预测结果与实际结果相比

,其绝对误差最大值等于 0.06，结合现场传感器的测量误差,可以认

为这些数据基本满足实际的电机正常运行的预测要求。

5 结论

本文将模糊神经网络与时间序列结合起来

,并引入时差法,建立了新的预测模型,并以电机运

行时的振动电压峰峰值为依据，对电机的运行状态做了预测。检测结果表明：该预测模型的

预测精度较高，误差小，是一种较为实用可行的方法。

参考文献

[1]钮永胜,赵新民,孙金玮.采用基于神经网络的时间序列预测器的传感器故障诊断新方法[J].

仪器仪表学报

.1998,19（4）:383-388.

[2]赵翔,萧德云.基于神经网络多步时序预测的非线性系统故障诊断 [J].控制理论与应

用

.2000,17（6）:803-808.

[3]胡寿松,张正道. 基于神经网络的非线性时间序列故障预报[J].自动化学报.2007,33

（

7）:744-748.

[4] Lin C T,Lee C C G.N Neuranl network based on logic control and decision system [J].IEEE

Trans.On Computers,1991,40（12）:1320

[5]陈果.非线性时间序列的动力学混沌特征自动提取技术[J].航空动力学报.2007,22（1）:1-6

[6]史会余,孟凡荣.BP 神经网络在煤矿监测数据预测中的应用[J].微计算机信息,2008,24

（

71）:26-27

[7] 杨璐,黄梯云.一种基于神经网络的时间序列自适应建模和预测方法[J].决策与决策支持系

统

,1996,6（2）:69-74.

找电机资料，就到一览电机文库