基于RBF改进-实验报告

精品文档 1欢迎下载 基于基于 RBFRBF 的回热系统故障诊断的回热系统故障诊断 RBFRBF 实验名称实验名称 基于 RBF 的回热系统故障诊断 RBFRBF 神经网络优点及结构 神经网络优点及结构 尽管 BP 神经网络具有很好的非线性映射能力和灵活的 网络结构等优点 但存在着收敛速度慢缺点 而 RBF 神经网络无论在逼近能力 分类能力和学习速度等方面均优于 BP 神经网络 RBF 神经网络结构和 BP 神经 网络类似 都属于多层前向网络 典型的 RBF 神经网络由输入层 隐含层 输 出层组成 其结构如图一所示 图一 RBF 神经网络结构图 其中输入层由输入信号的源节点组成 第二层为隐含层 第三层为输出层 输出神经网络对输入的响应 其中隐含层的激活函数称为径向函数 RBF 该 函数是一种局部分布的关于中心点对称的非负非线性函数 实现了从输入空间 到隐含层空间的非线性变换 而隐含层空间到输出层空间的变换是线性的 使 隐含层的输出按权值叠加 得到 RBF 网络的输出 构成 RBF 的基本思想是 用 RBF 作为隐含层节点的 基 构成隐含层空间 这样就可以将输入向量直接 不通过权连接 映射到隐含层空间 当 RBF 的中心 和宽度确定后 这样映射关系就确定了 而隐含层空间到输出层空间的映射是 线性的 即网络的输出是隐含层节点输出的线性加权和 此处的权即为网络可 调参数 由此可见 从总体上看 网络由输入到输出的映射是非线性的 然而 网络输出对可调参数而言却是线性的 这样网络的权就可由线性方程组解出或 精品文档 2欢迎下载 用 RLS 方法递推计算 从而大大加快学习速度并避免局部极小问题 这也是 RBF 神经网络的优势存在 这里描述 RBF 神经网络的构造 RBF 神经网络的隐含层由一组径向基 函数构成 与每个隐含层节点相关的参数向量为中心 Cj 和宽度 j 隐含层节 点计算输入与中心的欧几里得范数作为径向基函数的自变量 rj2 典型的径向 基函数有很多 但是我们在此处选用 uj exp rj2 c2 高斯函数 作为径向函数 隐含层的输出按权值叠加 得到 RBF 网络输出 假设 RBF 神经网络输出层 隐含层 输出层的节点数为 I J K 当输入为 X x1 x2 x3 xn 时 隐含层第 j 个神经元的输出为 j 1 2 3 J 2 exp 2 2 j j j CX u 其中为高斯基函数的中心 是一个 I 维的向量 宽度也就是高斯基函数的方差 j C j 是一个数值量 输出层由隐含层输出线性组合而成 其第 k 个神经元输出为 k 1 2 3 K J j jjkk uy 1 实验流程 精品文档 3欢迎下载 开始初始化 读取所要训练的样本数据和设定的目标向量 直接调用 matlab 里面的程序 对隐含层和输出层各单元的权值和输出进行求解 在进行 计算目标值和实际输出的偏差 E 判断 E 是否满足设定要求 如果所有误差都 能满足设定值 就可以跳出程序 结束本次计算 如果不满足 则要再次进行 隐含层的误差计算 求误差梯度 进行权值学习 再次进行计算 进行训练成 功以后 再将测试样本数据带入网络进行测试 得到实验结果 根据实验结果 判断故障类型 RBFRBF 神经网络的学习算法 神经网络的学习算法 而对于 RBF 神经网络主要训练的参数主要是基函数的中心 宽度以及隐含层和输出层 的连接权值 选择梯度下降法作为简述过程 首先定义目标函数 M 表示训练样本的个数 代表样本 m 的误差 计 M m eE 1m 2 2 1 m e 精品文档 4欢迎下载 算公式为 梯度下降法得到的更新值为 mmmmm Xfdyde 为学习系数 也称为学习率 1 n nE lnn l 对于正交最小二乘法是常用的 RBF 网络学习方法 其基本思想是将径向基函数的中心 选作训练样本的子集 用误差下降率答方法衡量每个样本对输出的贡献 调整网络的结构 和中心 知道满足设定的静止条件 MATLAB 的神经网络工具箱中构建 RBF 神经网络的 newrb 函数就是使用正交最小二乘法实现的 其基本原理是从 0 个神经网络开始训练 通 过检查输出误差 使网络自动增加神经元 每次循环使用 是网络产生的最大误差所对应 得输入向量作为中心 产生一个新的隐含层神经元 然后检查新网络的误差 重复此过程 直至达到误差要求或最大隐含层神经元数为止 使用该函数构造 RBF 神经网络 需要设定 参数 spread 扩展系数 对应式高斯函数的宽度 j 因此设计 RBF 神经网络时需要反 复尝试不同的 spread 值 以取得较好的结果 实例研究实例研究 故障模式表格及其征兆变化 如下表一所示 表一 序号故障模式征兆变化 1 2 3 9 A 排油管道逆止阀卡涩稍小不变稍小不变稍小稍小不变不变稍小 B 排气管道排气不畅稍小不变不变不变稍小稍小变大不变不变 C 排气管道排气量过大稍大不变稍大不变稍小稍小变大不变不变 D 加热管束污染 结垢稍小不变不变不变变小变小变大不变稍大 精品文档 5欢迎下载 E 加热器内部水侧短路稍小不变不变不变变小变小变大不变不变 F 加热器内部管系泄漏变大不变稍大不变变小变小变大变大稍小 G 疏水不畅稍小不变不变不变稍小稍小变大稍大不变 H 加热器旁路阀故障稍大不变不变不变不变不变不变变小变大 J 疏水器故障稍小不变不变不变不变变小不变不变不变 I 加热器满水稍小不变不变不变稍小变小变大变大不变 K 除氧器排气带水不变不变不变不变不变不变不变变大不变 L 除氧器自身沸腾稍小稍大变大不变变大不变不变变大不变 M 运行正常不变不变不变不变不变不变不变不变不变 首先给出训练参数 如下表二所示 表二 加热器特征参数值对应 故障 123456789 A0 250 400 250 50 50 50 250 50 25 B0 250 400 500 500 500 500 750 500 50 C0 750 600 750 500 500 500 500 500 50 D0 250 400 500 500 250 250 500 500 75 E0 250 400 500 500 000 001 000 500 50 F0 750 600 750 500 250 250 751 000 25 G0 250 400 500 500 500 500 750 750 50 H0 750 600 500 500 750 750 250 001 00 I0 250 400 500 500 750 250 250 500 50 J0 250 400 500 500 250 250 751 000 50 K0 500 500 500 500 750 750 251 000 50 L0 2500 750 750 501 001 000 251 000 50 M0 500 500 500 500 750 750 250 500 50 精品文档 6欢迎下载 由上述数据训练一个 RBF 神经网络然后给出两组测试数据 如表三 表四所示 表三 诊断输入 0 58 9 0 4950 6580 503 6 0 817 5 0 750 250 9310 5 各故障隶度类型 ABCDEFGHIJKLM RBF 0 1555 0 0 197 0 13 08 0 090 7 0 045 9 0 010 3 0 00 82 0 043 2 0 05530 25010 90820 08280 1069 BP0 00050 0 000 0 00 51 0 000 0 0 000 0 0 014 1 0 00 39 0 000 0 0 00000 00020 90300 07550 0403 诊断结果 除氧器排气带水 表四 诊断输入 0 79340 46840 77900 52800 28850 28310 69790 81980 2247 诊断输出 各种故障隶属度类 型 ABCDEFGHIJKLM RBF0 05 91 0 07 67 0 28 33 0 0 184 0 06 82 0 91 22 0 1 501 0 03 23 0 00 70 0 1 371 0 0 183 0 00 79 0 08 92 BP0 00 22 0 00 0 0 07 75 0 0 000 0 00 16 0 90 71 0 0 062 0 00 02 0 00 01 0 0 005 0 0 023 0 00 13 0 00 01 诊断结果 加热管内部管系泄露 精品文档 7欢迎下载 RBFRBF 实验程序 实验程序 P 0 25 0 40 0 25 0 50 0 50 0 50 0 25 0 50 0 25 0 25 0 40 0 50 0 50 0 50 0 50 0 75 0 50 0 50 0 75 0 60 0 75 0 50 0 50 0 50 0 50 0 50 0 50 0 25 0 40 0 50 0 50 0 25 0 25 0 50 0 50 0 75 0 25 0 40 0 50 0 50 0 00 0 00 1 00 0 50 0 50 0 75 0 60 0 75 0 50 0 25 0 25 0 75 1 00 0 25 0 25 0 40 0 50 0 50 0 50 0 50 0 75 0 75 0 50 0 75 0 60 0 50 0 50 0 75 0 75 0 25 0 00 1 00 0 25 0 40 0 50 0 50 0 75 0 25 0 25 0 50 0 50 0 25 0 40 0 50 0 50 0 25 0 25 0 75 1 00 0 50 0 50 0 50 0 50 0 50 0 75 0 75 0 25 1 00 0 50 0 25 0 75 0 75 0 50 1 00 1 00 0 25 1 00 0 50 0 50 0 50 0 50 0 50 0 75 0 75 0 25 0 50 0 50 T 1 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 精品文档 8欢迎下载 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 1 P P T T spread 0 82 net newrbe P T spread 对 test1 进行故障诊断 p1 0 589 0 495 0 658 0 5036 0 8175 0 75 0 25 0 931 0 5 对网络进行仿真 y1 sim net p1 type1 y1 对 test2 进行故障诊断 p2 0 7934 0 4684 0 7790 0 5280 0 2885 0 2831 0 6979 0 8198 0 2247 y2 sim net p2 type2 y2 RBFRBF 实验程序测试实验结果如下图所示 实验程序测试实验结果如下图所示 spread 0 5 时的诊断结果 精品文档 9