三相异步电动机人工神经网络与故障模式。三相异步电动机人工神经网络 (Artificial Neural Networks) 是采用物理可实现的系统来模仿人脑神经细胞的结构和功能。它反映了生物神经系统的基本特征，是对生物神经系统的某种抽象、简化与模拟。刹车电机神经网络的基本要素是人工神经元，也就是说三相异步电动机人工神经元是神经网络的基本处理单元，它只模拟了生物神经元的三个基本功能：
(1) 处理刹车电机每个输入信号，以确定其强度(权值)，如神经元中突触的可变强度；
(2) 确定三相异步电动机所有输入信号的组合(加权和)；
(3) 确定刹车电机输出(转移特性)。
三相异步电动机神经网络技术的出现，为故障诊断问题提供了一种新的解决途径，特别是对于在实际中难以建立数学模型的复杂系统，神经网络更显示出其独特的作用。总的来说，刹车电机神经网络之所以可以成功地应用于故障诊断领域，主要基于以下3 个方面的原因：
(1) 训练过的三相异步电机神经网络能存储有关过程的知识，能直接从历史故障信息中学习。可以根据对象的日常历史数据训练网络，然后将此信息与当前测量数据进行比较，以确定刹车电机故障的类型；
(2) 三相异步电动机神经网络具有滤除噪声及在有噪声情况下得出正确结论的能力，可以训练刹车电机人工神经网络来识别故障信息，使其能在噪声环境中有效地工作，这种滤除噪声的能力使得人工神经网络适合在线故障监测和诊断以及离线诊断；
(3) 三相异步电动机神经网络具有分辨故障原因及故障类型的能力。
广义地讲，故障可以理解为系统的任何异常现象，使系统表现出所不期望的特性，通常表现为系统的某些(个)重要变量或特性偏离了正常范围。人们对故障的认识起初是通过选择敏感特性和进行简单比较实现的，这对于刹车电机简单系统容易做到，而对于复杂系统和复杂现象，就涉及到故障模式和正常模式的识别问题，模式建立及其识别的复杂性主要取决于系统的复杂性和人们的认识水平。人们会通过获取各种先验信息，建立三相异步电动机设备正常／故障，以及各种不同故障的样板模式。故障诊断时，根据刹车电机不同的故障征兆完成模式映射过程 。自然界的事物和现象一般可分为多个相似，但又不完全相同的群体或个体组成的类别人们把这样的类别称为模式类或模式，而把三相异步电动机其中每个事物或现象称为该模式的一个样本。同类的样本彼此相似，具有某些共同的特征，不同类的样本彼此互不相似。所谓模式识别就是从模式空间到类别隶属空间的正确映射。http://www.vemte.com/Products/diandongji.html