基于GA-BP神經(jīng)網(wǎng)絡(luò)的礦用刮板輸送機(jī)故障診斷

李廷玉，楊立新

（黑龍江科技大學(xué)電氣與控制工程學(xué)院，黑龍江哈爾濱，150022）

0 引言

對(duì)運(yùn)行中刮板輸送機(jī)在某段時(shí)間內(nèi)發(fā)生的故障進(jìn)行統(tǒng)計(jì)后發(fā)現(xiàn)，傳動(dòng)部的故障約占80%，且表現(xiàn)的形式有很多種[1]。近年來(lái)人們對(duì)BP神經(jīng)網(wǎng)絡(luò)做了很多改進(jìn)。對(duì)于常規(guī)BP神經(jīng)網(wǎng)絡(luò)存在著易陷入局部最優(yōu)、隱含層節(jié)點(diǎn)數(shù)難確定等缺點(diǎn)，本文提出利用經(jīng)驗(yàn)公式確定隱含層最優(yōu)節(jié)點(diǎn)數(shù)和遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)權(quán)閾值克服其不足[2]。

1 遺傳算法的BP神經(jīng)網(wǎng)絡(luò)

1.1 BP神經(jīng)網(wǎng)絡(luò)原理

BP神經(jīng)網(wǎng)絡(luò)是一種信號(hào)的正向傳播和誤差的反向傳播訓(xùn)練的多層前饋網(wǎng)絡(luò)，目前應(yīng)用最廣泛的神經(jīng)網(wǎng)絡(luò)。信號(hào)的正向傳播是輸入層導(dǎo)入輸入樣本，再經(jīng)過(guò)隱含層，最后傳到輸出層；比對(duì)正向傳播的輸出與期望輸出之間的誤差，然后將誤差信號(hào)逆向傳播，再重復(fù)進(jìn)行正向反向的傳播，通過(guò)不斷迭代調(diào)整權(quán)值和閾值，直到輸出最佳的權(quán)值閾值，形成完整的BP神經(jīng)網(wǎng)絡(luò)模型。BP神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)包括輸入層、一個(gè)或多個(gè)隱含層和輸出層。

1.2 BP神經(jīng)網(wǎng)絡(luò)隱含層節(jié)點(diǎn)確定

BP神經(jīng)網(wǎng)絡(luò)的隱含層節(jié)點(diǎn)數(shù)對(duì)網(wǎng)絡(luò)預(yù)測(cè)精度、收斂速度等起著很重要的作用。如果設(shè)置節(jié)點(diǎn)數(shù)太少，會(huì)導(dǎo)致網(wǎng)絡(luò)學(xué)習(xí)不充分，需要增加訓(xùn)練次數(shù)，訓(xùn)練的精度也受影響；節(jié)點(diǎn)數(shù)太多，需要增加訓(xùn)練時(shí)間，但容易網(wǎng)絡(luò)過(guò)擬合，可見(jiàn)隱含層節(jié)點(diǎn)數(shù)從結(jié)構(gòu)上影響著B(niǎo)P神經(jīng)網(wǎng)絡(luò)的優(yōu)劣性。最佳隱含層節(jié)點(diǎn)數(shù)可以通過(guò)經(jīng)驗(yàn)公式縮小范圍再確定，經(jīng)驗(yàn)公式如下：

式中，x為輸入層節(jié)點(diǎn)數(shù)；y為隱含層節(jié)點(diǎn)數(shù)；t為輸出層節(jié)點(diǎn)數(shù)；n為之間的常數(shù)。

1.3 GA-BP模型

遺傳算法是一種群優(yōu)化算法，模擬自然界遺傳性質(zhì)、進(jìn)化論進(jìn)行全局優(yōu)化，通過(guò)對(duì)初始種群進(jìn)行選擇、交叉、變異操作的不斷迭代，通過(guò)全局尋優(yōu)的特點(diǎn)優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的權(quán)值和閾值，進(jìn)而彌補(bǔ)BP神經(jīng)網(wǎng)絡(luò)易陷入局部最優(yōu)的缺點(diǎn)，當(dāng)獲得最佳的權(quán)值和閾值，用以BP 神經(jīng)網(wǎng)絡(luò)的訓(xùn)練得到GA-BP模型。并以 BP 神經(jīng)網(wǎng)絡(luò)輸出誤差最小作為適應(yīng)度函數(shù)進(jìn)行遺傳演化，直至當(dāng)達(dá)到精度要求或者最大進(jìn)化代數(shù)。

2 仿真實(shí)驗(yàn)

為了驗(yàn)證文中方法的有效性，本文中引用文獻(xiàn)[4]的神寧集團(tuán)某礦井使用的 SGZ1250-2565 型刮板輸送機(jī)數(shù)據(jù)為例，將刮板輸送機(jī)電機(jī)轉(zhuǎn)子軸承溫度故障(N1)、減速器油溫故障(N2)、電機(jī)線圈繞組溫度故障(N3)、減速器高速軸故障(N4)、減速器二軸故障（N5)等這五種故障類型進(jìn)行診斷分類，并選取<35℃（α1），35℃-50℃（α2），50℃-65℃（α3），65℃ -80℃（α4），80℃ -95℃（α5），95℃-110℃（α6），110℃-125℃（α7），125℃-140℃（α8），140℃ -155℃（α9），155℃ -170℃（α10），170℃ - 185℃（α11），185℃ -200℃（α12），>200℃ (α13)溫度范圍內(nèi)的數(shù)據(jù)進(jìn)行分析，因此神經(jīng)網(wǎng)絡(luò)的輸入節(jié)點(diǎn)數(shù)為13個(gè)，分別對(duì)應(yīng)13個(gè)特征向量；輸出節(jié)點(diǎn)為5個(gè)，分別對(duì)應(yīng)著五種故障：N1、N2、N3、N4、N5。經(jīng)過(guò)歸一化處理后，輸入樣本。網(wǎng)絡(luò)的期望輸出可以根據(jù)表1得出。

表1 故障種類矩陣

根據(jù)表1可知，網(wǎng)絡(luò)輸入為13輸出為5，可以根據(jù)經(jīng)驗(yàn)公式和試湊法確定網(wǎng)絡(luò)的最佳隱含層節(jié)點(diǎn)數(shù)。首先利用上文經(jīng)驗(yàn)公式縮小范圍得到最佳隱含層節(jié)點(diǎn)數(shù)在范圍[4,12]之間，然后經(jīng)試湊法發(fā)現(xiàn)當(dāng)隱藏層節(jié)點(diǎn)為6是網(wǎng)絡(luò)的各個(gè)參數(shù)狀態(tài)最佳。

再將25組輸入數(shù)據(jù)和對(duì)應(yīng)的期望輸出帶入到經(jīng)過(guò)遺傳算法優(yōu)化權(quán)值閾值后的BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練，訓(xùn)練結(jié)果如圖1所示。

圖1 GA-BP訓(xùn)練結(jié)果

本文遺傳算法參數(shù)設(shè)定為初始種群規(guī)模為50、遺傳代數(shù)為100代,通過(guò)遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的連接權(quán)值和閾值，取BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)速率為0.01、最大迭代次數(shù)為1000次，誤差目標(biāo)值為0.01[3]。經(jīng)過(guò)選擇交叉變異的不斷迭代。

帶入訓(xùn)練好的GA-BP神經(jīng)網(wǎng)絡(luò)和BP神經(jīng)網(wǎng)絡(luò)進(jìn)行故障診斷。當(dāng)故障類型為N1時(shí)期望輸出是[1,0,0,0,0]，GA-BP輸出[0.9974,0.330,0.0428,0.0004,0.0045 ]，可見(jiàn)其中0.9974非常接近1，因此判斷出故障類型為電機(jī)轉(zhuǎn)子軸承溫度故障N1。而B(niǎo)P神經(jīng)網(wǎng)絡(luò)的診斷輸出為[0.6432,0.0103,0.384,0.0001,0.0017]，通過(guò)與期望輸出對(duì)比，對(duì)于N1故障輸出的結(jié)果0.6432不趨近于1，所以診斷結(jié)果是不準(zhǔn)確的，不能說(shuō)明故障的準(zhǔn)確類型，可見(jiàn)GA-BP比BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)的更加準(zhǔn)確。其他的故障類型判斷方法都與此類似，可見(jiàn)輸出結(jié)果與實(shí)際故障相符合，且更準(zhǔn)確。

3 結(jié)論

本文介紹了GA-BP神經(jīng)網(wǎng)絡(luò)的刮板輸送機(jī)故障診斷方法，建立了一個(gè)多輸入多輸出的診斷模式，根據(jù)經(jīng)驗(yàn)公式和試湊法推導(dǎo)出神經(jīng)網(wǎng)絡(luò)最佳隱含層節(jié)點(diǎn)數(shù)，采用遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的權(quán)值和閾值，克服了神經(jīng)網(wǎng)絡(luò)的易陷入局部最小值、收斂速度慢等缺點(diǎn)。經(jīng)仿真實(shí)驗(yàn)研究，本文提出的GA-BP診斷方法比較于傳統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)診斷的更加準(zhǔn)確，能滿足礦用刮板輸送機(jī)的故障診斷，為刮板輸送機(jī)的故障診斷提供了理論依據(jù)。