《表1 RBFNN模型期望与实际输出m(Qi)测试结果》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于RBFNN与信息融合的电驱动系统故障诊断系统研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

由于工程实际中较难获得各种故障特征数据，因此利用Matlab的Simulink搭建永磁同步电机仿真模型，提取主要故障的特征参数来进行RBFNN的训练。主要方法是将在仿真正常和发生故障时分别采集到的n个（本文为1 001个）电流基波分量采样点存为单独的数组，应用小波分析工具箱wavedec函数对各组信号进行5层小波分解，小波基函数选用db6。再将5组高频系数分别进行重构得出5组数据，取出每组数据最具代表性的第一个数便形成了一组故障特征向量[15]。为便于对比分析，本文利用文献[15]的同步电机相电流故障特征样本数据输入电机RBFNN进行训练和测试，输出测试结果见表1。表1中Q0代表无故障，Q1指相间短路，Q2指单相接地，Q3指转子失磁等故障类型。训练步长曲线如图3（a）所示，可见该RBFNN只需9步即达到目标误差值，而文献[15]采用的Elman网络训练一般需166步左右才能稳定。测试误差如图3（b）所示，其中第4组（表中第4行）“失磁故障”测试数据误差最大，但其值仅在-0.14以内，表明模型测试效果较佳。