基于神经网络BP算法，学习过程的参数修正按式(8)、(9)、(10)对系统网络的参数进行训练，则可确定基于模糊神经网络的故障诊断系统，如图2所示。

在图2中，输入层有6个神经元，其输入信号是{，分别为交流励磁机定子外接电容C2两端的电压Uc(t)波形信号的基波、2次谐波、3次谐波、4次谐波、5次谐波和6次谐波的相应值;隐含层为模糊推理层，共设有5个神经元;输出层有3个神经元，输出结果为，则能够对无刷励磁同步发电机转子旋转整流器的8种工作状态进行准确诊断。根据模糊神经网络S型函数的特点，设置旋转整流器故障模糊神经网络的诊断输出分别是(0.1，0.1，0.1)，(0.1，0.1，0.9)，(0.1，0.9，0.1)，(0.1，0.9，0.9)，(0.9，0.1，0.1)，…，(0.9，0.9，0.9)的诊断期望值。

4故障诊断实例

从一台360 k W无刷励磁同步发电机的交流励磁机定子外接电容C2两端采集了旋转整流器的8种运行工况数据，如表1所示。设反映同步发电机旋转整流器运行工况的集合为Q，其中：P1为旋转整流器正常运行;P2为A相正组(A+)臂开路故障;P3为A相负组(A-)、B相正组(B+)两臂开路故障;P4为B相正组(B+)臂开路故障;P5为A相负组(A-)、B相正组(B+)两臂开路故障;P6为A相正负组(A+、A-)两臂开路故障;P7为A相负组(A-)、B相正组(B+)和C相负组(C-)三臂开路故障;P8为A相负组(A-)、B相正组(B+)和C相负组(C-)三臂开路故障。