(wǎng)絡(luò)收斂效率優(yōu)于傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)，克服了傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)后期陷入局部極小值，影響收斂速度的缺點(diǎn)。

【參考文獻(xiàn)】：
期刊論文
[1]基于BP神經(jīng)網(wǎng)絡(luò)的高壓斷路器故障診斷[J]. 余鋒,許開(kāi)熙,黃俊,黃濤,汪繼剛.  真空科學(xué)與技術(shù)學(xué)報(bào). 2019(03)
[2]基于GA-PSO優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的壓縮機(jī)氣閥故障診斷[J]. 邵繼業(yè),謝昭靈,楊瑞.  電子科技大學(xué)學(xué)報(bào). 2018(05)
[3]智能故障診斷技術(shù)研究綜述與展望[J]. 李紅衛(wèi),楊東升,孫一蘭,韓娟.  計(jì)算機(jī)工程與設(shè)計(jì). 2013(02)
[4]基于BP神經(jīng)網(wǎng)絡(luò)的鑿巖爆破參數(shù)優(yōu)選[J]. 王新民,趙彬,王賢來(lái),張欽禮.  中南大學(xué)學(xué)報(bào)(自然科學(xué)版). 2009(05)

碩士論文
[1]基于小波分析和神經(jīng)網(wǎng)絡(luò)的船舶同步發(fā)電機(jī)故障診斷研究[D]. 劉文.武漢理工大學(xué) 2013



本文編號(hào)：3594817