基于BAS-BP神经网络的异步电机电流预测

简介

异步电机的电流是管排锯生产中重要的工艺参数。当锯切钢管时,异步电机受到电磁与机械的相互作用,易发生故障并造成锯切停止。为了保证管排锯稳定生产,在异步电机运行时对电流变化趋势进行预测显得极为重要。以上位机(WinCC)监测的两台主锯异步电机电流数据为基础,利用天牛须搜索(BAS)算法优化BP神经网络中的初始权值与阈值。建立了BAS-BP神经网络模型,并将其应用到异步电机电流预测中。与传统BP神经网络相比,BAS-BP神经网络克服了训练时间长、收敛速度慢的缺点,大大提高了预测准确度。