人工神经网络在混合智能故障诊断技术中的应用研究

� 收稿日期: 2004�12�18� � � � � � 基金项目:华北电力大学校内博士学位教师基金资助项目,项目编号: 92104392。 � 作者简介:唐贵基 ( 1962�) ,男,山东龙口人,教授,主要致力于机械结构动特性、振动与噪声控制、状态监测与故障诊断等方面的研究工作。 第 47卷 第 5期 汽 � 轮 � 机 � 技 � 术 Vo.l 47N o. 5 2005年 10月 TURB INE TECHNOLOGY Oct. 2005 人工神经网络在混合智能故障诊断 技术中的应用研究 唐贵基 1,田丽洁 1,田学航 2 ( 1华北电力大学,机械工程学院,保定 071003; 2华北电力大学,自动化系,北京 102206) 摘要: 故障诊断的关键是寻找一种使诊断结果更为有效的方法。人工神经网络作为一种新兴的故障诊断方法,越 来越受到人们的关注。然而, 对于复杂的系统, 单一的传统神经网络很难给出理想的结果。本文重点对神经网络 与其它诊断方式融合的混合智能技术,即神经网络与专家系统、模糊控制、小波分析和遗传算法的结合以及集成神 经网络等在故障诊断中的应用进行了综述。这些方法已应用到实践中,并取得了一定的成果。 关键词: 故障诊断;神经网络; 专家系统;集成神经网络;模糊控制; 小波分析 分类号: TP183� � � 文献标识码: A� � � 文章编号: 1001�5884( 2005) 05�0378�03 Research and App lication o fA rtificialN euralNetw orks System in Intelligent Hybrid Fau ltD iagnosis Technology TANG Gui�ji1, T IAN L i�jie1, T IAN Xue�hang2 ( 1M echan ical Eng ineering Institute, North Ch ina E lectr ic Pow erUn iversity, Baoding 071003, China; 2 Department ofA utomation, North China E lectric Pow erU niversity, B eijing 102206, Ch ina) Abstrac t: The key to the fault d iagnosis is to find am ethod to m ake the diagnosism o re accurate. A s a new fault d iagnos is m ethod, NN ( neura l netwo rk) is becom ing mo re and mo re popu la r. H ow ever, it is difficult fo r the sing le and traditiona l neura l netwo rk to g iv e idea l results to the com plex system, so in th is paper, the using patterns o f neural netwo rk and other m ethods in fau lt diagnosis are ma in ly concluded . These patte rns involv ing neura l netw ork and expert sy stem, fuzzy neu ra l netwo rk, w avelet neura l netw ork, g enetic a lgo rithm neura l netw ork and integ ra ted neura l netwo rk e tc. These me thods based on neura l ne tw ork have successfully used in practice. K ey words: fau lt diagnosis; neural network; expert system; in tegrated neural networks; fuzzy con tro;l wavelet ana lysis 0� 前 � 言 近 20多年来,神经网络的研究在曲折发展中获得了突 破性的进展, 以其具有的众多优点在复杂系统的故障诊断中 受到越来越广泛的重视, 显示出巨大的潜力, 已成为故障诊 断技术的一种重要手段。神经网络具有分布式信息存储方 式, 具有类似于人脑的学习、联想和归纳能力, 这就为知识的 获取、表达以及推理提供了全新的途径, 解决了基于符号推 理的传统人工智能存在的知识获取困难、推理能力弱、易出 现 �匹配冲突 、�组合爆炸 及 �无穷递归 等问题。但也存 在不足, 主要是学习过程是一个艰苦过程, 网络学习没有一 个确定模式, 训练时间长。随着智能故障诊断研究的深入, 为排除单一神经网络在诊断中的缺陷, 出现了多种神经网络 与其它诊断方法相融合的新途径,这些方法现在已经成功地 应用于故障诊断中 [ 1, 2]。 1� 神经网络和专家系统相结合的故障诊断方法 神经网络和专家系统是沿着两种不同的研究途径开展 的, 即连接机制和符号机制。这两方面的研究各有所长, 但 就单个系统而言二者都存在很大的局限 [ 1]。 神经网络通过对 经验 班主任工作经验交流宣传工作经验交流材料优秀班主任经验交流小学课改经验典型材料房地产总经理管理经验 样本的学习, 将知识以权值和阈值 的形式存储在网络中。网络的输入是被诊断对象的征兆即 特征值, 输出则表示发生故障的可能性 ,但它不具备解释功 能, 即所谓知识表达的 �黑箱结构 。专家系统是基于符号的 推理系统, 它利用知识和推理来解决人类专家知识才能解决 的复杂问题 (规则的一般形式为 IF<条件 A> THEN <动作 B> )。对复杂的系统专家系统存在知识获取困难的 �瓶颈 问题 ,但它具备解释功能。因此, 把神经网络与专家系统相 结合, 发挥各自的优点是进行故障诊断的一种新途径 [ 2]。 神经网络与专家系统可有 3种结合方式 [ 3]: ( 1)基于神经网络的专家系统, 也称联接专家系统。联 接专家系统全部或部分功能由神经网络实现。最典型的情 况是, 利用神经网络的学习算法获取知识, 用神经网络的权 值代替知识库。 ( 2)基于知识的神经网络系统。基于知识的神经网络是 由专家系统作为神经模块构成的事件驱动网络,也称为专家 网络。 ( 3)基于神经网络与专家系统的混合系统。混合系统的 基本出发点立足于将复杂系统分解成各种功能子系统模块, 各功能子系统模块分别由神经网络或专家系统实现。其研 究的主要问题包括: 混合专家系统的结构框架和选择实现功 能于系统方式的准则两方面。实际上这两方面的研究是相 互联系的不可分割的整体。虽然混合专家系统兼有神经网 络的优点和专家系统的特长,但同时也出现了单一技术专家 系统不曾遇到的问题。如: 神经网络与专家系统的信息交互 问题, 学习过程所引发的系统可信度问题。解决的理想方法 是提供神经网络与专家系统知识表示的转换机制或同时适 合两者的公共知识表示体系。 2� 模糊神经网络 模糊逻辑适合用文字表达的专家知识 ,长于推理, 但却 不具有学习的能力, 不能从系统数据中直接提取规则, 且规 则一旦确定, 就不能改变。而神经网络是通过学习的方式进 行训练, 为了得到理想的学习效果, 需要大量数据进行训练。 另外, 神经网络所获得的输入 /输出关系无法用容易被人接 受的方式表达出来, 网络内部的知识表达不清楚。实际中, 许多故障征兆都具有模糊性。为了使神经网络具有处理模 糊信息的能力, 人们提出了模糊与神经网络相结合的模糊神 经网络。模糊神经网络具有神经网络和专家系统集成的功 能, 所以,近年来, 人们应用神经元网络解决故障诊断问题 时, 有一明显的趋势就是希望能够在神经元网络的框架下集 成定性知识。为此,模糊神经网络已成为研究的一个热点。 模糊神经网络一般是在普通前馈神经网络中加入一个模糊 化层, 完成一个输入隶属度函数的计算。这样就在神经网络 框架下引入模糊规则, 且模型参数有明确的物理意义, 又引 入了学习机制, 推理可以更加准确。 一般模糊神经网络可以分为 5层: 输入层、模糊化层、规 则结点层、结论结点层、输出层 ,如图 1[ 4]所示。 图 1� 模糊神经网络结构 模糊神经网络解决了由于故障征兆和故障原因之间存 在着许多不确定因素 ,建立精确的故障诊断系统存在着许多 困难的问题。目前模糊神经网络应用很广泛, 如应用于控制 系统对象以及传感器和执行器的故障检测和诊断等。 3� 集成神经网络的故障诊断方法 [ 5] 集成神经网络故障诊断系统是在神经网络的基础上运 用信息融合技术,通过对信号的有效组合, 运用各种子神经 网络, 从不同的侧面对故障进行诊断。信息融合技术是信息 科学领域的一项高新技术,由于监测系统中传感器数量和种 类很多, 尤其是集散监测诊断系统的出现, 信息融合技术也 开始应用于设备故障诊断领域。单个子神经网络通过对多 类型故障样本的学习, 可记住这些故障的特性, 但它存在一 些缺点, 主要有:由于要实现对多个故障模式的诊断, 网络需 要大量的故障样本, 但很难构造反映多种故障的特征向量; 适于诊断多类故障的网络结构难以确定, 即使确定, 也因网 络的结点过多造成训练困难; 对于新出现的故障, 单个子网 络必须抹去全部记忆, 重新学习。运用集成神经网络结构系 统, 可以克服上述缺点。 集成神经网络的信息融合方式是反映不同故障信息特 征的每个子网络基于特征信号的组合而形成的,可分为信息 融合和决策融合。通过融合决策网络, 有利于减少决策间的 不确定性, 提高确诊率。考虑设备诊断技术的实际情况, 信 息融合有局部融合和全局融合,用串并联混和的集成网络比 较合适。这种结构是由三级网络串联组成, 同时在第二级网 络中, 各子网络并联而成, 使得各个子网络从不同的侧面完 成对故障的诊断。诊断子网络的结果送入决策融合网络,最 终得出诊断结果,集成神经网络结构见图 2。 图 2� 集成神经网络结构 4� 小波分析和神经网络的结合 故障诊断的一个主要步骤是对信号进行采集和处理,而 小波分析无疑是对信号进行分析和处理的一个有效工具。 神经网络可以有效地实现输入到输出之间的非线性映射,具 有自学习和模式识别能力,也适合于诊断自动化。因此, 小 波分析与神经网络的结合并应用于故障诊断是客观实际的 需要。 目前小波分析和神经网络结合的途径主要有两种 [ 6] : ( 1)松散型结合,即小波分析作为神经网络的前置处理 手段, 为神经网络提供输入特征向量, 如图 3所示。 图 3� 小波与神经网络的松散型结合 ( 2)紧致型结合, 小波和神经网络直接融合, 即用小波函 数和尺度函数形成神经元, 达到小被和神经网络的直接融 合, 如图 4所示。它是以局部函数作为激励函数, 其作用机 理和采用 S igm o id函数的多层感知器相同。故障诊断是要实 379第 5期 唐贵基等: 人工神经网络在混合智能故障诊断技术中的应用研究 � � 现症状空间到故障空间的映射,这种映射可用函数逼近来表 示, 小波神经网络的形成可从函数逼近的角度说明。 以一维小波级数为例,小被级数函数可表示为: 图 4� 一维紧致型小波神经网络结构图 � � 小波神经网络通过上述两种途径的结合, 形成了广 义上的两种小波神经网络。其中第二种类型的小波神经网 络, 即狭义上的小波神经网络, 主要用于对非均匀性数据对 的逼近。在故障诊断领域, 多采用小波分析和神经网络的松 散型结合方法。具体来说是利用小波分析 (或小波包分析 ), 把信号分解在相互独立的频带之内,各频带内的能量值形成 一个向量, 该向量对不同的故障对应不同的值, 从而可作为 神经网络的输入特征向量。一旦确定神经网络的输入特征 向量, 再根据经验确定采用何种神经网络及隐层数和隐层单 元数等, 就可以利用试验样本对神经网络进行训练 ,调整权 值, 从而建立起所需的小波神经网络模型。 5� 其 � 它 除了上述的几种与神经网络融合的诊断方法外还有遗 传神经网络的故障诊断方法、基于粗集神经网络的故障诊断 方法、混沌神经网络方法等等。 遗传算法 ( GA )是 1962年由美国的 H o lld提出的。遗传 算法是建立在自然选择和群体遗传学机理基础上的随机、迭 代和进化, 具有广泛适用性的搜索方法。遗传神经网络学习 算法主要步骤是先借助基于实数编码的遗传算法 ( Rea l- CodedGene tic A lgo rithm, RCGA)反复优化具有全局性神经网 络的连接权 (即粗略学习得到全局性的参数 ), 在此基础上再 用神经网络算法 (例如 BP算法 )调节和优化具有局部性的 参数, 搜索最优解 [ 7]。粗糙集理论是波兰数学家 Z. Paw lak 于 1982年提出的一种数据分析理论。粗糙集理论是一种新 的处理模糊和不确定性知识的数学工具, 其主要思想就是在 保持分类能力不变的前提下, 通过知识约简, 导出问题的决 策或分类规则。 但从总体上看,这些方面研究还处于初期阶段, 理论方 法和 设计 领导形象设计圆作业设计ao工艺污水处理厂设计附属工程施工组织设计清扫机器人结构设计 方法有待于完善 规范 编程规范下载gsp规范下载钢格栅规范下载警徽规范下载建设厅规范下载 ,应用研究有待于加强提高。 6� 结 � 论 智能故障诊断技术的研究是在不断吸取其它领域和科 学新成果的基础上向前发展的,将多种不同的智能技术结合 起来的混合诊断系统是智能故障诊断技术研究的一个发展 趋势。本文介绍神经网络与其它诊断方法相融合的几种故 障诊断技术, 目的是使神经网络智能故障诊断技术更好地与 实际结合, 真正解决实际问题, 在工程应用中发挥越来越大 的作用。 参 考 文 献 [ 1] � 黄文虎, 夏松波,刘瑞岩, 等. 设备故障诊断原理. 技术与应用 [M ] . 北京:科学出版社, 1996. 232- 313. [ 2] � 李运爽,武建军. 人工智能的原理及应用 [ J]. 山西电子技术, 2004( 2) : 9 - 10. [ 3] � 徐玉秀,任立义, 等. 基于专家系统与神经网络集成的故障诊 断的应用研究 [ J] . 振动与冲击, 2001, 20( 3) : 32- 34. [ 4] � 朱旭东,戴文战, 等. 基于神经网络的方法在故障诊断中的应 用 [ J] . 机电工程, 2003, 20( 5 ): 75- 78. [ 5] � 栗 � 青,李 � 治, 等. 集成神经网络在机械故障诊断中的应用 [ J]. 沈阳工业大学报, 2003, ( 4 ): 141- 143. [ 6] � 王计生,等. 小波分析和神经网络技术在故障诊断中的应用 [ J]. 振动、测试与诊断, 2004. 3: 46- 49. [ 7] � 张利平唐德善,等. 遗传神经网络在凝汽器系统故障诊断中 的应用 [ J] . 水电能源科学, 2004, ( 3 ): 77- 79. (上接第 377页 ) � � 得出以下几点经验,供大家参考: ( 1)机组大修中 ,发电机转子上套箍更换或拆装是经常 性的工作, 它会直接改变转子的平衡状态, 因此应提高机组 的检修质量, 对发电机转子上的一些部件在拆、装前后应充 分做好 记录 混凝土 养护记录下载土方回填监理旁站记录免费下载集备记录下载集备记录下载集备记录下载 , 严格控制装配工艺; 套箍套装时要注意加热均 匀, 控制好加热的温度和速度, 严防套箍变形 ;套箍装复后, 冷却过程中要注意保温, 控制好冷却的温度和速度 ,还要经 常转动转子, 以防冷却不均及套箍的自重导致套箍偏心; 对 套箍已装配好的转子, 待其冷却至室温, 要对套箍晃度、瓢偏 及转子的晃度进行测量, 并与修前对照, 如偏差大则要重新 处理, 尽量减少发电机拉套箍后对发电机转子产生的新的不 平衡量, 同时确保不破坏发电机转子原平衡状态。同样, 转 子两端的风扇也应按原折卸顺序进行安装。 ( 2)在分析出振动的原因是发电机转子上存在质量不平 衡, 准备是在 4号、5号瓦间的靠背轮上还是在发电机转子上 进行动平衡加重时争论很激烈, 此时, 果断决定在发电机转 子上加重, 不但为大修节约了工期, 同时为动平衡人员和检 修人员大大减少了工作量; 根据最终动平衡结果,在 6号瓦 处转子上加了 1 075g, 这么大的不平衡量要想在 4号、5号瓦 间的靠背轮上加重来实现, 几乎不可能 ,更充分证明了在发 电机转子上直接进行现场高速动平衡的正确性。 ( 3)此次动平衡,在最短的时间里处理好机组的振动问 题, 既减少了开机次数, 又确保了机组及时、安全投运; 与此 同时, 也为了解机组振动的特性, 积累了分析处理振动的经 验, 对于进行类似检修机组的振动问题研究具有一定的参考 价值。 参 考 文 献 [ 1] � 施维新. 汽轮发电机组振动及事故 [M ] . 北京:中国电力出版 社, 1998. 380 汽 � 轮 � 机 � 技 � 术 � � 第 47卷