基于k均值的RBF神经网络算法的电机故障诊断方法

摘要

一种基于k均值的RBF神经网络算法的电机故障诊断方法，包括：根据k均值聚类算法提取出电机的故障样本集，利用故障样本集使RBF神经网络开始学训练；当RBF神经网络训练完成后，使各个隐节点的数据中心相应的输出权值不再改变，随后使RBF神经网络进入工作状态，已训练完成的RBF神经网络中的数据中心和连接权值记录了故障特征；电机测试数据经过归一化处理；将归一化处理后的电机测试数据传递至RBF神经网络以形成故障征兆，将故障征兆传递给RBF神经网络；将传递进来的故障征兆与RBF神经网络中记录的故障特征进行比较；在传递进来的故障征兆与RBF神经网络中记录的特定故障特征之间的相似度大于预定阈值时，RBF神经网络输出与特定故障特征对应的故障类型。

主权项

一种基于k均值的RBF神经网络算法的电机故障诊断方法，其特征在于包括：第一步骤：根据k均值聚类算法提取出电机的故障样本集，并利用故障样本集使RBF神经网络开始学习训练；第二步骤：当RBF神经网络训练完成以后，使得各个隐节点的数据中心相应的输出权值不再改变，随后使RBF神经网络进入工作状态；第三步骤：使得电机测试数据经过归一化处理；第四步骤：将归一化处理后的电机测试数据传递至RBF神经网络以形成故障征兆，然后将故障征兆传递给RBF神经网络；第五步骤：将传递进来的故障征兆与RBF神经网络中记录的故障特征进行比较；第六步骤：在传递进来的故障征兆与RBF神经网络中记录的特定故障特征之间的相似度大于预定阈值时，RBF神经网络输出与特定故障特征对应的故障类型。