基于模糊神經(jīng)網(wǎng)絡(luò )的電機故障預測新方法

1引言
系統的狀態(tài)預測是故障診斷中必不可少的一個(gè)環(huán)節，是診斷技術(shù)的重要目標之一?；?a class="contentlabel" href="http://dyxdggzs.com/news/listbylabel/label/模糊神經(jīng)網(wǎng)絡(luò )">模糊神經(jīng)網(wǎng)絡(luò )的預測是一種非參數模型預測。在用模糊神經(jīng)網(wǎng)絡(luò )進(jìn)行預測時(shí)，現有的方法一般是利用大量已獲得的觀(guān)測數據即樣本數據進(jìn)行一次建模，然后在預測時(shí)不再進(jìn)行學(xué)習，即網(wǎng)絡(luò )參數不變。隨著(zhù)時(shí)間的推移，這種利用歷史數據建立的模型不能完全反映時(shí)間序列近期和現時(shí)的特性，需要隨著(zhù)新數據的積累不斷調整網(wǎng)絡(luò )模型的參數，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上引入時(shí)差法，該方法在某種程度上能實(shí)時(shí)地根據觀(guān)測數據和預測結果不斷調整模型參數，使模型盡可能完善，從而提高預測精度。
2模糊神經(jīng)網(wǎng)絡(luò )
模糊神經(jīng)網(wǎng)絡(luò )（Fuzzy Neural Network）是模糊系統與神經(jīng)網(wǎng)絡(luò )的結合，通過(guò)神經(jīng)網(wǎng)絡(luò )實(shí)現模糊邏輯，同時(shí)利用神經(jīng)網(wǎng)絡(luò )的自學(xué)習能力，動(dòng)態(tài)調整隸屬度函數、在線(xiàn)優(yōu)化控制規則。二者的融合彌補了神經(jīng)網(wǎng)絡(luò )在模糊數據處理方面的不足和純模糊系統在學(xué)習方面的缺陷。
我們采用的是一種串形結構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，隸屬函數生成層（模糊化層），推理層及反模糊化層。