BP神经网络在工程机械液压系统故障诊断中的应用研究_图文

1、微机应用与智能化1BP神经网络结构在神经网络理论发展的过程中,提出了多种神经网络模型,其中BP网络模型是具有代表性的模型之一。它在神经网络理论发展中起到了重要的作用,并在一些领域获得了应用,其结构描述如图1所示。网络不仅有输入层节点、输出层节点,还有隐层节点。对于输入信号,要先向前传播到隐节点,经过作用函数后,再把隐节点的输出信号传播到输出节点,最后给出输出结果。节点的作用函数通常取S函数,即:f(x=11+e-x对于这样一种网络模型,数学上已经证明:对于任一非线性函数,都可由一个有3层的BP网络来任意逼近,给定任意>0和任意L x函数f:0,1n存在一个3层BP网络,它可在任意平方误差

2、内逼近f。因而BP网络模型提供了非线性映射的一种很好的表述。若网络所表达的映射为y=F(x,对于一组样本x1,x2,x k及输出y1,y2,y k,可以认为存在着某一映射G,使得:y i=G(x i(i=1,2,k现在要求出一个F映射使得在某种意义下,F 是G的最佳逼近。在这种情况下数学上首先要给出一个含参数的表达方法,然后再求出参数。若不用神经网络来构造,通常是选择一组基函数,把F表达成基函数的线性组合,再通过最小二乘法或者其它方法确定出基函数的系数,从而得到G的一种逼近。对于节点数目少的网络或者简单的G函数,这种方法还能够解决一些问题,而对于复杂的映射,则面临着如何选取基函数、选取大量的基

3、函数以及求解系数等困难,这是这种映射方法的局限性。神经网络是另一种映射表示方法,它是对简单的非线性函数进行复合,经过少数几次复合,则可成为极复杂的函数,从而可以表达复杂的物理现象。它的信息处理过程同人脑一样,是一个黑箱,人们只能看到它表层的输入输出,而内部信息处理过程则是看不到的,对于不懂神经元网络内部原理的人仍能够用这种网络解决相关问题。2BP网络学习算法从宏观上看,BP网络模型与控制系统模型、状态判别函数在数学本质上都是一种映射,将输入空间映射为输出空间,因而也就可以用BP网络建立系统模型和构造状态分类器。若经过学习,适当选择神经元间联系强度后,神经网络能够反映出这两种映射关系,即能够根据

4、输入输出信息及过去的输出信息推算出对象的当前输出,或者能从输入模式特征推算出反映系统状态的输出,这就实现了所谓的建模过程或状态分类器设计。它把对一组样本的输入输出问题变成一个非线性优化问题,对于网络参数的获得提出了BP网络学习算法。这个算法的学习过程,由正向传播和反向传播组成。在正向传播过BP神经网络在工程机械液压系统故障诊断中的应用研究浙江工商职业技术学院郑发泰叶建波翁正国!"!"!"!"摘要:将BP神经网络理论应用于工程机械液压系统故障诊断中进行研究,通过系统数据的采集、特征向量的提取和分类器的构造,在对网络进行训练的基础上,建立了学习算法,通过试验

5、可以看出神经网络能给出的满意结果。关键词:BP神经网络工程机械液压系统故障诊断1微机应用与智能化程中,输入信息从输入层经隐单元逐层处理,并传向输出层,每一层神经元的状态只影响下一层神经元的状态。如果在输出层不能得到期望的输出,则转入反向传播,将误差信号沿原来的连接通路返回,通过修改各层神经元的权值,使得误差信号最小。3检测与诊断试验3.1检测对象与诊断系统硬件设置试验在轮式装载机上进行,设置了系统泄漏等故障,检测系统压力、齿轮泵转速、溢流阀及齿轮泵振动等信号。通过试验,研究分析系统状态对上述信号的影响,确定从上述信号中提取的反映系统状态信号特征向量的方法,并以此构造出神经网络,考核诊断程序对故

6、障信号的识别能力。整个检测诊断系统硬件框图如图2所示,系统由传感器部分、前置放大部分、模拟量输入板、数字量输入板、下位工控机和上位PC机组成。3.2检测数据的处理对于从系统中采集到的时序数据,其中蕴含着反映系统状态的特征信息,例如从压力信号中提取特征向量等。在系统无泄漏与有泄漏状态下,我们检测了系统的压力如图3所示,图中k为A/D转化的比例因子,对压力曲线截取压力上升段部分信号进行处理,从中提取特征量。(1用上升段压力信号的AR模型参数构成特征量:对上升段压力信号建立一阶AR模型,选取AR模型的B参数作为特征量,见表1。(2从上升段压力脉冲信号中提取特征量:从上升段压力信号中提取出压力脉动信号

7、进行归零化处理。用处理后的数据建立AR模型如图4、图5所示,求得正常状态下AR模型的均值模型参数向量,计算正常与异常状态下AR模型参数均值向量的马氏距离及库尔拜克距离,以这两个距离纳入特征向量,见表2。分类器起着从系统特征向量判别系统状态的作用,在此用一个3层BP网络构造,网络结构如图6所示。网络函数关系表述如下:y=fn1j=1!w j z j+w0"#z i=fni=1!v ij x i+v0"$f(x=11+e-x图3系统压力A/D采样值曲线图4正常状态下压力脉动AR谱图5异常状态下压力脉动AR谱2微机应用与智能化表1B 参数特征量表2马氏距离和库尔拜克距离特征量压力

8、信号1.0000压力脉动信号马氏距离库尔拜克距离38.91321.00003微机应用与智能化网络1:-0.09600.11950.10210.61580.0472-0.5534网络1:对正常状态特征向量输出为1对异常状态特征向量输出为0网络2:对正常状态特征向量输出为0对异常状态特征向量输出为14BP 网络识别能力检验与结论对于用15个正常样本和15个异常样本构造出的神经网络,我们用剩余的未参加学习的5个正常样本和7个异常样本的网络的识别能力进行了检验,结果如表3所示。从表中显示结果我们看到,对不同状态下的系统特征向量输入构造出的神经网络给出满意的结果,表示网络对系统的状态有较强的图6BP 网

9、络分类器的结构网络2:0.17240.0182-0.1084-0.3866-0.2265-0.1436式中:i 输入节点变量j 隐层节点变量x 神经网络输入,在此即为特征向量y 神经网络输出z 隐层节点函数w 网络隐层到输出层连接权阵v 网络输入层到隐层连接权阵w 0初始值v 0初始值n 输入层单元个数,由特征向量决定n 1隐层单元个数,在网络学习中确定选取上述特征向量中正常样本的前15个和异常样本的前15个组成学习样本,用非线性修正、阻尼最小二乘法程序构造出两个单输出神经网络,两个网络作用如下:4微机应用与智能化识别能力。参考文献1朱大奇,史慧.人工神经网络原理及应用M .北京:科学出版社,

10、2006.2吴简彤,王建华.神经网络技术及其应用M .哈尔滨:哈尔滨工业出版社,1998.3阎平凡,张长水.人工神经网络与模拟进化算法M .北京:清华大学出版社,2000.4王懋瑶.液压传动与控制M.天津:天津大学出版社,2001.5易继锴,侯媛彬.智能控制技术M .北京:北京工业大学出版社,1999.6黄忠霖.控制系统M ATLAB 计算及仿真M .长沙:国防工业出版社,2001.7葛思华.液压系统故障诊断M .西安:西安交通大学出版社,1990.8杨叔子,郑晓军.人工智能与诊断专家系统M .西安:西安交通大学出版社,1990.9宋俊,于玲.阀控缸建模方法的数字仿真比较J.机床与液压,200

11、4(3:122-123.通信地址:浙江宁波浙江工商职业技术学院(315012(收稿日期:2006-05-29表30.04810.9866电子监控是液压挖掘机实施机电一体化技术的基础。它为发动机控制与执行机构控制提供所需的基础数据,在操作者与挖掘机之间建立信息交流的通道;它能及时给司机提供各种信息,改善作业环境,提高维修准确性和减少维修时间;它有利于机器的升级换代,为提高机器的自动化水平打下了坚实的基础。监控器利用电子技术、传感技术对液压挖掘机的工作状态、工作参数进行监测,以便随时掌握液压挖掘机的各个状态参数。液压挖掘机应用监控器能够监控作业工况,预报故障苗头并及时排除,还可以改善作业条件,提高司机的舒适程度,确保安全、可靠,提高作业效率。在21世纪,挖掘机将进入机电一体化时代,并沿着智能化、集成化和网络化的方向发展,先进的监控器是实现机电一体化的基础和平台。由于历史的原因,国内现有的挖掘机监控器功能单一,可靠性差,没有总线通信功能,不能满足机电一体化的要求。本文在吸收国内外工程机械监控器优秀成果的基础上,将嵌入式技术应用于监控器中,开发出功能先进、可靠性高、具有CAN 通信功能的新型的工程机械监控器。1C/OS-介绍C/OS-是由美国Jean J.Labrosse 先生编写的一个开放式内核,最主要的特点就是源代码公开。C/OS-在液压挖掘机监控器中的应用中南大学机电工程学院刘波何