基于SSA優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的故障診斷系統(tǒng)研究

張福生，潘學(xué)文，路 超

（太原科技大學(xué)機(jī)械工程學(xué)院，山西 太原 030024）

防爆電動無軌膠輪車在礦產(chǎn)運(yùn)輸中起著重要作用，有著運(yùn)載量大、動力性能優(yōu)越、易于操作等顯著優(yōu)點(diǎn)［1］，車輛一旦發(fā)生故障將嚴(yán)重影響煤礦產(chǎn)能，因此，對無軌膠輪車進(jìn)行故障診斷與狀態(tài)實(shí)時監(jiān)測，對煤礦順利生產(chǎn)有著重要影響。高宏鵬等［2］提出故障樹分析法與專家系統(tǒng)相結(jié)合的方式，對柴油機(jī)無軌膠輪車進(jìn)行故障診斷，該方法中專家系統(tǒng)十分依賴維修人員的經(jīng)驗知識，存在知識更新、獲取困難等缺陷。

傳統(tǒng)故障樹分析法（FTA）主要以定性分析為主，造成診斷不嚴(yán)謹(jǐn)且不一定能得到想要的結(jié)果。劉志海等［3］應(yīng)用支持向量機(jī)算法（SVM）建立了無軌膠輪車全液壓制動系統(tǒng)故障預(yù)測模型，并在Matlab 中進(jìn)行故障檢測實(shí)驗，取得了良好的結(jié)果，但關(guān)鍵核函數(shù)的確定是根據(jù)人的經(jīng)驗來選取的，具有一定的隨機(jī)性，給故障預(yù)測模型的搭建增加了一定的困難。

神經(jīng)網(wǎng)絡(luò)具有強(qiáng)大的知識獲取能力、推理能力和學(xué)習(xí)能力。利用麻雀搜索算法（Sparrow Search Algorithm，SSA）優(yōu)化BP 神經(jīng)網(wǎng)絡(luò)作為專家系統(tǒng)診斷推理模塊，通過開發(fā)的故障診斷系統(tǒng)對膠輪車故障進(jìn)行分析診斷，結(jié)果表明，該系統(tǒng)能夠準(zhǔn)確、快速地完成診斷任務(wù)。

1 麻雀搜索算法

SSA 是受麻雀捕食和躲避捕食者啟發(fā)而提出的一種智能算法，具有尋優(yōu)能力強(qiáng)、收斂速度快的優(yōu)點(diǎn)［4］。算法實(shí)現(xiàn)步驟如下：

步驟1初始化麻雀種群位置與適應(yīng)度，N、n、PD、SD、ST參數(shù)初值（最大迭代數(shù)N，種群大小n，發(fā)現(xiàn)者數(shù)量PD，感應(yīng)危險的麻雀數(shù)量SD，安全值ST，預(yù)警值R2）。

步驟2開始循環(huán)，iteration＜N。

步驟3種群排序，得出當(dāng)前的最優(yōu)麻雀個體位置，以及最佳適應(yīng)度值（注意對于第一代麻雀而言，求出的為初始最優(yōu)。最優(yōu)個體能夠優(yōu)先獲取食物）。

步驟4覓食行為，按以下公式更新發(fā)現(xiàn)者位置：

式中：Q為服從正態(tài)分布的隨機(jī)數(shù)；L為單位行向量；a為[0，1]之間的隨機(jī)數(shù)。

步驟5按以下位置更新加入者位置：

式中：Xworst為適應(yīng)度最低的麻雀位置；A+為只隨機(jī)包含1與-1兩個元素的行向量。

步驟6反捕食行為，更新麻雀種群位置：

控制更新位置的步長。K是［-1，1］之間的隨機(jī)數(shù)，fi是個體適應(yīng)度值。ε是接近0 的常數(shù)，避免分母為零的情況。

步驟7更新歷史最優(yōu)適應(yīng)度。

步驟8執(zhí)行步驟3～7，當(dāng)達(dá)到最大迭代次數(shù)，結(jié)束循環(huán)。輸出最優(yōu)個體位置與適應(yīng)度值［5］。

1.1 SSA優(yōu)化BP神經(jīng)網(wǎng)絡(luò)

BP（Back Propagation）神經(jīng)網(wǎng)絡(luò)是誤差反向傳播的一種算法［6］，經(jīng)過幾十年的發(fā)展技術(shù)已經(jīng)十分成熟且被應(yīng)用于多個領(lǐng)域，不過其在故障診斷方面的應(yīng)用，往往容易陷入局部極小點(diǎn)，使收斂速度變慢。BP 神經(jīng)網(wǎng)絡(luò)通過不斷調(diào)整網(wǎng)絡(luò)權(quán)值、閾值，使誤差達(dá)到規(guī)定范圍內(nèi)即網(wǎng)絡(luò)達(dá)到穩(wěn)定狀態(tài)［7］。SSA具有尋優(yōu)能力強(qiáng)、收斂速度快的優(yōu)點(diǎn)，通過優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的權(quán)值和閾值，使得診斷誤差降低，提高了診斷的準(zhǔn)確性。選取訓(xùn)練集與測試集整體的均方誤差MSE為適應(yīng)度值。適應(yīng)度函數(shù)數(shù)學(xué)模型為

適應(yīng)度值越小，表明訓(xùn)練越準(zhǔn)確，精度越好。SSA優(yōu)化BP神經(jīng)網(wǎng)絡(luò)流程如圖1所示。

圖1 SSA優(yōu)化BP神經(jīng)網(wǎng)絡(luò)流程Fig.1 SSA optimization BP neural network flow chart

2 神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)

專家系統(tǒng)主要是依據(jù)存儲在知識庫中的知識進(jìn)行故障診斷，而這些知識是通過詢問專家、有經(jīng)驗的維修人員或查閱文獻(xiàn)資料獲得的，可能存在遺漏，使得故障診斷結(jié)果不盡如人意。神經(jīng)網(wǎng)絡(luò)的權(quán)值、閾值決定網(wǎng)絡(luò)的穩(wěn)態(tài)，穩(wěn)定后的神經(jīng)網(wǎng)絡(luò)就成為神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)的知識庫。因此，把兩者結(jié)合起來［8］可以解決專家系統(tǒng)知識獲取困難問題，同時使專家系統(tǒng)故障診斷具備定量分析能力。

2.1 專家系統(tǒng)結(jié)構(gòu)

系統(tǒng)主要由人機(jī)界面、數(shù)據(jù)庫、知識庫、推理機(jī)、解釋器構(gòu)成［9］。人機(jī)界面是用戶登錄、使用系統(tǒng)的窗口，具有很好的交互性；數(shù)據(jù)庫用來存放用戶個人信息和接收歸一化處理后的各路采集數(shù)據(jù)；知識庫用于存放規(guī)則知識、訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)和調(diào)整好的權(quán)值、閾值。推理機(jī)的推理過程是依賴知識庫中的規(guī)則進(jìn)行的，或是通過使用采集、處理過的數(shù)據(jù)及結(jié)合已訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)進(jìn)行診斷，再通過解釋器將診斷結(jié)果清晰地顯示出來［10］。系統(tǒng)結(jié)構(gòu)如圖2所示。

圖2 神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)結(jié)構(gòu)Fig.2 Neural network expert system structure

2.2 專家系統(tǒng)設(shè)計

Matlab是一款數(shù)值計算、信號處理、程序開發(fā)、圖像處理等強(qiáng)大功能于一體的數(shù)學(xué)軟件。通過利用Matlab 神經(jīng)網(wǎng)工具箱、Visual Studio 軟件開發(fā)平臺，再結(jié)合SQL Server 數(shù)據(jù)庫功能實(shí)現(xiàn)電動無軌膠輪車神經(jīng)網(wǎng)絡(luò)故障診斷系統(tǒng)的設(shè)計［11］。在Matlab 安裝Run Time 可實(shí)現(xiàn)脫離Matlab 環(huán)境運(yùn)行的exe 可執(zhí)行文件，有利于提高診斷系統(tǒng)的可移植性，方便診斷。

3 系統(tǒng)應(yīng)用實(shí)例

3.1 故障特征參數(shù)提取

神經(jīng)網(wǎng)絡(luò)故障診斷適用于某一單個系統(tǒng)，而電動無軌膠輪車整體系統(tǒng)龐大，結(jié)構(gòu)復(fù)雜，因此，以電動無軌膠輪車防爆驅(qū)動電機(jī)為例，通過壓電式加速度傳感器采集防爆驅(qū)動電機(jī)在不同狀態(tài)下的振動信號［12］，故障特征參數(shù)通過壓電式加速度傳感器采集，再經(jīng)過降噪、小波包分解、歸一化等操作獲得特征向量作為神經(jīng)網(wǎng)絡(luò)的輸入向量傳遞給診斷系統(tǒng)，并在Matlab 中進(jìn)行訓(xùn)練與測試仿真。Soundbook MK2 數(shù)據(jù)采集儀支持多種類、多通道信號同時采集且支持?jǐn)?shù)據(jù)實(shí)時監(jiān)測和后期處理，是一款便攜式多通道聲學(xué)、振動、工程測量系統(tǒng)。利用Soundbook MK2數(shù)據(jù)采集儀和CA-YD-186壓電式加速度傳感器采集防爆電動無軌膠輪車防爆驅(qū)動電機(jī)不同狀態(tài)下的振動信號。Soundbook MK2數(shù)據(jù)采集儀振動噪聲采樣頻率設(shè)為5 kHz，數(shù)據(jù)采集長度約25 s，將采集到的數(shù)據(jù)保存到電腦上。

由于在采集防爆驅(qū)動電機(jī)振動信號過程中會有較大干擾，因此要對采集到的振動信號進(jìn)行降噪處理，提高信噪比；在Matlab中編寫程序?qū)翟牒蟮恼駝有盘栠M(jìn)行小波包分解與重構(gòu)獲得故障特征參數(shù)向量［13］，利用函數(shù)y=(x-min)/(max-min)將其歸一到［0，1］區(qū)間，方便神經(jīng)網(wǎng)絡(luò)的訓(xùn)練與測試。歸一化后的訓(xùn)練樣本數(shù)據(jù)如表1 所示。

表1 訓(xùn)練樣本數(shù)據(jù)Tab.1 training sample data

3.2 SSA優(yōu)化BP神經(jīng)網(wǎng)絡(luò)仿真測試

BP 神經(jīng)網(wǎng)絡(luò)輸入層個數(shù)是采集驅(qū)動電機(jī)不同故障類別對應(yīng)的特征參數(shù)（m=9），輸出層為驅(qū)動電機(jī)6 個不同狀態(tài)，即對應(yīng)著5 個故障原因和正常狀態(tài)（n=6），隱含層取9 訓(xùn)練效果最佳。SSA進(jìn)化收斂曲線如圖3所示。SSA優(yōu)化前后的BP 神經(jīng)網(wǎng)絡(luò)預(yù)測值和真實(shí)值對比如圖4 所示。SSA 優(yōu)化前后的BP 神經(jīng)網(wǎng)絡(luò)預(yù)測值和真實(shí)值誤差對比如圖5所示。

圖3 SSA進(jìn)化收斂曲線Fig.3 SSA evolution convergence curve

圖4 SSA優(yōu)化前后的BP神經(jīng)網(wǎng)絡(luò)預(yù)測值和真實(shí)值對比Fig.4 Comparison of predicted value and actual value of BP neural network before and after SSA optimization

圖5 SSA 優(yōu)化前后的BP 神經(jīng)網(wǎng)絡(luò)預(yù)測值和真實(shí)值誤差對比Fig.5 Comparison of the error between the predicted value and the actual value of the BP neural network before and after SSA optimization

網(wǎng)絡(luò)參數(shù)設(shè)置如下：

通過對BP神經(jīng)網(wǎng)絡(luò)、SSA-BP神經(jīng)網(wǎng)絡(luò)仿真測試結(jié)果比較可以得出，BP 神經(jīng)網(wǎng)絡(luò)訓(xùn)練時間長，誤差較大；而SSA-BP神經(jīng)網(wǎng)絡(luò)收斂速度快、具有較高的準(zhǔn)確率、效果穩(wěn)定，適用于驅(qū)動電機(jī)故障診斷，可作為神經(jīng)網(wǎng)絡(luò)算法在專家系統(tǒng)中對故障進(jìn)行診斷、預(yù)測。BP、SSA-BP網(wǎng)絡(luò)誤差比較如表2所示。

表2 BP、SSA-BP網(wǎng)絡(luò)誤差比較Tab.2 Comparison of BP and SSA-BP Network Errors

4 專家系統(tǒng)故障診斷

通過提取到的故障特征參數(shù)作為神經(jīng)網(wǎng)絡(luò)的輸入向量參數(shù)，通過不斷調(diào)整網(wǎng)絡(luò)的權(quán)值、閾值，形成穩(wěn)定神經(jīng)網(wǎng)絡(luò)作為專家診斷系統(tǒng)知識庫數(shù)據(jù)，從而解決了知識獲取難的問題；以SSA-BP 神經(jīng)網(wǎng)絡(luò)作為故障診斷專家系統(tǒng)推理診斷模塊，當(dāng)輸入信號傳入系統(tǒng)時，SSA-BP 神經(jīng)網(wǎng)絡(luò)利用之前訓(xùn)練好的、穩(wěn)定的網(wǎng)絡(luò)進(jìn)行故障診斷，由于神經(jīng)網(wǎng)絡(luò)輸出信號是數(shù)值形式，因此需要將輸出數(shù)值轉(zhuǎn)化為文字格式，并通過人機(jī)界面、解釋器將診斷結(jié)果顯示出來。

以一測試樣本為例［0.452 3 0.467 9 0.774 9 0.710 3 0.981 5 1.000 0 1.000 6 0.935 6 0.981 3］，在診斷界面輸入采集到的經(jīng)過處理的振動信號作為故障輸入，點(diǎn)擊診斷按鈕，解釋器會顯示診斷結(jié)果和故障圖方便維修者觀察，診斷輸出結(jié)果為［0 0 0 1 0 0］，轉(zhuǎn)化為文字格式為軸承損壞故障。通過測試樣本輸出結(jié)果與系統(tǒng)診斷結(jié)果比較可知，系統(tǒng)有較高的診斷準(zhǔn)確性和有效性。專家系統(tǒng)神經(jīng)網(wǎng)絡(luò)診斷界面如圖6 所示。

圖6 專家系統(tǒng)神經(jīng)網(wǎng)絡(luò)診斷界面Fig.6 Expert system neural network diagnostic interface

5 結(jié)語

SSA-BP 神經(jīng)網(wǎng)絡(luò)與BP 神經(jīng)網(wǎng)絡(luò)相比縮短了神經(jīng)網(wǎng)絡(luò)權(quán)值、閾值調(diào)整過程且誤差更小，可作為模式識別神經(jīng)網(wǎng)絡(luò)參與防爆電動無軌膠輪車故障診斷。將SSA-BP 神經(jīng)網(wǎng)絡(luò)與專家系統(tǒng)結(jié)合，可以充分展示神經(jīng)網(wǎng)絡(luò)定量分析的優(yōu)點(diǎn)，使故障診斷更加準(zhǔn)確、快捷，同時還可以實(shí)現(xiàn)故障實(shí)時監(jiān)測，防止車輛帶故障工作，影響其使用壽命。通過Matlab、Visual Studio 軟件開發(fā)平臺，SQL Server 數(shù)據(jù)庫設(shè)計開發(fā)的故障診斷系統(tǒng)，診斷測試該系統(tǒng)，該系統(tǒng)具有診斷準(zhǔn)確、快捷的特點(diǎn)。