基于模糊神经网络的故障诊断在永磁直线同步电动机中的应用

针对永磁直线同步电机的特点，应用基于模糊神经网络的故障诊断方法，将模糊理论与神经网络融合在一起，实现了对该电机故障的模糊诊断。介绍了模糊神经网络的结构和学习方法，利用了一种阈值向量故障判别方法，使永磁直线同步电动机的故障判别灵活、可靠。仿真结果表明，该方法是行之有效的。     

永磁直线同步电动机的绕组型式

介绍了永磁直线同步电机定位力和低速力矩波动的产生原因以及解决方法,分析了多种绕组型式克服低速力矩波动和定位力方面的优缺点.     

NDEKF神经网络辨识永磁直线同步电动机

将带外部输入的非线性自回归模型展开成多项式形式，在此基础上用残差分析法导出真实的阶次所满足的条件。为了克服神经网络结构依靠人工试凑的不足，使用基于Hession矩阵的修剪法来优化其结构。考虑到BP算法的一些固有缺点，使用NDEKF（基于节点的解耦扩展Kalman滤波器算法）来训练网络。实验证明，网络的输出结果与试验样机的实际输出十分接近；同时将NDEKF与BP算法进行对比，NDEKF算法具有收敛较快、泛化能力强、不易陷入局部极小等特点。     

永磁直线同步电动机模糊神经网络控制器的设计

为了有效地抑制负载阻力扰动等外部扰动对永磁直线同步电动机(PMLSM)系统稳态性能影响,本文设计出了模糊神经网络控制器(FNNC).该控制器将模糊控制的非线性辩识功能和神经网络的自学习功能有效地结合了起来,在保留神经网络自学习能力的同时,增加了对系统的辨识能力,从而提高了伺服系统的稳态性能.仿真结果表明,基于FNNC的PMLSM伺服系统响应快,精度高,对外部扰动有很强的鲁棒性.     

混合式同步(步进)电动机的电枢磁场及绕组电感

混合式同步（步进）电动机具有径向和轴向混合的磁系统,其电枢磁势产生的磁场,不像常规的同步电机那样一目了然。本文采用简化的磁网络模型,分析了同步稳态运行的电枢磁场,说明了交轴电枢磁路和直轴电枢磁路的差别,相应地直轴同步电感和交轴同步电感的不同。     

永磁同步直线电动机径向基神经网络PID控制

针对永磁同步直线电动机的初级磁链近似为常数这一特点,在d-q轴下建立了直线电动机的数学模型。直线电动机具有非线性、耦合性、负载扰动、时变不确定性等特点。常规PID控制虽然结构简单、输出稳定、易实现,但在高速高精度应用场合却不能达到理想的控制效果。提出了一种基于RBF神经网络与传统PID控制相结合的新策略,形成RBF神经网络整定PID控制,在一定程度上改进了PID控制性能。仿真结果表明,RBF神经网络PID控制具有更好的动态响应性和更加稳定的跟踪性能。     

基于扩展绕组函数的直线异步电动机动态特性

基于绕组函数概念提出了单边直线异步电动机的扩展绕组函数,不仅适用于电机极数为偶数的情况,也满足直线异步电动机极数可能为奇数的特点。该扩展绕组函数能够方便计算直线异步电动机静态纵向边缘效应带来的三相绕组不对称对电机性能的影响。同时,该方法在计算直线电机俯仰状态和电磁气隙不均匀等情况下的初级绕组电感、动态推力和法向力等方面应用效果良好。     

基于模型参考自适应模糊神经网络的直线永磁同步电动机速度伺服系统

针对直线永磁同步电动机全闭环控制系统易受干扰而降低系统性能指标,甚至造成不稳定等问题,采用模型参考自适应模糊神经网络在线辩识方法,用梯度法实时修正模糊控制器的输入和输出隶属度参数,建立了模型参考自适应模糊神经网络速度伺服系统模型,并给出了模糊神经网络控制器的设计。通过仿真和实验结果证明,这种方法提高了速度检测装置的分辨率和动态响应能力,并且使系统具有很强的鲁棒性。     

基于模糊神经网络的分段式直线电机提升系统的故障诊断

针对分段式直线提升系统的特点,应用基于模糊神经网络的故障诊断方法,将模糊逻辑与神经网络融合在一起,实现了对这一复杂系统的故障诊断。侧重介绍了模糊神经网络的结构和学习方法,并利用这些原理对直线电机本体进行故障诊断。仿真结果表明,该方法是有效的。     

基于深度卷积神经网络的轴承故障诊断方法

针对传统浅层轴承故障诊断方法依赖于人工特征提取和诊断专业知识从而缺乏自适应性问题,结合卷积神经网络善于识别二维形状的特点,提出一种基于深度卷积神经网络的故障诊断方法(DCNN)。首先,为充分展现滚动轴承故障特征信息,利用短时傅里叶变换得到滚动轴承振动时间序列的二维时频谱;其次,通过卷积神经网络自适应提取时频谱中不同故障特征;最后,将提取的轴承故障特征利用Softmax分类器输出诊断结果,实现轴承故障诊断。通过实测故障轴承数据对该方法进行验证,结果表明DCNN在多故障、变负载的轴承故障诊断准确率高达99.9%,证明了所提方法具有良好的泛化性能和可行性。     

神经网络在垂直提升系统故障诊断中的应用

永磁直线同步电动机驱动的提升系统常见故障有发热超标、无法超动、机身带电、绝缘电阻降低和电流偏大等。根据神经网络自身的特点．设计出该提升系统故障诊断系统．仿真结果表明比较满意。     

一种改进卷积神经网络的逆变器故障诊断

针对传统二极管钳位式三电平逆变器故障诊断方法存在的诊断效率低且准确率不高的问题,将一种自适应正则化系数引入卷积神经网络CNN(convolutional neural network),对逆变器进行故障诊断。在传统CNN模型引入正则化去拟合中,正则化系数常采用全局统一的常数型参数,训练过程中需不断试错且效果甚微,针对此提出根据目标损失函数梯度变化,自适应调整正则化系数的CNN模型,能够加快其在逆变器故障诊断中的收敛速度,增强模型泛化能力,提高故障识别准确率。实验表明,与传统BP神经网络和原始CNN模型相比,改进的CNN模型能对逆变器复杂故障做出实时准确诊断。     

基于BP神经网络的舰船电机故障诊断

为了准确判断舰船电机故障类型,找到故障原因,建立基于BP神经网络的舰船电机故障诊断模型,收集故障样本数据.运用MATLAB软件进行仿真,以实例进行检测.检测结果表明,构建的模型准确可靠,可以模拟电工人员对舰船电机故障作出正确诊断,验证了BP神经网络的优越性和可行性.     

基于递归模糊神经网络的PMLSM伺服控制

为了增强永磁直线同步电机（PMLSM）直接驱动系统的鲁棒性,改善系统受突加扰动情况下的性能,结合递归神经网络与模糊控制的优点,设计了基于递归模糊神经网络补偿器的PMLSM位置控制器。仿真结果表明,所设计的系统能实现对位置阶跃指令的快速无超调跟踪和稳态无静差,具有很强的鲁棒性,能够满足高精度、微进给永磁直线同步电机伺服驱动系统的要求。     

基于MCS和AlexNet的水润滑推力轴承故障检测

水润滑推力轴承作为潜水电机的重要组成部件常由于工作环境恶劣、过载和冷热交替,轴承结构磨损而进入异物。针对在潜水电机内拆装加速度传感器困难,水阻尼污染振动信号采集等问题,提出故障状态下潜水电机的数学模型,对仿真得到电流信号进行时移降噪,升维预处理,基于AlexNet模型训练不同状态下电机电流信号（MCS）。经验证,模型能以较高的准确率快速识别故障信号,具有较强的鲁棒性,满足故障诊断预见性和实时性要求。     

基于并联卷积神经网络的多端直流输电线路故障诊断

针对多端直流输电(MTDC)线路故障时存在故障电流上升速度快、峰值大、不易定位等特点,提出一种兼顾快速性与准确性的MTDC线路故障诊断方法。首先,分析MTDC线路故障信号波形的幅值特征和频率特征,研究基于信号波形幅值变化的故障幅值特征提取方法和基于小波包分析的故障频率特征提取方法,进而形成基于幅值-频率特征的MTDC线路故障诊断方法。其次,构建具有故障分类支路和故障定位支路的双支路结构卷积神经网络——并联卷积神经网络(PCNN),提出基于迁移学习的P-CNN训练方法。最后,仿真验证基于P-CNN的MTDC线路故障诊断方法满足故障诊断的快速性要求,且其并联结构相比于其他人工智能故障诊断方法更具有准确性和可拓展性。     

永磁直线同步电机的鲁棒自适应神经网络控制

针对永磁直线同步电动机的端部效应和非线性摩擦问题,采用一种鲁棒自适应神经网络控制方法,实现了永磁直线电机的跟踪控制.所设计的控制器包含两个部分:一部分是自适应神经网络控制器,用来逼近理想控制器,该神经网络的输入为滑模切换函数;另一部分是鲁棒控制器,用来消除逼近误差.通过李亚普诺夫稳定性定理验证了所设计的控制器能够保证控...     

绕组分段永磁直线同步电机无传感器控制

绕组分段永磁同步直线电机(WS-PMLSM)定子特殊的分段结构导致动子在跨段过程中各关键电磁参数将随动子位置改变而剧烈变化,从而将给实施无位置传感器控制带来巨大的挑战与困难。为解决这一问题,首先利用有限元分析及实验测试的方法对动子跨段过程中关键电磁参数的非线性变化规律进行分析,从而构建WS-PMLSM的精确数学模型;然后针对相邻两段定子观测反电动势信号幅值变化的规律,提出基于反馈自适应滑模观测器的段间观测反电动势同步合成法,以取得段间磁极位置的精确辨识,最终实现其在宽调速范围内全行程无传感器电流-速度双闭环运行;最后对所提算法进行仿真分析和实验测试,结果证明该方法有效可行。     

永磁直线同步电机神经滑模控制仿真

分析了永磁直线同步电机的数学模型,给出了径向基(RBF)神经网络的结构和算法,设计出以切换函数为网络输入、以滑模控制器为网络输出的神经滑模控制器,软件仿真结果表明所设计的滑模控制器能进行自适应学习,可实现良好的伺服跟踪.