基于BP神經(jīng)網(wǎng)絡(luò)的故障診斷技術(shù)在裝備維修中的應(yīng)用*

潘亞楠 李 晶

(海軍704廠 青島 266109)

1 引言

隨著現(xiàn)代科學(xué)技術(shù)的發(fā)展,電子裝備的集成度越來越高,越來越復(fù)雜,傳統(tǒng)的故障診斷方法漸漸顯得“力不從心”。故障診斷技術(shù)的出現(xiàn)則為提高裝備系統(tǒng)的可靠行和安全性開辟了一條新的途徑。由于計(jì)算機(jī)技術(shù)、信號(hào)處理、人工智能、模式識(shí)別技術(shù)的發(fā)展,促進(jìn)了故障診斷技術(shù)的不斷發(fā)展,尤其是大型復(fù)雜電子裝備的出現(xiàn),使得裝備保障人員更迫切地希望能提高整體可靠性與維修性,這就給故障診斷提出了更高的要求。因此,對(duì)故障診斷技術(shù)的研究有著重要的理論及現(xiàn)實(shí)意義。

近年來,人工神經(jīng)網(wǎng)絡(luò)的研究和應(yīng)用有了很大的發(fā)展,人工神經(jīng)網(wǎng)絡(luò)以其諸多優(yōu)點(diǎn),如并行分布處理、自適應(yīng)、聯(lián)想記憶等,為故障診斷開辟了新途徑,因而在故障診斷領(lǐng)域受到高度的重視,并得到了廣泛的研究和應(yīng)用。

2 基于BP神經(jīng)網(wǎng)絡(luò)的故障診斷模型

2.1 BP神經(jīng)網(wǎng)絡(luò)

圖1 三層BP模型神經(jīng)網(wǎng)絡(luò)

BP模型是一種多層前向網(wǎng)絡(luò)。三層BP神經(jīng)網(wǎng)絡(luò)由輸入層、中間層和輸出層組成,其結(jié)構(gòu)如圖1所示。

2.2 神經(jīng)網(wǎng)絡(luò)訓(xùn)練

則式(5)、(6)停止迭代,連接權(quán)值和閾值訓(xùn)練完畢。其中,ε為任意給定的正小數(shù),它取決于網(wǎng)絡(luò)訓(xùn)練的精度。

2.3 BP神經(jīng)網(wǎng)絡(luò)故障診斷推理

一個(gè)神經(jīng)網(wǎng)絡(luò)用于故障診斷時(shí),其輸入層則從裝備對(duì)象接收各種故障信息和現(xiàn)象;中間層是把從輸入層得到的故障信息,經(jīng)內(nèi)部的學(xué)習(xí)和處理,轉(zhuǎn)化為針對(duì)性的解決辦法;輸出層是針對(duì)輸入的故障形式,經(jīng)過調(diào)整權(quán)值后得到的故障處理方法。對(duì)于一個(gè)新的輸入狀態(tài)信息,訓(xùn)練好的網(wǎng)絡(luò)將由輸出層給出故障識(shí)別結(jié)果。BP神經(jīng)網(wǎng)絡(luò)故障診斷模型如圖2所示。

三層BP神經(jīng)網(wǎng)絡(luò)進(jìn)行故障診斷,采用數(shù)據(jù)驅(qū)動(dòng)的正向推理策略,從初始狀態(tài)出發(fā),向前推理,到達(dá)目標(biāo)狀態(tài)為止。其故障診斷推理步驟如下:

圖2 BP神經(jīng)網(wǎng)絡(luò)的故障診斷模型

1)將故障樣本輸入給輸入層各節(jié)點(diǎn),并將其作為該層神經(jīng)元的輸出;

2)由式(2)求出中間層神經(jīng)元的輸出作為輸出層的輸入;

3)由式(4)求出輸出層神經(jīng)元的輸出;

4)由閾值函數(shù)判定輸出層神經(jīng)元的最終輸出結(jié)果。假設(shè)用Fk表示故障類型,則故障類型閾值判定函數(shù)為:

3 故障診斷實(shí)例

表1所示為某綜合業(yè)務(wù)保密機(jī)中的10個(gè)實(shí)際故障樣本,每個(gè)故障樣本都有9個(gè)故障特征值,因而網(wǎng)絡(luò)的輸入節(jié)點(diǎn)數(shù)為9。將某個(gè)故障樣本的9個(gè)故障特征值輸入圖1所示網(wǎng)絡(luò)輸入層節(jié)點(diǎn),網(wǎng)絡(luò)輸出層節(jié)點(diǎn)將有對(duì)應(yīng)的輸出。如果用每個(gè)輸出節(jié)點(diǎn)的輸出代表一個(gè)故障類型,共有10個(gè)故障樣本或10種故障類型,因而,網(wǎng)絡(luò)輸出節(jié)點(diǎn)數(shù)為10。

根據(jù)故障診斷的特點(diǎn),網(wǎng)絡(luò)輸入層、隱層和輸出層節(jié)點(diǎn)數(shù)分別取 9、6和10,系統(tǒng)總誤差 E=0.001,表1所列10個(gè)實(shí)際故障樣本為網(wǎng)絡(luò)的原始訓(xùn)練樣本,用Matlab編程,網(wǎng)絡(luò)訓(xùn)練次數(shù)為29000多次,得出圖1所示三層BP網(wǎng)絡(luò)的各個(gè)連接權(quán)值和閾值。表2所示為表1所列10個(gè)故障樣本的對(duì)應(yīng)網(wǎng)絡(luò)輸出。

將表1中第1個(gè)故障樣本(電源類)的9個(gè)故障特征值輸給網(wǎng)絡(luò)的輸入層節(jié)點(diǎn),則網(wǎng)絡(luò)輸出層節(jié)點(diǎn)與其對(duì)應(yīng)的輸出為表2中“電源類”所在行的10個(gè)輸出值,其中只有 y1=0.9918＞0.95,其他9個(gè)輸出均遠(yuǎn)小于0.95,所以,網(wǎng)絡(luò)故障診斷的結(jié)果為“電源類”。將表1中第6個(gè)故障樣本(保密數(shù)據(jù)收故障)的9個(gè)故障特征值輸給網(wǎng)絡(luò)的輸入層節(jié)點(diǎn),則網(wǎng)絡(luò)輸出層節(jié)點(diǎn)與其對(duì)應(yīng)的輸出為表2中“保密數(shù)據(jù)收故障”所在行的10個(gè)輸出值,其中只有y6=0.9888＞0.95,其他9個(gè)輸出均遠(yuǎn)小于0.95。所以,網(wǎng)絡(luò)故障診斷的結(jié)果為“保密數(shù)據(jù)收故障”。其 他類型的故障診斷以此類推。

表1 典型故障樣本

表2 典型故障樣本目標(biāo)輸出

4 結(jié)語(yǔ)

由實(shí)驗(yàn)數(shù)據(jù)可知,該網(wǎng)絡(luò)能夠準(zhǔn)確診斷數(shù)據(jù)的故障狀態(tài),可見,該方法能夠成功應(yīng)用于設(shè)備的故障診斷中。只要選擇足夠多的原始故障樣本訓(xùn)練BP神經(jīng)網(wǎng)絡(luò),在故障診斷過程中,神經(jīng)網(wǎng)絡(luò)發(fā)揮其聯(lián)想記憶和分布并行處理功能,能夠診斷出常見的或已出現(xiàn)過的故障,而且還能診斷出從未出現(xiàn)過的故障,同時(shí)還能滿足故障診斷的實(shí)時(shí)性要求。因此,用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行故障診斷,不僅大大簡(jiǎn)化了故障診斷的方法,而且為狀態(tài)監(jiān)測(cè)和故障診斷提供了新的理論方法和技術(shù)手段,具有很大的潛力和廣泛的應(yīng)用前景。

[1]陳允平,王旭蕊,韓寶亮,等.人工神經(jīng)網(wǎng)絡(luò)原理及其應(yīng)用[M].北京:中國(guó)電力出版社,2002:23～34

[2]朱大奇,史慧.人工神經(jīng)網(wǎng)絡(luò)原理及應(yīng)用[M].北京:科學(xué)出版社,2006:12～21

[3]聞新,周露,王丹力,等.M ATLAB神經(jīng)網(wǎng)絡(luò)應(yīng)用設(shè)計(jì)[M].北京:科學(xué)出版社,2000:200～234

[4]何強(qiáng),何英.MATLAB擴(kuò)展編程[M].北京:清華出版社,2002:34～42

[5]桂現(xiàn)才.BP神經(jīng)網(wǎng)絡(luò)在MAT LAB上的實(shí)現(xiàn)與應(yīng)用[J].湛江師范學(xué)院學(xué)報(bào),2004,25(3):79～83