基于混沌神经网络的电机故障诊断

摘要

采用全局耦合混沌神经网络模型,每个神经元的动力学行为由反对称立方映射表示.采用Hebb算法设计网络的连接权值矩阵,将记忆模式的回快过程转化为耦合系统中参数演变的过程,从而实现了混沌神经网络的联想记忆.根据提出的能量击穿规则,扩大了样本的吸引域.在此基础上,应用该混沌神经网络对异步电机转子断条故障进行诊断.结果表明,该种方法有助于故障模式的记忆和重现.