网站首页  词典首页

请输入您要查询的论文:

 

标题 基于BP模糊神经网络自动装填系统的故障诊断
范文 杨松+龙飞宏
摘 要 分析BP模糊神经网络原理,针对自动装填系统提出基于BP模糊神经网络的故障诊断方法,构造BP神经网络的装备故障诊断的推理过程,诊断结果表明了该方法的有效性。
关键词 BP神经网络;BP算法;故障诊断;自动装填
中图分类号 TP3 文献标识码 A 文章编号 1674-6708(2018)203-0142-02
在人们不断探索精神的推动下,装备技术得到不断进步和发展,现代化工业生产过程中机械装备性能参数和自动化水平及其结构复杂程度不断提高,现代装备系统也变得越来越复杂,于是对装备的安全性和可靠性提出了更高的要求。自动装填系统是一个大型系统,其技术含量高,结构复杂程度高,出现故障的原因与故障征兆种类多,并且之间的对应关系也非常复杂,一般是一对多,多对多等的映射关心,一旦某部位或某几个部位发生故障就会引起整个系统工作异常,甚至造成系统瘫痪,构成极大经济损失,并且出现异常后,检修人员根据故障征兆准确定位故障、排除异常难度非常大。
针对此状况,提出了一种基于自动装填系统的故障诊断方法,运用BP模糊神经网络对自动装填系统进行故障诊断,建立自动装填系统的神经网络,并对其神经网络進行网络训练,从而实现自动装填系统的故障诊断。
1 基于BP模糊神经网络的原理
1.1 人工神经元模型
人工神经网络(ARTIFICIAL、EURALNETWORK,简称A.N.N.),又叫作“神经网络”,是一种模拟人类大脑或者自然神经网络是对信息搜集、处理、提取和分类等智能行为的工程系统。神经网络由大量网络神经元之间相互连接的非线性复杂网络系统,具有自组织性、自适应性和非线性,易于学习和训练,实现信息处理,在多个领域已经被广泛应用。
1.2 BP模糊神经网络的网络模型
聚集大量人工神经元构成的神经网络,又称为多层前向网络,在故障诊断方法领域中用得最广,成效最好。由于该神经网络在训练的过程中采用了BP(Back-Propagation)算法,即“误差反向传播算法”。因此该网络又作BP神经网络。三层BP神经网络构成标准BP神经网络,其中包含一个输入层,一个输出层,在输入层和输出层之间还有一个隐含层,隐含层可以是单层,也可以是多层。这种结构的神经网络,神经元只与和它相邻的层之间进行神经元连接,实现的是完全链接,相同层各个神经元不连接。
BP模糊神经网络训练,首先对每一个输入信号设定一个输出信号期望输出值。然后再对网络进行训练,当系统给定输入信号时,输入信号由输入层经隐含层传输到输出层的过程是一个正向传播的过程。又称为“顺势传播过程”。如果实际输出信号输出值与输出信号期望输出值存在偏差,即存在误差,那么就将进行反向传播,又称为“误差逆传播过程”,在误差逆传播过程中,网络产生的误差由输出层传输到中间层,根据各层误差的不同,不断修改权值和阈值,经过“顺势传播过程”和“误差逆传播过程”的不断交替反复进行。并采用最快下降法使权值沿着误差函数负梯度方向改变,网络的实际输出不断向期望输出逼近,直到所对应的输出信号收敛于输出信号期望输出值为止。相比于其他网络BP神经网络具有:较强的非线性映射能力,高度自学习和自适应的能力,将学习成果应用于新知识的能力,一定的容错能力等优点。
2 BP模糊神经网路故障诊断
自动装填系统的故障模式大体可分为机械类故障和电气类故障,两大故障模式。但通过实际故障维修过程中统计发现:自动装填系统机械执行部件的故障发生率相对于控制电路部分要少的多,而且故障发生后也较容易发现和排除。所以,本文主要针对自动装填系统的控制电路的电气故障进行分析。目前神经网络的大小只是根据需要来确定。有多少个故障现象,就对应有多少个输入节点;有多少个故障部位,就对应有多少个输出节点。在隐含层节点可以根据需要任意设置的情况下,一个3层BP网络可以实现以任意精度逼近任意连续函数。
以旋转输弹机为例,旋转输弹机作为自动装填系统的主要部件之一,主要用于储存弹药,并且按指令将所选炮弹运至出弹口门。选取旋转装弹机不旋转故障诊断为研究对象。已知导致输弹机不旋转的电气故障因素有以下几种原因:X1:自动装填按钮(ZC1-A1)故障;X2:继电器J5故障;X3:继电器J9故障,X4:旋转输弹机电磁铁(XS-DT1)故障;X5:继电器J32故障;X6:继电器J11故障;X7:继电器J31故障;X8:继电器J33故障;X9:闭锁销解锁到位转换触点(DT2-K1,2)故障。总结出4个故障部位:Y1:按钮故障;Y2:继电器故障;Y3:电磁铁故障;Y4:旋转输弹机没有解锁。对应这9个故障原因,有9个输入节点,对应这4个故障部位,有4个输出节点。本文采用step7——300编程,PLC采集各个节点模拟量,从中提取数据,将这些数据经过归一化处理之后,最终得到训练神经网络所需的样本数据。对BP模糊神经网路算法训练,进行故障诊断。
经MATLAB仿真之后,检验结果与实际状态相符。
3 结论
通过对自动装填系统的分析研究和诊断结果来看,BP模糊神经网络能够有效的解决实际出现故障难题。由于BP模糊神经网络结构简单,方法容易,速度迅捷,提高了系统的稳定性和诊断的准确性。所以采用BP神经网络的诊断方法是非常合适的。
参考文献
[1]汪振兴,刘臣宇,李丽,等.基于改进BP神经网络的某型装备故障诊断专家系统[J].计算机与现代化,2010(2):200-203.
[2]唐洪法.基于BP神经网络的网络故障诊断系统[D].南京:南京理工大学,2005.
[3]李士勇.模糊控制、神经控制和智能控制论[M].哈尔滨:哈尔滨工业大学出版社,1998.
随便看

 

科学优质学术资源、百科知识分享平台,免费提供知识科普、生活经验分享、中外学术论文、各类范文、学术文献、教学资料、学术期刊、会议、报纸、杂志、工具书等各类资源检索、在线阅读和软件app下载服务。

 

Copyright © 2004-2023 puapp.net All Rights Reserved
更新时间:2025/2/11 7:32:45