




已阅读5页,还剩46页未读, 继续免费阅读
版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领
文档简介
摘要本文主要内容为矿山排水在线监控系统中传感器故障诊断系统研究。应用了模糊神经网络的故障诊断方法,具体包括模糊理论、神经网络和传感器有关理论及他们的在故障诊断中的应用。本文详细介绍了模糊神经网络的结构和学习算法,并将此应用于故障诊断中,并分析了它在故障诊断过程中存在的优势和不足。该诊断方法是应用MATLAB提供的模逻辑工具箱实现的。将模糊技术融合到神经网络中,应用模糊理论把故障特征参数分级模糊化,再结合神经网络进行故障诊断,结果证明了基于模糊神经网络的故障诊断方法是有效的,具有一定的学术和工程应用价值。关键词传感器;神经网络;模糊理论;故障诊断ABSTRACTTHEMAINCONTENTSOFTHISTHESISAREMINEDISCHARGEONLINEMONITORINGSYSTEMOFSENSORFAULTDIAGNOSISSYSTEMRESEARCHAPPLICATIONOFTHEFUZZYNEURALNETWORKFAULTDIAGNOSISMETHOD,INCLUDINGFUZZYTHEORY,NEURALNETWORKANDSENSORRELATEDTHEORIESANDTHEIRAPPLICATIONINFAULTDIAGNOSISTHISPAPERINTRODUCESTHEFUZZYNEURALNETWORKSTRUCTUREANDLEARNINGALGORITHM,WHICHISAPPLIEDTOTHEFAULTDIAGNOSIS,ANDANALYZESITINTHEPROCESSOFFAULTDIAGNOSISINTHEPRESENCEOFTHEADVANTAGESANDDISADVANTAGESOFTHISFUZZYMETHODISREALIZEDBYTHEFUZZYINFERENCESYSTEMTOOLBOXOFMATLABTHEFUZZYTECHNOLOGYINTEGRATIONINTOTHENEURALNETWORK,THEAPPLICATIONOFFUZZYTHEORYTOFAULTCHARACTERISTICPARAMETERSOFGRADINGFUZZY,COMBINEDWITHTHENEURALNETWORKFAULTDIAGNOSIS,RESULTSSHOWTHATTHEFAULTDIAGNOSISBASEDONFUZZYNEURALNETWORKMETHODISEFFECTIVE,HASCERTAINACADEMICANDENGINEERINGAPPLICATIONVALUEKEYWORDSSENSORNEURALNETWORKFUZZYTHEORYFAULTDIAGNOSIS目录摘要IABSTRACTII第1章绪论111课题研究背景与意义1111课题的研究背景1112课题研究的意义112故障诊断技术综述2121故障诊断概念与内容2122故障诊断技术的发展概况413模糊技术与神经网络技术的发展概况4131模糊技术的发展概况4132神经网络技术的发展概况514论文的主要内容515本章小结5第2章模糊理论及其应用621模糊理论6211模糊理论的基本概念6212模糊集合的表示方法6213模糊集合的运算7214隶属函数的建立与模糊分布822模糊推理11221模糊推理的方法11222模糊推理举例1223模糊推理的实现1324本章小结13第3章神经网络及其应用1431神经网络的基本原理14311神经网络的基本概念14312神经网络的拓扑结构15313神经网络的学习方式1632BP神经网络16321BP神经网络的结构16322BP网络的算法步骤17323BP网络的算法改进1833模糊神经网络故障诊断19331模糊理论与神经网络的结合20332基于模糊神经网络的故障诊断模型2034本章小结22第4章模糊神经网络故障诊断方法2341模糊逻辑和神经网络的比较2342模糊神经网络的结构2343改进的模糊神经网络的结构24431对模糊神经网络进行改进24432模糊规则数的确定26433学习算法2744基于信息融合的模糊神经网络故障诊断方法2945模糊神经网络故障诊断方法的MATLAB实现30451传感器实时数据处理30452模糊化处理31453神经模糊系统在MATLAB上的实现32第5章系统整体设计及实现3651虚拟仪器简介3652虚拟测量系统的组成3653虚拟仪器程序36531虚拟仪器人机界面37532虚拟仪器的算法程序3854虚拟仪器与MATLAB通信4055系统整体设计41第6章小结44参考文献45致谢46第1章绪论11课题研究背景与意义111课题的研究背景现代化的工程技术系统正朝着大规模、复杂化的方向发展,这类系统一旦发生事故就可能造成人员和财产的巨大损失。如1982年江苏化肥厂合成氨压缩机组发生强烈振动,三次停机,损失达千万元以上。大量事实表明,对机械设备,特别是关键设备实行工况监控和故障诊断的必要性与迫切性。开发矿藏时,由大气降水、地表水、地下水和生产用水等涌入矿井的水量,称矿井涌水量,通常为采掘量的数倍到数十倍。矿井涌水量呈季节性周期变化,雨季(或溶雪期)达高峰,最大涌水量可为正常涌水量的153倍或更多。排水方法有自流排水和机械排水两种。为防止矿山水灾,露天和地下开采均须有良好的排水系统和设备。因此,切实保障现代复杂系统的可靠性与安全性,具有十分重要的意义,得到了广泛的高度重视。任何一个系统都不可避免会出现故障,如何将故障即时诊断出来,并将故障造成的损失降低到最小限度,就产生了一门十分有意义的学科控制系统的故障诊断。故障诊断技术的出现,为提高复杂系统的可靠性开辟了一条新的途径。所谓故障检测是指校核可测变量或不可测估计变量是否在正常的运行范围内。从设备故障诊断技术的起源和发展来看,故障诊断技术的目的是保证可靠地、高效地发挥设备应有的功能。这包含了三点一是保证设备无故障,工作可靠二是保证物尽其用,设备要发挥最大的效益三是保证设备在将有故障或已有故障时,能及时诊断出来,正确地加以维修,以减少维修时间,提高维修质量,节约维修费用,应使重要的设备能按其状态进行维修,改革目前按时维修的体制。112课题研究的意义基于模糊神经网络的传感器故障诊断方法是解决以上难题的有效途径。将模糊技术与神经网络技术结合在一起,既拥有模糊技术的优点如易于置入专家知识等,又有神经网络的优点如并行分布处理的连接结构、自学习和较好的容错能力等为解决充满了复杂性与模糊性的传感器故障诊断,提供了一种有效的思维方法因此,论文在研究了传感器系统常见故障的基础上,通过有关数据信息,并选取合理的隶属度函数进行模糊化处理,建立了相应的故障诊断模糊规则库和利用模糊神经网络使得神经网络这一“黑箱”问题走向透明化,即可以将许多能够用规则描述的因果关系用模糊神经网络的输入输出关系实现,从而进行训练与仿真。12故障诊断技术综述121故障诊断概念与内容1故障诊断的概念故障诊断是指在一定工作环境下查明导致系统某种功能失调的原因或性质,判断劣化状态发生的部位或部件,以及预测状态劣化的发展趋势等1。故障诊断的基本思想可以表述为设备检测对象全部可能发生的状态,包括正常和故障状态,组成状态空间,它的观测量的取值全体构成特征空间,当系统处于某一状时,系统具有确定SYS的特即G,NABBUUUAGSY反之,一定的特征也对应确定的状态,即存在映射FF状态空间与特征空间的关系可用图11表示。图11故障诊断表述若系统可能发生的状态是有限的,例如可能发生种故障,这时把正常系统所处N的状态称为,把存在不同故障的系统所处的不同状态称为。当系统处于状0S1,NS态时,对应的可测量特征向量为。故障诊断是由特征向量112,NIIIYY表征,求出它所对应的状态的过程。因为一般故障状态并非绝对清2,MYYS晰的,有一定模糊性,因此它所对应的特征值也在一定范围内变动,在这种情况下,故障诊断就成为按特征向量对被测系统进行分类的问题或对特征向量进行状态的模式识别问题。因此,故障诊断实质上是一类模式分类问题。2故障诊断的内容特征空间状态空间对于设备的故障诊断,一是防患于未然,早期诊断二是诊断故障,采取措施。具体讲,故障诊断技术应包括以下5个方面内容2。正确地从特征信号中提取设备有关状态的有用信息一般来讲,从特征信号来直接判明设备状态的有关情况,查明故障的有无是比较难的。正确选择与测取设备有关状态的特征信号所测取的信号应该包含设备有关状态的信息,这种信号称为特征信号或特征参数。根据征兆正确地进行设备的状态诊断一般地,不能直接采用征兆来进行设备的故障诊断、识别设备的状态。可以采用多种的模式识别理论与方法,对征兆加以处理,构成判别准则,进行状态的识别与分类。根据征兆与状态正确地进行设备的状态分析当状态为有故障时,则应采用有关方法进一步分析故障位置、类型、性质、原因与趋势等。例如,故障树分析是分析故障原因的一种有效方法,也可以应用神经网络如有导师学习的BP网络等。根据状态分析正确地做出决策状态分析结束后,应干预设备及其工作进程,以保证设备可靠、高效地发挥其应有功能,达到故障诊断的目的。所谓干预包括人为干预和自动干预,即包括调整、修理、控制、自诊断等。设备诊断过程框图如图12。检测对象特征信号征兆状态故障情况决策状态趋势信号测取信号提取状态监控设备干预决策形成图12设备诊断过程图122故障诊断技术的发展概况设备的故障诊断,实际上自有工业生产以来就存在,早期人们根据对设备的触摸,对声音、振动等状态特征的感受,凭借工匠的经验,可以判断某些故障的存在,并提出修复的措施。故障诊断技术是现代化生产发展的产物,故障诊断技术作为一门学科,是20世纪60年代以后才发展起来的。我国故障诊断技术的发展始于20世纪70年代末。1985年以来,由中国设备管理协会设备诊断技术委员会、中国振动工程学会机械故障诊断分会和中国机械工程学会设备维修分会分别组织的全国性故障诊断学术会议先后召开十余次,极大推动了我国故障诊断技术的发展。1987年国务院正式颁布了全民所有制工业交通企业设备管理条例,规定“企业应当积极采用先进的设备管理方法和维修技术,采用以设备状态监测为基础的设备维修方法”,其后冶金、机械、核工业等部门还分别提出了具体的实施要求,使我国故障诊断技术的研究和应用在全国普遍展开。现在全国已有很多单位开展设备诊断技术的研究工作,全国各行业都很重视在关键设备上装备故障诊断系统,特别是智能化的故障诊断系统。在一些特定设备的诊断研究方面很有特色,形成了一批自己的监诊断产品。目前,全国性的设备故障诊断会议经常举办,各种国际会议也举办过数次。13模糊技术与神经网络技术的发展概况131模糊技术的发展概况1965年美国加利福尼亚大学教授扎德(LAZADEH)第一次提出了研究事物模糊性的问题,并且提出了模糊集合这一新概念,作为表示模糊事物的基本数学模型,为模糊数学奠定了基础。模糊数学从二值逻辑基础上转移到连续值逻辑上来,把绝对的“是”和“非”变为更加灵活的东西,在适当的限域上相对的划分“是”与“非”。利用隶属度函数和最大隶属原则可以进行模式识别,利用模糊矩阵可以进行模糊关系合成运算及模糊聚类,另外还可以进行模糊综合评判。从某种意义上讲,模糊数学是架在形式化思维和复杂系统之间的一座桥梁。通过它可以把形式化思维的数学成果应用到复杂系统,可以通过少量的信息而获得大量的成果。模糊理论在车用发动机故障诊断中的应用,其特点主要表现在诊断的多参数性单靠某一个参数很难判断出传感器的故障,通常通过几个参数的结合来描述其故障。诊断参数是非模糊的诊断参数即为故障的特征参数,是针对某一具体故障、能够突出反映该故障的参数集合。这些参数都是实际测得的数据,不具有模糊性。故障类群具有模糊性在发动机的故障状态与正常状态之间无法找到一个明确的界限。对发动机运行故障的判断,不同的人在不同的标准下会有不同的结论。由于存在上述特点,所以通常结合模糊理论来进行传感器故障的识别。132神经网络技术的发展概况人工神经网络(ANN)是人工智能领域中的一个重要分支,它是由大量的神经元互连而成的网络。它反映了人脑智能的许多基本特征,但并不是人脑神经元联系网的真实写照,而只是对其作某种简化、抽象和模拟3。神经网络在模仿生物神经计算方面有一定优势,它具有自学习、自组织、自适应、联想和模糊推理等方面的能力。因此,将神经网络用于发动机故障的学习推理能够取得较理想的效果。14论文的主要内容本文在首先论述了模糊逻辑与神经网络的结合,包括网络结构,算法步骤,参数学习中应注意的问题。研究建立多传感器的故障诊断模型,依据模糊集理论数据融合方法,采用多级模糊综合评判方法对传感器各个时序点的测量数据进行融合,经过模糊综合评判融合得到传感器工作状态模糊集合的隶属度,通过隶属度评价传感器的故障情况。建立传感器的故障预测模型,根据传感器多次测量的历史数据,对传感器的故障趋势进行预测。接下来,将模糊与神经网络结合起来,对系统加以研究。其中研究了以BP算法的理论基础、算法的具体实现如何结合以及算法改进。最后对全文进行了总结,同时对BP今后的发展方向进行了展望,这也是作者有待进一步研究的内容。借助MATLAB模糊逻辑工具箱用MAMDANI推理法实现模糊故障诊断模糊化后的参数亦可以作为神经网络的输入样本,然后用神经网络直接进行故障分类诊断,最后结合MATLAB神经网络工具箱举例介绍了BP算法的实现。15本章小结本章概述了故障诊断研究的意义与目的,给出了清晰的故障诊断的概念和内容接下来对故障诊断技术的发展概况做了较详细的介绍,给出了诊断技术具体方法应用及其特点最后对本文研究内容作以综述。第2章模糊理论及其应用21模糊理论211模糊理论的基本概念模糊理论是在美国柏克莱加州大学的LAZADEH教授于1965年创立的模糊集合理论的数学基础上发展起来的,主要包括模糊集合理论、模糊逻辑、模糊推理和模糊控制等方面的内容4。在经典集合中,假设U为论域U中的一个元素,A为U的子集,那么U与A的关系可以用特征函数CA(U)来表示211,0如果U如果在经典集合中,特征函数只允许取O,L,与二值逻辑对应,“非此即彼”,很难表达客观世界“亦此亦彼”的现象,隶属函数的应用使之成为可能4。论域U中的模糊子集A是以隶属函数热为表征的集合,即由映射220,1U确定论域U的一个模糊子集A。A称为模糊子集的隶属函数,AU称为U对A的隶属度,它表示论域U中的元素U属于模糊子集A的程度。它在0,1闭区间内可连续取值。212模糊集合的表示方法模糊集合的表示方法通常有四种ZADEH表示法、矢量表示法、序偶表示法和函数表示法。对于论域U上的模糊集合A,这几种表示方法介绍如下1ZADEH表示法当U为离散有限域时,按照ZADEH表示法,有12NU2312NUA式中表示元素对于集合A的隶属度和元素本身的对应关系,而不是1AU11AU1分式“”不表示加法运算,而是表示在论域U上,组成模糊集合A的全体元素间排序与整体间的关系。1,2IUN当U是连续有限域时,按ZADEH给出的表示为24AU式中不表示求积分运算,而是表示连续论域U上的元素与隶属度一一对应1U1AU关系的总体集合。2序偶表示法若将论域U中的元素与其对应的隶属度值组成序偶,也可以将1U1AU1,AUA表示成2512,AA3矢量表示法如果单独地将论域U中的元素所对应的隶属度值按顺序写成,IUN1AU矢量形式来表示模糊子集,则2612,NAAU应该注意的是,在矢量表示法中隶属度为O的项不能省略,必须依次列入。4函数描述法根据模糊集合的定义,论语U上的模糊子集A完全可以由隶属函数来表征,1AU而隶属函数表示元素对A的从属程度大小。这和清晰集合中的特征函数表示1AU1U方法一样,可以用隶属函数曲线来表示一个模糊子集A。例如,以年龄做论域,取U0,200。ZADEH给出了“年老”O和“年轻”Y两个模糊集合的隶属函数式,分别为12050512OUU()1250YUU()213模糊集合的运算模糊集合中,虽然集合间不存在属于或不属于的明确关系,但集合间还是存在和经典集合论一样的相等、包含、并、交、补等。设A,B是论域U的模糊集,若对任一都有,则若UUBAUB,则。BAUB对AB的隶属函数,“”为取极大值运算。AB1XAXF对AB的隶属函数,“”为取极小值运算。ABU对A的补隶属函数,。A1模糊集合的基本定律如幂等律、结合律、交换律、分配律、吸收律、同一律、德摩根律等与经典集合一致。唯一不同在于模糊集合不满足互补律AA,AAU这是因为模糊集合A没有明确的外延,他的补集A也没有明确的外延,他们存在重叠区域。上述定义的模糊集合运算均采用了ZADEH算子,。ZDAHE算子的优点是计算简单,除不满足互补律外,与经典集合的运算性质十分相似。但它存在的缺点是计算的结果往往会与实际情况不完全相符合,不能满足实际的需要。214隶属函数的建立与模糊分布1隶属函数的建立在经典集合中,特征函数只能取O和1两个值,而在模糊集合中,其特征函数的取值范围从两个元素的集合扩大到0,1区间连续取值。为了把两者区分开来,就把模糊集合的特征函数称作隶属函数。隶属函数是模糊集合论的基础,因而如何确定隶属函数就是一个关键问题。隶属函数实质上反映的是事物的渐变性,它遵循下面一些基本原则5。表示隶属函数的模糊集合必须是凸模糊集合一般说来,某一模糊概念的隶属函数的确定应首先从最适合这一模糊概念的点下手,也即确定该模糊概念的最大隶属函数点,然后向两边延伸。隶属函数的确定形象地说要求呈单峰馒头形,用数学语言表示就要求是凸模糊集合。实际应用中为了简化计算常选用三角形、梯形或高斯形作为隶属函数曲线。变量所取隶属函数通常是对称和平衡的一般情况下,描述变量的标称值安排得越多,即在论域中的隶属函数的密度越大,模糊应用系统的分辨率就越高,其系统响应的结果就越平滑,但带来的不足之处是模糊规则会明显增多,系统设计难度加大。但如果标称值安排太少,则其系统的响应可能会不敏感。模糊变量的标称值选择既不能过多也不宜太少,一般取39个为宜。隶属函数要符合人们的语言顺序,避免不恰当的重叠隶属函数的确定目前没有一套成熟有效的方法。通常的方法是初步确定粗略的隶属函数,然后再通过“学习”和不断实践来修整和完善,从而达到主观和客观的统一。确定隶属函数的方法大致有下述几种。主观经验法。分析推理法。调查统计法。2常用的模糊分布L偏小型模糊分布这类模糊集适合描述“小”、“淡”、“低”等偏小的一方的模糊现象。隶属函数一般可表示成其中A为常数271XAXF其中F是不增函数,以下列出常见的几种。降半分布,K0为常数KXAFE降半正态分布,K0为常数2降半CAUCHY分布,0,0为常数FX1XA图21降半分布图22降半正态分布图23降半CAUCHY分布2偏大型模糊分布这类模糊集适合描述“大”、“浓”、“高”等偏大的一方的模糊现象。隶属函数一般可表示成其中A为常数(28)0,XAF其中F是不减函数,以下列出常见的几种。升半分布,(K0为常数)1KXAFE升半正态分布,(K0为常数)2升半CAUCHY分布,(0,0为常数)1FXXA图24升半分布图25升半正态分布图26升半CAUCHY分布3中间型模糊分布这类模糊集适合描述“适中”、“温和”、“正常”等中间状态的模糊现象,隶属函数可表示为点型模糊分布,(K0为常数),KXAEA正态模糊分布,(K0为常数)2KXACAUCHY模糊分布,(0,为正偶数)1图27点型模糊分布图28正态模糊分布图29CAUCHY模糊分布22模糊推理221模糊推理的方法在现实生活中我们获得的信息往往是不精确的、不完全的或者事实本身就是模糊而不完全确定的,但又必须利用且只能利用这些信息进行判断和决策。此时,传统的形式逻辑和近代的数理逻辑均无法解决这类问题6。模糊逻辑推理是一种不确定性的推理方法,它是在二值逻辑三段论的基础上发展起来的。这种推理方法所得到的结论与人的思维一致或相近,在应用实践中证明是有用的。模糊推理的方法有ZADEH法,MAMDANI法等。1MAMDANI法。MAMDANI推理法是一种在模糊控制中普遍使用的方法,它本质上仍然是一种合成推理方法,只不过对模糊蕴含关系取不同的形式而已。MAMDANI模糊蕴含关系AB用A和B的直积表示,即AB即(29),RUVV2ZADEH法。ZADEH在1973年对于模糊命题“若A则B”,利用模糊关系的合成运算提出了一种近似推理的方法,并称为推理的合成法则。设模糊蕴含关系“若A则B”用AB来表示,且,则AB是AUB上的模糊关系,即UV210,BUVRV式中,1RUV1AV确定了上述模糊关系后,有如下模糊推理方法。模糊拒式推理己知模糊蕴含关系AB的关系矩阵,对给定的,则可推得结论BV,且为AU211AR模糊取式推理已知模糊蕴含关系AB的关系矩阵R,对于给定的,则可推得结论,AUBU且为(212)B其中“”表示合成运算,即模糊关系的SUP运算。222模糊推理举例下面列举IFATHENB的推理例子。对于一个系统,蕴含含系为AB,己知123406AA123471BBB求在输入为时的输出。12340590AAAB根据MAMDANI推理法则,有1071300667322R而BA故有0713060259350312即12340501BBB23模糊推理的实现MATLAB软件提供了一个模糊逻辑工具箱FUZZYLOGICTOOLBOX来方便用户建立模糊系统。该工具箱可以用图形用户界面GUI或命令行方式建立系统。它提供5个基本GUI工具用于建立、编辑和观察模糊推理系统FIS,分别是模糊推理系统编辑器、隶属度函数编辑器、规则编辑器、规则观察器和曲面观察器7。FIS编辑器用于系统处理高层属性,如输入和输出变量个数,选用的推理方式等。隶属度函数编辑器用于定义对应于每个变量的隶属度函数的形状。规则编辑器用于定义系统行为的一系列规则。规则观察器和曲面观察器是不同于编辑器的用于查看FIS的工具。规则观察器是一个基于MATLAB的用于显示模糊推理方框图的工具。24本章小结本章对模糊理论作了较为详细的阐述,如模糊理论的基本概念、模糊集合的表示方法和模糊集合的基本运算隶属函数是模糊理论的重要内容,所以较详尽地阐述了隶属函数的建立原则和方法,及常用的隶属函数的分布接着介绍了模糊推理的方法,以ZADEH法和MAMDANI法为主,给出了模糊推理的实例最后提及了用MATLAB提供的模糊逻辑工具箱来实现故障的模糊推理。第3章神经网络及其应用神经网络是人们在模仿人脑处理问题的过程中发展起来的一种智能信息处理理论,它通过大量神经元构成非线性动力学系统,对人脑的形象思维、联想记忆等进行模拟和抽象,实现与人脑相似的学习、识别、记忆等信息处理能力。由于神经网络具有处理复杂多模式和进行联想、推测和记忆等功能,因而,它非常适合应用于各种系统的故障诊断。31神经网络的基本原理311神经网络的基本概念神经网络(NN)是由大量神经元相互连接而成的非线性复杂系统,是对人脑部分基本特征的抽象和模拟,每个节点向邻近的其它节点发出激活或抑制信号,整个网络的信息处理是通过所有节点间的相互作用来完成的810。神经元是神经网络的基本单元。如图31所示,设每个单元具有一个与时间有关的活动状态和阈值,分别用和表示,神经元间的连接强度用权值来表示。IATITIJ每个神经元有一个输入集合和一个输出值,上述假设可描述为12,NXIY(31)IIFET(32)IJITWX(33),IIIYGAHNEGF图31神经元模型其中,F、G为某一函数,当神经元没有内部状态,即时,IIGA(34)JIIYFWX由式34可以看出,连接权W0的输入对求和起激发作用,因而这种连接权值称为激发连接;W0,显而易见,如果假设一个数据点周围有很多个AR的相邻点,因此就认为此数据点的密度指标值很高。点的一个相邻的区域可用半径IX来描述,在半径来描述,在半径邻域之内的数据点对其密度指标影响很大。ARAR首先确定第一个聚类中心,通常选用那些具有最高密度指标的数据点,然后再1CX将每个数据点新的密度指标函数构造出来。IX41211EXP2ICIICBDR其中,代表的密度指标,代表新的密度指标函数,由上式可看出,0BR1C1CXII距离第一个聚类中心越近的数据点,其密度指标呈现减小的趋势,所以不太可1C能成为下一个聚类中心。这里点相邻区域密度指标呈现减小趋势的区域可用常数来CX描述,一般情况下,为了避免出现两个距离很近的聚类中心,一般设定。BAR15BAR因此所有数据点的密度指标都可由式412求出,通过不断重复的选定下一聚类中心以及不断地构造新的密度指标函数,从而可以产生出足够的聚类中心,以上便是用减法聚类法进行数据聚类的整个过程。433学习算法模糊神经网络的学习过程就是对学习参数不断进行调整的过程,从而减小网络输出的平方误差,最终达到提高计算精度的目的。在这里,我们用平方误差函数作为衡量模糊神经网络精度的一个重要指标,由下式来表示22311,1,2EXPKIJIJLJIJLKNNMIJIKKJLIIJIJJIAXYTPZD41321KTLEY其中,K表示样本的组数,T表示网络输出期望值,表示第组样本的实际输出TYL值。假设网络的学习效率为,使用最速下降法可得到4141IJIJIJEWTTW415IJIJIJATTA4161IJIJIJETT再根据变换函数的定义和复合函数的链式求导规则,可得到模糊神经网络各个参数的学习公式如下4172311KIJIJIJLJIJLXATTYTPZD在上式中4181,1,2NNMIJIKKJLIIJIJJIZ4192EXPIJIJAD通过公式411,418,419反复迭代来进行网络训练的,当输出误差达到期望误差值时,网络训练就结束。模糊神经网络的学习算法流程图如图43所示开始初始化各连接权值和隶属函数样本数据输入均读入样本计算总误差误差满足要求调整各参数输出参数结束否是是否图43模糊神经网络算法流程图改进后的模糊神经网络中的每个节点和所有参数分别对应着模糊系统的隶属函数或推理过程,因此具有一定的物理意义,神经网络不再是一黑匣子模式,预想的输入输出关系可以通过不断地调整参数和结构学习算法来完成,另外它又囊括了神经网络的优势,能够实现规则及参数的自学习,因此模糊神经网络比单纯的神经网络和单纯的模糊逻辑系统都更具有优越性18。44基于信息融合的模糊神经网络故障诊断方法一个系统在不同的运行状态下所产生的信息具有不同的特点,用多传感器采集被诊断系统在各种状态下的原始数据,及经过预处理及特征提取后的征兆空间,然后进行故障诊断。信息融合的故障诊断框架如图44所示被诊断系统传感器1传感器2传感器M数据预处理数据预处理数据预处理故障特征提取故障诊断决策融合输出图44信息融合的故障诊断框架在故障诊断单元中,如果选用的是单模糊神经网络,网络通过对输入的故障样本的学习,对故障的特征留下记忆,如果输入的不是故障样本数据,网络可以通过记忆联想的方式来逼近最接近的那类故障,最终实现故障诊断,因此单模糊神经网络故障诊断过程可当做是故障的模式识别过程。45模糊神经网络故障诊断方法的MATLAB实现应用基于信息融合的模糊神经网络故障诊断方法进行故障诊断,主要包括三个方面的工作1依据具体的问题来确定模糊神经网络的输入;2设计出合适的网络模型;3对模糊神经网络进行训练和检验;确定模糊神经网络的输入也就是提取特征向量,在矿上排水在线监控系统故障诊断中,输入到模糊神经网络的样本数据也是从本课题设计的实验装置上采集到的,经过归一化处理后得到的压力信号的能量特征向量。在这里是对传感器(正常、偏差、故障)这三种故障模式进行分析。451传感器实时数据处理故障诊断所需要的传感器信号经采集后,存在着不完全、有突变等问题,需要经过处理后才能进行下一步的工作,其主要包括两个步骤(1)一次处理,消除数据的突变等问题;(2)二次处理,即对采集的数据信号进行分析与筛选,以获取所需的故障诊断参数。获取的采集信号值中往往含有干扰信号,为了减少干扰及仪器本身原因的影响,需要对采集到的数据进行预处理。传感器数据的异常通常有两类一类是突变异常,指采样数据突然发生较大变化,这种情况采用41式来解决,即用两次采集数据之差与阈值D比较,如果大于D,则本次采集数据属于突变异常,用上一次数据代替本次数据;另一类是经常发生的噪声,利用加权平均法进行平滑处理,即在一段时间内采集N个数据,取其平均值作为最终数据。消除突变异常XTAUTBYT(420)其中0,1YTUDAB为突变异常后处理的值;为采样数据;为平滑后的数据;D为判断异XTUTYT常情况的阈值。平滑处理(421)1NIIXTICTIYT其中,为传感器采集数据;为加权系数;N为加权平均的采样个数,N应XTT根据具体情况进行选择,不宜选择过大,以避免造成处理量大无法反映实时效果。452模糊化处理为了实现模糊化,先要进行论域变换,将真实论域转变为模糊论域,并要针对输入语言变量定义模糊子集及其隶属度函数。论文主要针对发动机电控系统的故障征兆和故障原因进行模糊化处理。本节主要从模糊隶属函数的选择、故障征兆和故障原因的模糊化两个方面进行阐述。1模糊隶属函数的选择211节中列举了5种常用的隶属度函数,从图2125中可以看出,钟形、高斯和S形函数属于平滑隶属度函数,具有平滑性和描述简洁的特点,可使数据平滑过渡。其中钟形和高斯函数属于中间型模糊分布,适合于输出数值处于中间范围发生故障的情况,如对氧传感器信号输出异常的模糊化;而S形函数属于两端型(偏大或偏小)模糊分布,适合于输出数值过高或过低时发生故障的情况,如对冷却液温度过高的模糊化19。因此,本论文进行模糊化处理时,模糊隶属函数选取钟形、高斯函数和S形函数。2故障征兆和故障原因的模糊化故障征兆即我们所观察到的故障现象和检测到的传感器异常信号,故障原因即引起故障征兆的原因。故障征兆的模糊化步骤如下建立模糊子集,确定论域;选取模糊隶属函数,进行模糊化处理。本文只讨论传感器是否有故障,对具体原因不做讨论。因此,我们把传感器出现故障分为外部原因(X1)和内部原因(X2)。把传感器故障发生的程度分为五种,以及其隶属度如下表表41传感器故障存在程度模糊范畴故障存在程度隶属度存在(C)081可能存在(KC)0608不清楚(B)0406可能不存在(KB)0204不存在(BC)0002453神经模糊系统在MATLAB上的实现1模糊规则库的建立在对系统研究过场中,将自身原因(X1)及外部(X2)分别作为两个输入语言变量,将传感器是否发上故障(U)作为输出。在MATLAB上实现如下图45自身原因(X1)及外部(X2)两输入隶属函数曲线图46输出故障(U)的隶属函数曲线图47对应的模糊规则库及参数调节图2模糊神经网络的结构确定传感器故障复杂多样,也属于复杂系统故障诊断的范畴。其故障诊断框架如图45所示。首先对整个故障空间和故障特征参数空间进行划分,由于本文只对传感器正常、偏差、故障这三种故障进行分析,按照本章44节的分析,可将故障空间划分为三个子空间,由于每个子模糊神经网络可诊断出一种故障,在这里就需要构造三个子模糊神经网络,输入样本的维数依旧是8个,因此输入层的神经元个数也为8个,网络输出模式可表示为正常(1,0,0);偏差(0,1,0);故障(0,0,1),依据故障样本和故障子空间的关系对其进行分组,在这里分为三组,每组对应了一个子网络,应用减法聚类算法并通过MATLAB软件编程来实现对训练样本的聚类分析。表42训练数据数据序号特征样本故障模式11000001450003520068200433003150021300413正常21000001880006800070200387003230030200256正常31000001865005460061200397003120025600312正常41000002790015500072300563005530064600613偏差51000003200012300069800602004560042300646偏差61000003020011300079800612005560052300636偏差71000003150021700102000750007100089200863故障81000003860010200056000712006230082300712故障91000002125018560097800745005530084300784故障在MATLAB模糊逻辑工具箱中,减法聚类功能的实现是由函数SUBCLUST来完成,该函数的调用格式为C,SSUBCLUSTX,RADII,XBOUNDS,OPTIONS,其中X包含进行聚类分析的数据,X的每一行代表了一个数据点向量。假设所有的数据点都在一个单位的超立方体内,向量RADII代表了指定数据向量的每一维的聚类中心的影响范围,通常的取值范围为0205,XBOUNDS用于设定映射范围,默认的映射范围所有的数据点的最小取值和最大取值构成的控件,OPTIONS用于指定聚类算法的有关参数,默认值为05。表43测试数据数据序号特征样本故障模式101000001540006100070000320003170025000336正常111000002900014700071000550004670051200610偏差121000003400020000960300701006820084300756故障表44训练参数训练次数训练目标学习速率3500001015表45模糊神经网络输出输油管道故障模式实际输出值正常状态(100)(099460002000103)偏差状态(010)(000200946000100)有故障(001)(001020000209994)图48训练误差曲线通过研究分析,本文的输入样本可以聚成5类,其中每一类对应着一条规则,由于故障诊断系统本身复杂性和故障诊断精度的要求,将规则数定为6。在实际的网络训练中,规则数是可以调整的,并不是固定不变的。表44所示的是模糊神经网络进行网络训练的参数,网络训练的过程是这样的,首先初始化各连接权值,通过使用MATLAB中的RANDS函数来实现的,相应的训练误差变化曲线如图46所示,由图上很明显的看出网络经过了350次训练就能够达到预期的目标误差,而且在整个训练过程中没有任何振荡。在网络训练完成后,用表43中的测试数据对其进行测试,网络输出见表45,通过比较实际输出值和期望输出值,然后计算得出输出的平均误差为000135,由此可见测试的误差很小,所得的结果与实际情况相符合,该网络可以满足管道传感器故障诊断的要求20。这种基于信息融合的模糊神经网络故障诊断模型也可以应用到一般的故障诊断中,只要将其相关参数和学习样本改变一下就能够用于其他系统的故障诊断中。但是在网络学习过程中,会给每个权值赋于一个随机数,致使不同的学习过程获取的权值也各不相同,因此组成模糊神经网络故障诊断的知识库是变化的,并不是一层不变的,但这种变化的知识库对故障诊断的精度和效率不产生任何影响。第5章系统整体设计及实现51虚拟仪器简介虚拟仪器VIRTUALINSTRUMENT,VI的概念是由美国国家仪器公司NI最先提出的。所谓虚拟仪器是基于计算机的软硬件测试平台,它可代替传统的测量仪器,如示波器、逻辑分析仪、信号发生器、频谱分析仪等可集成于自动控制、工业系统之中可自由构建成专有仪器系统。虚拟仪器是智能仪器之后的新一代测量仪器。52虚拟测量系统的组成虚拟测量系统由硬件系统和软件系统两部分组成,具有信号采集、予处理和数据分析等功能。硬件系统配置由传感器、信号调理环节、数据采集卡板、计算机等组成。其中,由传感器、信号调理环节、数据采集卡板、计算机等构成了虚拟仪器数据采集硬件系统。数据采集卡的功能是将现场数据采集到计算机。当前最新的插入式数据采集卡具有兆赫级的采样速度,精度高达16位,能保证仪器的性能、精度与可靠性。软件系统由LABVIEW编制,采用结构化模块设计,每一功能由独立的模块实现,便于用户对系统的维护、改进与功能扩展。传感器直接作用于被测对象,并用一定规律将被测量以电信号输出。信号调理环节把来自传感器的信号转换成更适于传输和处理的形式。调理方式包括放大、隔离、滤波、激励、线性化等。例如,信号调理装置能够将低压信号放大,并加以隔离和滤波,以便进行更加精确的测量。53虚拟仪器程序LABVIEW程序称为虚拟仪器VIRTUALINSTRUMENTS程序,简称VI。一个最基本的VI由3个部分组成前面板PANEL、流程图DIAGRAM和图标/连接端口ICON/TERMINAL。前面板就是图形化用户界面,用于设置输入数值和观察输出量。每一个前面板都要一个流程图与之对应,流程图用于图形化编程语言编写,可以把它理解成传统编程语言中的源代码,用图形而不是传统的代码进行编程是LABVIEW最大的特色。图标/连接端口可以把VI变成一个子程序在其他VI中调用。在LABVIEW开发平台上创建虚拟仪器,就是编制软件程序形成一个完整的工程文件的过程,其设计方法和实现步骤为定制程序的基本框架。根据任务确定程序的基本框架,如程序界面,程序中所需函数等。建立用户图形界面。根据第一步制订的方案,创建用户图形界面。程序代码的编制。计算机生成程序代码的基本框架。调试运行。软件系统的结构大体分为4个层次测量管理层、测量程序层、仪器驱动层和UO接口层,由于本文测试系统的开发基于LABVIEW平台,使得4个层次的软件实现很容易。531虚拟仪器人机界面程序的界面是人机交换的平台,是用户和计算机之间沟通的一座桥梁。简单、美观、操作方便的界面不仅有助于用户更加有效地完成工作,同时也能给操作者带来美好的享受。在系统设计中为了体现应用系统界面的友好性和可操作性,系统的初始界面如图所示,通过界面上相应的按钮就可以进行相应的操作,执行系统相应的各种功能。因为虚拟仪器LABVIEW本身就是一种图形化的G语言,所以这部分的程序截图和仪器界面截图要多一些。这部分我们我主要分了四个模块。图51监控系统的首界面第一个模块是系统的首界面,这部分给人一种简洁的感觉,这部分主要是负责调用出其他的模块,和系统的初始化。第二个模块是我们该系统的核心部分监控系统模块。这个模块包含了我们用MATLAB编写的BP神经网络部分的程序,系统的主要功能基本都在这个模块里面实现的。模块的大致流程是我们用两个随机信号仿真系统通过DAQ数据采集卡采集的传感器数据,将数据绑定成数组的形式数组形式,然后传递给BP神经网络,通过网络的判断我们再将结果传回虚拟仪器,用虚拟仪器显示结果并且报警。第三个模块是关于本系统的简介,主要介绍了如何使用系统的操作指南和系统功能的实现。第四个模块是我们的数据存储模块,传感器输出的数据是一项重要的数据资料和神经网络的学习数据。我们要保存住这些数据,所以我们特意写了这个数据存储模块。该模块作为一个子程序被监控系统调用,可以记录传感器输出的数据和数据输出的对应时间,可以准确的记录故障出现的时间,以便于工作人员在将来维修提供更多的资料。我们打开程序的时候会看到如图51所示的系统首界面。当我们点击进入监控系统按钮的时候我们会看到如图52所示的的监控界面图52监控系统界面在网络正式运行之前我们必须要加载训练数据,我们在虚拟仪器的前置面板上设置了加载数据训练网络,只要点击这个按钮,网络就可以正常运转了。系统在工作的时候我们设置了两个数据表用来绘制流量和扬程的曲线,同时在出现故障数据的时候,报警灯会报警,故障数据也会着重显示出来。这样更能方便检修人员对传感器设备进行维修。532虚拟仪器的算法程序LABVIEW(LABORATORYVIRTUALINSTRUMENTENGINEERING)是一种图形化的编程语言,它广泛地被工业界、学术界和研究实验室所接受,视为一个标准的数据采集和仪器控制软件。LABVIEW集成了与满足GPIB、VXI、RS232和RS485协议的硬件及数据采集卡通讯的全部功能。它还内置了便于应用TCP/IP、ACTIVEX等软件标准的库函数。这是一个功能强大且灵活的软件。利用它可以方便地建立自己的虚拟仪器,其图形化的界面使得编程及使用过程都生动有趣。利用LABVIEW,可产生独立运行的可执行文件,它是一个真正的位编译器。像许多重要的软件一样,LABVIEW提供了WINDOWS、UNIX、LINUX、MACINTOSH的多种版本。当然虚拟仪器LABVIEW在编写程序方面还有很多优点是其他软件所不能比拟的,在这里我们就不一一介绍了。图53监控系统部分的程序与上面相对应的是我们的程序框图部分,在这部分主要分为三块。第一块是数据的模拟,因为没有真正应用实践,我们无法采集到真正传感器的数据,所以我们先用两个在传感器数据大致范围的的两个随机变量来暂时代替传感器的输出数据。第二部分就是我们的控制部分了运用了MATLAB脚本调用程序来调用MATLAB程序,实现了监控系统的控制功能。第三部分是数据的存储程序,数据存储我们是通过调用子VI来实现把数据存到一个文本文件中的,同时,我们又利用两个波形图标来将数据显示成曲线的形式,以便于观察。如上图53是我们的程序框图。54虚拟仪器与MATLAB通信本设计的最大特点是使用LABVIEW和MATLAB的联合编程,使用LABVIEW在编制人机界面,使程序编制起来更方便,使界面看起来更人性化更简洁。在设计人工神经网络的程序时,LABVIEW使用起来就没有那么方便了,所以我们选择了运用另一款软件MATLAB。MATLAB自带的人工神经网络软件包更好的帮我们解决了创建神经网络和训练神经网络的问题,大大的节省了编程的时间,而且也保证了程序的可靠性。两款软件的结合是合适的,但是因为是不同的公司推出的软件,所以要涉及到两款软件的相互通信,通信的主要内容包括数据和控制信号。下面我们着重介绍他们之间通信的几种方法,然后通过比较各自的优缺点,选出一种合适的方法在作为本设计的通信方式。1基于动态数据交换(DDE)技术动态数据交换是WINDOWS操作系统中一种基于消息的协议,用于在WINDOWS平台上的两个正在运行的应用程序之间动态交换数据,其中提供数据服务的程序称为服务器程序(DDESERVER),请求数据和服务的程序称为客户程序(DDECLIENT)LABVIEW提供了DDE通信VI,利用这些VI可以创建DDESERVER或DDECLIENT,完成接收/发送数据、请求/提供服务等功能。LABVIEW调用MATLAB功能时,需将服务名(SERVICENAME)指定为“MATLAB”,主题名(TOPICNAME)指定为”ENGINE”,同时在运行VI之前先启动MATLAB或者MAT
温馨提示
- 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
- 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
- 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
- 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
- 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
- 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
- 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。
最新文档
- 光学元件课件内容
- 2024年山西交通控股集团有限公司招聘真题
- 江西公务员考试真题2025
- 护工礼仪培训课件
- 二零二五年度出租车行业数据分析承包合同
- 2025版知识产权授权合同样本-年度专利商标使用许可协议
- 2025版旅游度假区项目认筹服务合同
- 二零二五年海外艺术品代理销售合作协议
- 2025版建筑工程质量保证金协议实施细则解读
- 二零二五年度工地钢筋安全认证采购合同规范
- 太阳能热水器维保合同2025年
- 《护士职业素养》课件
- 西安26中小升初分班考试语文真题
- 2024年深圳技能大赛-电工职业技能竞赛理论考试题库-上(单选题)
- DB5104T 30-2020 康养旅居地康养民宿建设、服务与管理规范
- 2024光伏并网柜技术规范
- 梨状窝瘘的临床特征
- 《公路工程预算定额》(JTGT3832-2018)
- 商业综合体新旧物业交接方案
- 2024年甘肃省公务员录用考试《行测》真题及答案解析
- 人工智能教学实训综合应用平台需求说明
评论
0/150
提交评论