周柏清，王刘涛，任勇军（1.湖州职业技术学院信息工程分院，浙江湖州1000；.平顶山学院软件学院，河南平顶山467000；.南京信息工程大学计算机与软件学院，南京10044）

FMM神经网络结合CART的感应电动机故障诊断方法*

周柏清1*，王刘涛2，任勇军3
（1.湖州职业技术学院信息工程分院，浙江湖州313000；2.平顶山学院软件学院，河南平顶山467000；3.南京信息工程大学计算机与软件学院，南京210044）

针对感应电动机存在多种故障问题，提出一种融合模糊极小-极大（FMM）神经网络和分类回归树（CART）的电机故障诊断方法（FMM-CART），对转子断条、定子绕组和电压失衡三种常见电机故障进行诊断。通过采集电机三相的电流信号，并进行功率谱分析，提取特定谐波信号作为FMM-CART模型的输入特征。训练过的FMM神经网络根据输入特征计算置信因子，CART根据置信因子构建决策树，最终输出诊断结果。实验结果表明，FMM-CART能有效的诊断各种电机故障，且具有较少的检测时间和较低的网络复杂度。

感应电动机故障诊断；三相电流信号；模糊极小-极大神经网络；分类回归树；功率谱分析

电动机是工业系统中一个关键组件，在不同类型的交流电动机中，感应电动机IM（Induction Motors）得到广泛应用。电动机故障发生在电动机的不同部位，如果不能检测到故障，将会导致电动机损坏从而影响系统正常工作，所以系统需具备IM故障检测和诊断功能［1］。感应电动机的3种常见故障为转子断条、定子绕组和电压失衡故障［2］。

目前，已有多种故障诊断方案，文献［3］以定子电流信号作为输入，利于多层感知器（MLP）网络来检测电动机转子断条故障。……