神经网络在模糊Petri网故障诊断中的应用

神经网络在模糊Petri网故障诊断中的应用摘要本文针对模糊Petri网在故障诊断中缺乏较强的自学习才能的缺点，将人工神经网络引入到模糊Petri网中，定义一种模糊神经Petri网，并以船舶主机燃油子系统过程为例，对过程中的故障诊断进展建模，通过分析说明该方法的可行性。关键词Petri网；模糊理论；神经网络；故障诊断Petri网与模糊理论相结合，以及Petri网与神经网络相结合已经在故障诊断过程中得到了应用，虽然模糊Petri网具有很强的模糊推理才能，但是其缺乏较强的自学习才能，该缺点严重制约了模糊Petri网在各个领域的应用，所以将人工神经网络引入到模糊Petri网中，建立故障诊断的模糊神经网络Petri网模型，进步了故障诊断系统的精度。本文以船舶主机燃油子系统过程为例，利用模糊神经网络Petri网对该过程中的故障诊断进展建模。2.1模糊神经Petri网网定义模糊神经Petri网定义为一个十二元组，。其中，为有限库所集；为有限变迁集；为有向弧集；为权值；Kp为隐含和输出层库所的活动状态集；Kt为变迁集到规那么集的一一映射；为初始模糊标识；为有限命题集；为置信度集，它与每个变迁一一映射；为库所到真值的一一映射；为库所到命题的一一映射；为变迁到阈值的一一映射。2.2模糊神经Petri网模型的学习功能模糊神经Petri网〔参见图1〕，具有神经网络的某些特性，因此可先用神经网络的学习算法进展训练，再调整网络构造中的权值，从而获取知识。图2为模糊神经Petri网转化为神经元模型。图1模糊神经Petri网模型图2神经元模型3.1消费过程船舶主柴油机是机舱系统最为关键的设备,也是一种非常复杂的动力装置系统。它既是一个由往复式机械与其他机械构成的动力装置系统，也包括了由控制装置、伺服系统、检测与显示仪表以及平安保护和报警系统等组成的电气控制系统，同时它还是一个复杂的热工过程。由于船舶主机的极端重要性，其故障诊断和工矿监视问题历来深受重视。目前人们至少已从三个不同的方面探究研究了船舶主机的故障诊断问题，其一是振动分析，其二是通过光滑油品质指标的分析来判断主机机械磨损情况，其三就是从热工参数出发诊断船舶主机系统的故障。本文利用第三种方法，选用燃油流量、燃油压力和燃油黏度，诊断燃油子系统故障。其流程图如图3所示。3.2模糊神经Petri网模型船舶主机燃油子系统故障诊断的模糊神经Petri网模型如图4所示。图3船舶主机燃油子系统流程图图4船舶主机燃油子系统故障诊断的模糊神经Petri网模型4实例分析下面以船舶主机燃油子系统的故障诊断为例，燃油流量、燃油压力和燃油黏度作为该子系统神经网络的输入，即。每个输入变量用三种状态表示，即正常〔N〕，偏高〔H〕,偏低〔L〕,该系统有6各种根本故障现象，记为，其中表示无故障，下面以为例，说明神经网络在模糊Petri网的学习才能。表1是故障现象的学习样本，当模型完成了故障诊断的学习和训练，就可以根据模型输入量进展故障诊断推理，表2和表3为一组故障诊断的运行实例。由表2可以得出，当输入量时，故障现象的诊断结果为，它的可能性为96%，当输入数据发生变化时，从表2可能看出，故障分类的结果仍然是，但是输出值产生了变化，从表中可以看出故障的可能性下降为69%，这说明，神经网络在模糊Petri网的故障诊断系统中对偏离训练样本的输入数据仍然具有较强的处理才能。把神经网络引入到模糊Petri网故障诊断过程中，可以进步诊断结果的正确性。表1故障现象的学习样本表输入输出故障原因P1XP7P8P9P10P11X1正常1X11超负荷1X21后燃1X31提早着火1X41燃油管路泄露表2燃油子系统的故障诊断实例序号输入输出〔%〕QPuP0P1P2P3P4P5P61HNN39612H0.6N0.6N974192323H-0.4N-0.4N4762041.2H-0.4N-0.4N1792050.8H-0.4N-0.4N969211表3故障现象的诊断实例序号输入输出〔%〕P1XP8P9P10P1111X197321X2193631X3490641X489251X56832本文将人工神经网络引入到模糊Petri网中，并以船舶主机燃油子系统过程为例，对过程中存在的故障进展诊断，通过实例说明该方法可以进步故障诊断系统的精度。[1]胡志刚等,基于模糊神经Petri网的故障诊断模型[J].小型微型计算机系统，2022,11(26)[2]王磊等,甲醇合成过程中基于AS的故障诊断方法[J].华东理工大学学报，2022,1〔32〕[3]KrieS.AfuzzyPetrinettlfrdelingandverifiatinfknledge-basedsystes[J].TheputerJurnal,2000,43(3):206-223[4]大卫R,奥兰H.〔黄建文，赵不贿译〕佩特利网和逻辑控制器图形表示工具(GRAFAET)[].北京：机械工业出版社,1996[5]AhsnSI.PetriNetdelsfFuzzyNeuralNetrks.IEEETransnS,1995,25(6):926-932[6]韩光臣等,基于模糊概率Petri网系统的故障诊断仿真研究.计算机集成制造系统.2022,4(12)[7]TsangE,YeungDS,LeeJT.LearningapabilityinfuzzyPetrinet[J].InPreedingfthe1999IEEEInternatinalnferenenSystes,an,andybernetis,Tky,1999:355-360[8]J.IEBAIL,H.ALLA,R.DAVID,“HybridPetriNets〞,Eurpeanntrlnfere