隨著現(xiàn)代科學技術的發(fā)展,設備的集成度越來越高,越來越復雜,故障診斷技術的出現(xiàn)為提高系統(tǒng)的可靠性和安全性開辟了一條新的途徑。近些年來,由于計算機技術、信號處理、人工智能、模式識別技術的發(fā)展,促進了故障診斷技術的不斷發(fā)展,大型復雜電子設備的出現(xiàn),使得人們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,對故障診斷技術的研究有著重要的理論及現(xiàn)實意義。 1 BP神經(jīng)網(wǎng)絡故障診斷模型 一個神經(jīng)網(wǎng)絡用于故障診斷時,主要包括三層:輸入層,即從設備對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)部的學習和處理,轉化為針對性的解決辦法;輸出層,是針對輸入的故障形式,經(jīng)過調整權值后得到的故障處理方法。對于一個新的輸入狀態(tài)信息,訓練好的網(wǎng)絡將由輸出層給出故障識別結果。BP神經(jīng)網(wǎng)絡故障診斷模型如圖1所示。 ![]() 2 BP神經(jīng)網(wǎng)絡的優(yōu)化——共軛梯度法 雖然神經(jīng)網(wǎng)絡模型已成功應用于模式識別、函數(shù)逼近、時間序列預測等領域,但是由于BP學習算法僅改變網(wǎng)絡的連接值和閾值,不改變網(wǎng)絡的拓撲結構,因此BP網(wǎng)絡在處理具體問題時還存在收斂速度慢,易陷入局部極小值等缺點。為了解決BP網(wǎng)絡訓練的缺點,人們提出了多種有益的改進方法。 本文研究了共軛梯度法對BP神經(jīng)網(wǎng)絡進行優(yōu)化設計,基本思想如下: 傳統(tǒng)的前向多層網(wǎng)絡的BP學習算法實質上是無約束的最速下降法,改進的BP算法是對最速下降法作了一些約束;而共軛梯度法則是介于最速下降法和牛頓法之間的一種方法,它僅需要利用一階導數(shù)信息,不僅克服了BP學習算法收斂慢的缺點,又避免了存儲和計算牛頓法所需要的二階導數(shù)信息。共軛梯度法的計算步驟和最速下降梯度法差別不大,主要差別在于搜索方向不同,即每一步的方向不是梯度的負方向,而是一種共軛的方向。由原來的負梯度方向加上一個修正項得到共軛方向,也就是使得最速下降法具有共軛性,從而提高算法的有效性和可靠性。共軛梯度法應用于神經(jīng)網(wǎng)絡中的目的是求誤差函數(shù)E(W)的最小值。算法主要是利用共扼梯度方向來修正權值W,使W的確定更為快速,計算過程如下; (1)初始化權值W1,令k=1; (2)計算網(wǎng)絡的負梯度矢量: 設p1=r1=-E’(W1),式中E’(W1)是根據(jù)BP算法求出的負梯度。 3 診斷實例 現(xiàn)以一電子設備為診斷對象,驗證優(yōu)化的BP神經(jīng)網(wǎng)絡算法。樣本數(shù)據(jù)從測試口測試獲得,一共6個測試點,10個板卡故障。診斷步驟如下: (1)故障特征提取 表1為實驗測得的故障樣本數(shù)據(jù);表2為歸一化后的數(shù)據(jù),其激活函數(shù)采用S型函數(shù)f=1/(1+e-ax);表3為神經(jīng)網(wǎng)絡的目標輸出模式,1表示有故障,0表示正常。 (2)BP網(wǎng)絡的訓練 取輸入節(jié)點N1=6,輸出節(jié)點N3=11,隱層節(jié)點采用 ,a取1~10,本實驗中a取7(根據(jù)訓練誤差曲線調整而得),N2=15。學習率η=0.2,訓練誤差E (3)BP網(wǎng)識別結果分析 ①用樣本自身數(shù)據(jù)輸入訓練好的神經(jīng)網(wǎng)絡中,其識別結果見表4。與故障模式對比分析可知,自身數(shù)據(jù)檢測正確率為100%。可見,該網(wǎng)絡達到了訓練的要求。 ②任取4組測試數(shù)據(jù)見表5,觀察其識別結果。表6為歸一化后的測試數(shù)據(jù),表7為識別結果。與故障模式對比可知,第一組數(shù)據(jù)對應的故障是MA-1;第二組數(shù)據(jù)對應的故障是MB-2;第三組數(shù)據(jù)對應的故障是MD;第四組數(shù)據(jù)對應的故障是MG。由此可見,本網(wǎng)絡不僅能識別樣本本身的故障,而且能準確診斷樣本以外的數(shù)據(jù)故障。 4 結 語 本次實驗中的BP神經(jīng)網(wǎng)絡采用共軛梯度法進行優(yōu)化設計,由實驗數(shù)據(jù)可知,該網(wǎng)絡能夠準確診斷數(shù)據(jù)的故障狀態(tài),可見,該方法能夠成功應用于設備的故障診斷中。故障診斷是一門實用性很強的技術,因此只有在實際應用中才能體現(xiàn)它的價值,目前在理論研究方面雖有不少進展,但真正在工程實踐中成功應用的實例還較少,因此如何將先進的故障診斷理論與方法應用到實際中,還有待更深入的研究。 |