训练。根据网络输出的断条数和电机实际断条数的偏差(诊断误差),从输出层开始,反过来
调整网络中的权值。通过反复调整学习和训练,形成一个完整的基于神经网络的故障诊断
系统。使用时,对应一组输入的故障征兆,网络将迅速给出诊断结果。图 4　神经网络的结构
图
学习阶段中,电机转子断条数目的确定仍需专家给出定性的诊断结论 ;应用推广阶段中,就
可根据输入的信息自动诊断出当前的电机状况(正常运行或存在故障),并给出断条数目和
故障位置。实验结果表明,训练好的 BP 网络对于电机转子断条故障的辩识精确度可达
100%。
5　试验结果分析
实验接线图示于图 5。实验电机采用一台 Y100L-2 型三相异步电动机(3 kW、380 V50 Hz、2
极)和一台 Y100L1-4 型三相异步电动机(2. 2 kW、380 V、50 Hz、4 极)。对每一台实验电机,除
其正常转子外,另配备两个故障转子以模拟断条故障,这两个故障转子分别存在一根断裂导
条、连续两根断裂导条,断条的位置不同,并进行反复实验。2008.No. 4 基于神经网络的电机
转子断条故障诊断图 5　试验接线图

　　从以上的结果可知,与基于数学模型的故障诊断方法相比,由于神经网络具有很强的非
线性映射能力、良好的学习能力、独特的联想记忆能力等优点,因此十分适用于复杂电机系
统的转子断条故障诊断。基于神经网络的电机转子断条故障诊断方法无需精确的数学模型,
无需相关的电机故障诊断知识,仅需提前得到网络训练的数据,就可实现理想的效果,这也
是电机转子断条故障诊断智能手段的优势所在。然而,值得注意的是,基于神经网络的电机
转子断条故障诊断方法也存在内在不足。如问题的解决依赖于神经网络结构的选择、训练
过度或不足、较慢的收敛速度等都可能影响故障诊断的效果;定性的或是语言化的信息无
法在神经网络中直接使用或嵌入,而且较难用训练好的神经网络的输入出映射关系来解释
实际意义的电机转子断条故障诊断规则。
6　结语
电机转子断条故障诊断技术是一门研究故障机理,在线监测和故障特征量提取,以及诊断推
理的多学科交叉的新兴学科,本文用人工神经网络电机进行转子断条故障状态的识别和判
断,该系统以此为典型实例,反映电机转子断条故障诊断的规律,有指导意义和实用价值。实
践表明,将训练恰当的人工神经网络应于异步电机转子故障诊断,可以获得满意的诊断效果。

参　考　文　献
[1]   SubhasisNandiHamid   A.   Toliyat.   Fault   diagnosis   of   electricalmchines-   a   review   [C]. 
Proceedings from Electric Machines anDrives, 1999: 219-221.
[2]  M.Y.Chow,R.N.  Sharpe, J.C.Hung.On the application and desiof artificial neural networks 
formotor fault detection( I)[J]. IEETrans. on IndustrialElectronics, 1993, 40: 181-188.
[3] F. Filippett,i G. France schini and C.Tasson.i Neuralnetworks[M]
[4]殷勤业.模式识别与神经网络[M].北京:机械工业出版社,1992.