基于模糊神經(jīng)網(wǎng)絡(luò)的電機(jī)故障預(yù)測(cè)新方法

1引言
系統(tǒng)的狀態(tài)預(yù)測(cè)是故障診斷中必不可少的一個(gè)環(huán)節(jié)，是診斷技術(shù)的重要目標(biāo)之一。基于模糊神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)是一種非參數(shù)模型預(yù)測(cè)。在用模糊神經(jīng)網(wǎng)絡(luò)進(jìn)行預(yù)測(cè)時(shí)，現(xiàn)有的方法一般是利用大量已獲得的觀(guān)測(cè)數(shù)據(jù)即樣本數(shù)據(jù)進(jìn)行一次建模，然后在預(yù)測(cè)時(shí)不再進(jìn)行學(xué)習(xí)，即網(wǎng)絡(luò)參數(shù)不變。隨著時(shí)間的推移，這種利用歷史數(shù)據(jù)建立的模型不能完全反映時(shí)間序列近期和現(xiàn)時(shí)的特性，需要隨著新數(shù)據(jù)的積累不斷調(diào)整網(wǎng)絡(luò)模型的參數(shù)，使模型不斷完善。因此，本文提出一種新的模糊神經(jīng)網(wǎng)絡(luò)算法，即在原有算法的基礎(chǔ)上引入時(shí)差法，該方法在某種程度上能實(shí)時(shí)地根據(jù)觀(guān)測(cè)數(shù)據(jù)和預(yù)測(cè)結(jié)果不斷調(diào)整模型參數(shù)，使模型盡可能完善，從而提高預(yù)測(cè)精度。
2模糊神經(jīng)網(wǎng)絡(luò)
模糊神經(jīng)網(wǎng)絡(luò)（Fuzzy Neural Network）是模糊系統(tǒng)與神經(jīng)網(wǎng)絡(luò)的結(jié)合，通過(guò)神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)模糊邏輯，同時(shí)利用神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)能力，動(dòng)態(tài)調(diào)整隸屬度函數(shù)、在線(xiàn)優(yōu)化控制規(guī)則。二者的融合彌補(bǔ)了神經(jīng)網(wǎng)絡(luò)在模糊數(shù)據(jù)處理方面的不足和純模糊系統(tǒng)在學(xué)習(xí)方面的缺陷。
我們采用的是一種串形結(jié)構(gòu)的多層前向模糊神經(jīng)網(wǎng)絡(luò)，如圖1所示.該模型有四層，分別為輸入層，隸屬函數(shù)生成層（模糊化層），推理層及反模糊化層。