论文研究-模糊神经网络抓斗纠偏系统故障诊断.pdf

所需积分/C币:16 2019-07-22 21:03:30 1.84MB .PDF
17
收藏 收藏
举报

针对抓斗纠偏系统复杂性、不确定性、模糊性的特点,提出基于故障树的模糊神经网络作为抓斗纠偏系统故障诊断的方法。该方法利用故障树知识提取抓斗纠偏系统故障诊断的输入变量和输出变量,引入模糊逻辑的概念,采用模糊隶属函数来描述故障的程度,利用Levenberg-Marquardt优化算法对神经网络进行训练,系统推理速度快、容错能力强,并通过实例分析验证了抓斗纠偏系统模糊神经网络故障诊断的有效性。
第2期 冯文洁,等:模糊神经网络抓斗纠偏系统故障诊断 统计参数法中的3σ准则法-1确定隶属函数各参数的值。5.2抓斗纠偏系统故障诊断网络神经网络权值和阈值的训练 设备正常工作时的各类诊新参数即模糊神经网络输入变量x 运用 Levenberg- Marquardt优化算法对神经网络的连接 服从正态分布规律,对正常工作时各类诊断参数x收集一定权值和阈值进行训练,网络误差指标函数表达为11 量的训练样本数据,样本个数设为N,然后求取各输入变量的 样本均值,其中蠶为模糊神经恻络第i个输入变量的第k个 Y2-Y‖ 10) 样本: 其中:}。表示实际的神绘网络输出向量,Y。表示期望的神经网 络输出向量,P为神经网络训练样本数目,为袢经网络权值 i=1,2,3,…,n 和阈值组成的向量,en(w)为误差。设表示第k次迭代的权 设a为标准方差,则 值和阈值所组成的向量,+1=t4+△u,运用 Levenberg-Mar uart算法对网络的连接权值和阈值进行优化,权值与阈值组 aal if-1 N (5) 成向量的增量Δ计算公式为 [J()J(m)+ul]J(u)e(u) /乡亡诊断参数x服从正态分布,那么,在±3范围内包含其中:m)为 jacobian矩阵,为单位矩阵,为用户定义的学 73%的质量特性值。按正态分布理论根据3a原理,如习率 果测试样本与均值距离在3倍方差以上,则认为该测试样本是 不确定的,畝可判为异常,以此可以确定控制界限。故障6抓斗纠偏系统故障诊断实验分析 界限为±3σ,警告界限为X±σ或者X±2o 通过搭建抓斗纠偏系统故障诊断实验台以实现抓斗纠偏 将3σ原理应用于隶属函数各参数的确定,a为故障下限 d为故障上限,为警告⊥限,为警告下限,可得到模糊神经放障诊断实验数据采集,为基于故障树的模糊神纤网络各 输入变量隶属函数参数值的计算及故障诊断提供实测数据,对 网络中第i个输人变量的隶属函数参数计算公式为 基于故障树的模糊神经网络故障诊断方法的正确性和有效性 X 进行验证。抓斗纠偏系统纠偏无动作实验信号采集传感器包 5=X-O (6)括三个压力传感器,由纠偏无动作故障树可知采集的信号变量 d=X-30 包括主泵压力Pp先导油路压力Px、纠偏液压缸朴控压力Pc 压力传感器外形及安装如图5所示 5抓斗纠偏系统故障诊断网络神经网络推理 5.1抓斗纠偏系统故障诊断网络神经网络权值和阈值的求解 图2中,设1,O分别表示l层第讠个节点的输入和输 出,则每层的输入和输出分别可以表达为 第一层故障树层可知输入变量的个数,设输入变量为n 则节点数为n,其输人输出为1)=x;,O{=1),i=1,2,3, 图4模糊隶属度函数 图5压力传感器及安装 n。故障树层直接将输入变量传递给第二层模糊化层,在基于 系统软件的实现采用LωVEW软件的特色技巧——状态 故障树的模糊神经网络中,输入变量为系统的故障征兆。因此机模式。关于状态机的一个极度确切的描述是它是一个有向 第二层的输出节点数仍然为n,其输入输出为 图形,由一组节点和一组相应的转移函数红成。将流程图各个 (7) 过程转换为状态图,采用状态机结构实瑰∫上述程序流程图 其中1()是输入变量x;对应的隶属度函数。 数据采集程序框图如图6所示。数据采集软件图形界面如图 第一层为神经网终推理层,其神经元采用的传递函数是 所示。 tansy。设该隐含层节点为q个,节点的输入输出为 13)=S y 0(3)=f(s)=f(∑ ) 其中:ω;为第二层笫i个节点到第三层第,个节点的连接权值 6为第j个节点的阈值()为 ansIg网数。 第四层为输出层,输出层神经元采用的传递兩数是 logsig。 图6抓斗纠偏系统故障诊断数据采集程序框图 y=04)=f()=/a03-9) 7故障诊断实例分析 其中:m为第三层第j个节点到第四层第个节点的连接权值, 1)抓斗纠偏系统故障诊断网络模糊隶属度函数的参数计算 0,为第l个节点的國值f(s)为 logsig函数。 恨据抓斗起重机工程实验获得的80组起重机液压抓斗手 442 计算机应用研究 第32卷 动纠偏正常工作数据,利用式(4)-(6)可分别计算三个输人 表3神经网络训练算法比较 变量对应的隶属度函数的参数值。 算法 敛训练 止判率/ 总正 a)Pp,Y=22.96MP,a=2.32,隶属度函数参数值为{a,b, 类型时间/s次效 C,dl}={6.00,20.64,25.28,29.92 BP>5.93>100058.5563.1658.5663.2658.5360.41 b)Px,}=22.86MP,=2.46,隶属度函数参数值为{a,b bFgs 0.8 85.3787.6285.5787.6585.6786.38 ,d}={14.48,19.40,25.32,29.23}。 LM0.56690.8393.5390.8693.5390.869192 c)Pc,y=20.41MP,a=2.85,隶属度函数参数值为{a,b, 为了验证故障诊断方法的有效性,将抓斗纠偏下采集的故 c,d}=1.85,17.56,23.26,28.97}。 障数据{Pp,Px,PC}={24.93MPa,15.33HPa,12.24MPa}作为 回珞实 模糊神经网络的输入,将输入数据进行模糊化处理,求得各输 工(保文片名 力社器口 2日 入变量对应论域的隶属度为{0.6150,0.1786,0.1257},经过网 开等 现00 停止了9续 络计算得到输出为{0.01,0.9988,0.0037,0.0027,0.0002, 果动枝想到线 0.0012。由表2中故障模式苗述可知,该输出与故障模式中 的F2对应程度非常髙,故障模式为F2,即抓斗纠偏系统有故 障且故障为K1事件¨过滤器阻塞”或X2“溢流阀故障”事件发 生导致抓斗纠偏系统压力不够。根据工程实验记录,当时的故 障为溢流阀故障,诊断结果与当时实际状况一致。 图?抓斗纠偏系统故障诊断数据采集软件图形界面 8结束语 2)抓斗纠偏系统故障诊断网络神经网络杖值和阈值的优 化训练 针对抓斗纠偏系统放障的模糊性、相关性、复杂性的特点 对每个输入变量取模糊子集0.1、0.50.9,分别表示压力提出了一种基于故障树的模糊神经网络故障诊断方法。该方 过低、正常、过高。出此提取神经网络权值及阙值的训练样本,法融合了故障树和模糊神经网络两种方法的优点,知识表达准 如表2所示。 确推理速度快,泛化能力和容错能力强,符合实际需要。最后 表2抓斗纠偏无动作神经网络训练样本 以顶事件纠偏尢动作为对象,通过实例验证」该故障诊断方法 输入模式 输出模式 的可行性和有效性。 模式故障Pcy1y23y4516 参考文献 F 正常0.50.50 Ll」吴宗彦,韩煜,张建军,等,基于模糊神经网络的自动生产线故障 F2 X 0.10.50.5010000 诊断方法研究[J].中国机械工程,2008,19(9):1072-1075. X30.10.90.50 000[2] YZNAGA B I,孙丹,贺毅康 PMSM DTC系统逆变器故障的模糊 F4X4-X60.10.10.50001 神经网络诊断[J].电机与控制学报,2008,12(3):132-139 [3]张敬芬,垚光,赵德冇基于模糊神经网络的薄板不同指标裂纹诊 0.50.50.90 断[J].机械工程学报,2006,42(3):145-149 F6Xg-X0.50.50.1000001 「4陈炜,吴志良,故障诊斷专家糸统结合故障树技木的结构硏究 运用 Levenberg- Marquard算法对神经网络进行训练,神经 LJ」.航海技术,2005(6):47-49. 网络输入节点为3个,输出节点为6个,根据 Kolmogorov定理51芳菊糗湖神经网络的结构优化研究[D].北京:中同科学院 可确定隐含层的节点数为6个,训练结果如图8所示。从图8 究竺院,2006 可以看出,神经网络经过两次训练即已达到期望目标 [6」姜长元.模煳神经网络模型及其应用硏究[D].南京:南京师范大 besttrainirg parformance is O.COD32536 at epaea 学,2005 [7彭广平,李泳鲜.模糊神经网络在汽玍发动杋电子点火系统故障 10 诊断中的应[J.汽车科抆,2011(3):47-5 8」孙增国.神经网绉和模糊专家系统在欯障诊断中的应用LD」.大 连:大连理工大学,2004 9]张婷.模糊神经网鉻在冷水机鉏故薩诊断中的应用研究[D].天 津:天津大学,2009 [IO PI. TKEISHETM F. The three sigma rule [J. The American Statisti- ian,1994,48(2):88-91 图8目标函数训练曲线 [IⅠ]赵伟.船舶柴油机监测与故箪诊斷技术研究[].大连:大连海事 应用 Levenberg- Marquardt优化算法比标准的BP及拟牛顿 大学,2006 法(BFGS)迭代次数少、收敛速度快、准确度高,神经网络训练[12]李琼.信息融合技术在航空发动杌智能监测中的应用研究[D] 算法的比较如表3所示。分别采集F1~F故障模式下1000 南哀;南京航空航天大学,201l 个连续的经滤波处理得到的数据进行故障诊断, levenberg-[13]杨柳陈艳萍,一种新的 Levenberg-Marquardt算法的收敛性[冂 Marquardt算法对每种单一故障类型的故障识别率都大于 计算数学,2005,27(1):55-62 [14]毛明明,柳益君,汤嘉立.基于L-M神经网络的齿轮故障诊 90%,说明 Leveller- Marquardt算法在优化神经网络参数过程 [J].计算机技术与发辰,2011,21(1):210-213,217 中表现出铰强的泛化能力。因此, Levenberg- Marquardt优化算115」柳益君,古春生,朱广萍,等,LM神经网络在环境质量评估中的应 法与其他训练算法相比在BP网络学习中具有一定的优越性。 用[J].江南大学学报:自然科学版,2010,9(2):213-216.

...展开详情
试读 4P 论文研究-模糊神经网络抓斗纠偏系统故障诊断.pdf
立即下载 身份认证VIP会员低至7折
一个资源只可评论一次,评论内容不能少于5个字
您会向同学/朋友/同事推荐我们的CSDN下载吗?
谢谢参与!您的真实评价是我们改进的动力~
  • 至尊王者

关注 私信
上传资源赚钱or赚积分
最新推荐
论文研究-模糊神经网络抓斗纠偏系统故障诊断.pdf 16积分/C币 立即下载
1/4
论文研究-模糊神经网络抓斗纠偏系统故障诊断.pdf第1页

试读结束, 可继续读1页

16积分/C币 立即下载