VEMTE致力于打造節能環保電機減速機電機

三相異步電動機人工神經網絡與故障模式。三相異步電動機人工神經網絡 (Artificial Neural Networks) 是采用物理可實現的系統來模仿人腦神經細胞的結構和功能。它反映了生物神經系統的基本特征，是對生物神經系統的某種抽象、簡化與模擬。剎車電機神經網絡的基本要素是人工神經元，也就是說三相異步電動機人工神經元是神經網絡的基本處理單元，它只模擬了生物神經元的三個基本功能：
(1)  處理剎車電機每個輸入信號，以確定其強度(權值)，如神經元中突觸的可變強度；
(2)  確定三相異步電動機所有輸入信號的組合(加權和)；
(3)  確定剎車電機輸出(轉移特性)。
三相異步電動機神經網絡技術的出現，為故障診斷問題提供了種新的解決途徑，特別是對于在實際中難以建立數學模型的復雜系統，神經網絡更顯示出其獨特的作用。總的來說，剎車電機神經網絡之所以可以成功地應用于故障診斷領域，主要基于以下3 個方面的原因：
(1) 訓練過的三相異步電機神經網絡能存儲有關過程的知識，能直接從歷史故障信息中學習。可以根據對象的日常歷史數據訓練網絡，然后將此信息與當前測量數據進行比較，以確定剎車電機故障的類型；
(2) 三相異步電動機神經網絡具有濾除噪聲及在有噪聲情況下得出正確結論的能力，可以訓練剎車電機人工神經網絡來識別故障信息，使其能在噪聲環境中有效地工作，這種濾除噪聲的能力使得人工神經網絡適合在線故障監測和診斷以及離線診斷；
(3) 三相異步電動機神經網絡具有分辨故障原因及故障類型的能力。
廣義地講，故障可以理解為系統的任何異常現象，使系統表現出所不期望的特性，通常表現為系統的某些(個)重要變量或特性偏離了正常范圍。人們對故障的認識起初是通過選擇敏感特性和進行簡單比較實現的，這對于剎車電機簡單系統容易做到，而對于復雜系統和復雜現象，就涉及到故障模式和正常模式的識別問題，模式建立及其識別的復雜性主要取決于系統的復雜性和人們的認識水平。人們會通過獲取各種先驗信息，建立三相異步電動機設備正常／故障，以及各種不同故障的樣板模式。故障診斷時，根據剎車電機不同的故障征兆完成模式映射過程  。自然界的事物和現象般可分為多個相似，但又不完全相同的群體或個體組成的類別人們把這樣的類別稱為模式類或模式，而把三相異步電動機其中每個事物或現象稱為該模式的個樣本。同類的樣本彼此相似，具有某些共同的特征，不同類的樣本彼此互不相似。所謂模式識別就是從模式空間到類別隸屬空間的正確映射。http://www.snage.cn/Products/diandongji.html