发明名称 |
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。 |
申请公布号 |
CN105487009A |
申请公布日期 |
2016.04.13 |
申请号 |
CN201510799865.3 |
申请日期 |
2015.11.19 |
申请人 |
上海电机学院 |
发明人 |
王洋;朱先铭;范思哲 |
分类号 |
G01R31/34(2006.01)I;G06N3/08(2006.01)I;G06N3/04(2006.01)I |
主分类号 |
G01R31/34(2006.01)I |
代理机构 |
上海思微知识产权代理事务所(普通合伙) 31237 |
代理人 |
菅秀君 |
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。 |
地址 |
200240 上海市闵行区江川路690号 |