基于蜂群算法优化的神经网络在异步电机的故障诊断研究

摘要

随着社会经济的发展，异步电机的正常运作对于生产效益、生产节奏等有着很高的影响。由于异步电机处于各种复杂的环境中，导致故障的起因充满不确定性，所以就需要通过对故障进类型分析研究，这样可以提早发现和及时解决。因此，异步电机的故障诊断技术对于电机正常运作提供保障，并且具有非常重要的现实意义和理论意义。一方面提早的知道故障的问题所在就可以即时的规避事故的发生这样可以挽回人员财产的损失，另一方面获得的涉及检测到的故障类型的相关数据可以为设计人员提供非常宝贵的数据经验，也为能够更好的进行电机性能改造做出贡献。
　　本文在总结国内外电机故障诊断研究现状的基础上，介绍BP神经网络、人工蜂群算法(Artificial Bee Colony ABC)的基本原理和基本理论，通过分析人工蜂群算法的基本原理，发现虽然该算法在全局搜索能力上有着比较好效果，但是对于当前找到的最优解并没有较强的局部搜索机制，并存在着开采与开发能力不均衡的情况。本文在结合已有改进的跟随蜂搜寻公式上，进一步对公式里面的干扰因子的选择做微小的改善。其次在分析BP神经网络在故障诊断过程中所存在的一些不足和缺陷，结合人工蜂群算法在处理解决一些全局寻优问题上有着较好效果，将改进后的人工蜂群算法运用于优化BP神经网络上来，最后将改进后的网络用于异步电机的故障诊断仿真，检验可行性。这样把人工蜂群算法和BP神经网络的优点相互的综合起来，使其能够更好的用来检测电机故障的性能。

目录

声明

摘要

1．1背景及研究意义

1．2国内外研究现状

1．3本文研究思路

2异步电动机故障机理与神经网络的相关理论

2．1异步电动机的工作原理

2．2异步电动机的常见故障类型

2．3 BP神经网络

2．3．1 BP神经网络的基本原理

2．3．2 BP神经网络的结构以及算法过程

2．3．3 BP神经网络的缺点

3基于改进人工蜂群算法的BP神经网络优化

3．1人工蜂群算法的生物背景

3．2人工蜂群算法原理

3．3人工蜂群算法的主要步骤

3．4人工蜂群算法的改进

3．5测试对比

3．6 BP神经网络的优化

3．7本章小结

4优化BP神经网络在异步电机故障诊断中的仿真分析

4．1仿真样本数据的构建

4．2 BP神经网络的建立

4．3故障诊断仿真模型的构建

4．4故障诊断仿真分析

4．5本章小结

5．1研究的结论

5．2未来展望

参考文献

致谢