基于RBF神經網絡的電機溫升模型的研究

金友華 張玉成

（合肥榮事達三洋電器股份有限責任公司 安徽合肥 230088）

1 引言

電機在國民經濟中起著十分重要的作用。隨著現代科學技術的進步和生產的發展,電機的容量不斷增大,所組成的系統的規模越來越大,構成也越來越復雜。但由于工作環境復雜,或者電機頻繁起動等原因,電機每年因燒毀損失金額巨大。而迄今為止尚未有一種數學模型能夠精確的描述電機運行過程中的發熱和散熱過程，本文提出了一種建立了徑向基函數（Radial Basis Function，縮寫為RBF）神經網絡來進行電機溫升預測方案。

徑向基函數（RBF）神經網絡是一種性能良好的前向網絡，它具有全監督式和全局逼近的性質，在網絡結構上具有輸出權值線性關系，同時訓練方法快速、易行，不存在局部最優問題等優點，為預測和計算異步電動機的繞組溫度提供了快捷、方便準確的可能，文章主要通過神經網絡對電動機溫升進行預測分析，從而為電動機的智能熱過載保護的研究奠定基礎。

2 RBF神經網絡

2.1 RBF神經網絡模型

基本的RBF結構如圖1所示,不失一般性,假設輸出層只有一個節點,但是這種結構很容易擴展到多輸出節點的情形。RBFNN包括一個輸入層、一個隱含層和一個輸出層.隱含層是由一組徑向基函數構成,與每個隱含層節點相關的參數向量為Ci(即中心)和σi(即寬度)。一般隱含層各節點都采用相同的徑向基函數,徑向基函數有多種形式,一般取高斯函數。網絡輸入與輸出之間可認為是一種映射關系f(x):RnR ( n為輸入節點數):

2.2 RBF神經網絡自適應學習法的設計

RBF神經網絡輸出節點計算由隱節點給出的基函數的線性組合。其中,隱層中的基函數對輸入激勵產生一個局部化的響應,即每一個隱節點有一個參數矢量稱之為中心,該中心用來與網絡輸入矢量相比較以產生徑向對稱響應,僅當輸入落在一個很小的指定區域中時,隱節點才作出有意義的非零響應,響應值在0到1之間,輸入與基函數中心的距離越近,隱節點響應越大。而輸出單元一般是線性的,即輸出單元對隱節點輸出進行線性加權組合。由此可見,整個網絡執行的是通過非線性基函數的線性組合,從Rn到Rm的非線性變換。RBF網絡中所利用的非線性函數的形式對網絡性能的影響并不重要,關鍵是基函數中心矢量的選取。為了預測時間序列中的yi值,設RBF網絡輸入矢量為：

它是一個m維矢向量,包括m個過去的信號樣本,其中m稱作嵌入矢量長度。

我們選用高斯函數作為基函數,則第j個隱節點對輸入矢量xi的響應為

其中,σj是Cj隱層第j個節點的中心矢量,也可以看成是該單元的權矢量,是第j個隱節點的歸一化參數。

網絡輸出為：

這里hj是輸出層連接權。R是隱節點的數目。

2.3 電機溫升預測RBF神經網絡模型建立

通過對電機發熱和散熱過程的研究和探討，考慮影響電機繞組發熱、散熱的主要因素，可以得知，影響電機繞組溫度的因素有電流、電壓、電源頻率、功率因數、環境溫度、轉速、起動頻度等等。該神經網絡共有7個輸入變量,其中電流、電壓、電源頻率、功率因數和起動頻度(主要針對頻繁起動)是引發異步電動機繞組過熱的主要原因，而環境溫度、轉速和當前溫度關系到電動機的散熱。神經網絡的輸出量為電動機繞組預測溫升值。實驗對象為2.1kW，Ue=380V，Ie=4.9A，ne=1420r/min，f=50Hz的三相異步電動機，絕緣等級為B級。

3 模擬預測結果

從額定電流到堵轉電流(25A)共采集了18組不同的數據。其中14組用于訓練網絡，另4組用于測試訓練后網絡的正確性與適用性。

采用RBF神經網絡對實測數據的進行處理，盡可能使網絡的輸入數據易于神經網絡進行學習和訓練。擬合后實驗曲線見圖2。用訓練樣本和測試數據的條件作為訓練后網絡的輸入條件來預測溫升曲線，然后將它們與實測數據進行比較,訓練后網絡的預測誤差在±1K，即誤差在1.2%之內。圖3是給它一個電預測出一組溫升曲線。基本滿足電機熱保護的需要，從而驗證了該溫升預測模型的準確性。

4 結語

采用高精度的電機溫升預測方法，將給電機安全運行帶來顯著性的影響，本研究也是基于這一思想，探索將先進的智能方法用于電機溫升預測，從而為電動機的智能熱過載保護的研究奠定基礎。

[1]胡永志,蔣明麟.淺談電機的升溫及處理.水泥技術,1995(3):31-34.

[2]楊宗輝.繞組溫升測量方法研究.電子質量,2003(1):46-48.

[3]姚一鳴.提高測量繞組溫升準確度的方法.家用電器科技,2002(5):70-71.

[4]WU Qing,SHEN Xueqin,YANG Qingxin,et al.Using wavelet neural networks for the optimal design of electromagnetic devices.IEEE Trans.on Magnetics,1997,33(2):1928-1930.