| 主权项 |
一种基于神经网络的电机故障检测方法，其特征在于，包括如下步骤：A)收集电机运行参数的历史数据，包括电机正常运行数据与电机故障数据；B)整理所述步骤A)电机运行参数历史数据并形成样本，样本的格式为：每一条数据按输入‑输出对模式组织，输入为电机运行参数，输出为电机定子电流，样本分为训练样本和检测样本两部分；C)根据所述步骤B)的样本设计神经网络的结构；D)使用所述步骤C)神经网络对实时检测数据滤波消除检测噪声，复制神经网络，生成神经网络1和神经网络2，由神经网络2先学习检测样本，将神经网络2的输出作为神经网络1的输出期望值，根据神经网络2对样本的学习结果更新神经网络权值，继续学习检测样本，同时提取神经网络1输入层的输出权值向量，作为故障检测样本；E)提取神经网络1的输入层权值向量W<sub>1·</sub>，并针对其建立PCA模型，对PCA模型计算出相应的检测指标T<sup>2</sup>统计量和SPE，根据SPE的值是否超出控制限判断电机运行状态；F)整理正常状态下和故障状态下样本输入时神经网络1的输入层权值向量W<sub>1·</sub>形成的故障检测样本；G)用F)中的检测样本对E)所得故障诊断模型进行反复检验，如果检验效果良好，则诊断模型有效，可以用于故障诊断，否则，则重新根据D)、E)和F)进行训练建模；H)实时读取电机的最新运行参数，将这些参数输入到所述神经网络中，将神经网络1的输出权值向量输入故障诊断模型，计算所得PCA检测指标SPE和T<sup>2</sup>是否满足置性指标。 |
