基于模糊神經(jīng)網(wǎng)絡(luò)的液壓系統(tǒng)故障診斷

【摘 要】本文通過(guò)在液壓系統(tǒng)中埋入傳感器實(shí)時(shí)監(jiān)測(cè)系統(tǒng)的運(yùn)行狀態(tài)，充分利用模糊理論的信息處理能力和神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)、函數(shù)逼近能力，進(jìn)行液壓系統(tǒng)狀態(tài)參數(shù)的融合及其故障診斷。通過(guò)實(shí)例仿真實(shí)驗(yàn)發(fā)現(xiàn)模糊神經(jīng)網(wǎng)絡(luò)在液壓系統(tǒng)故障診斷中具有操作簡(jiǎn)便、可靠性高、自動(dòng)化程度高等優(yōu)點(diǎn)。

【關(guān)鍵詞】模糊神經(jīng)網(wǎng)絡(luò) 液壓系統(tǒng) 故障診斷

隨著模糊信息處理技術(shù)和神經(jīng)網(wǎng)絡(luò)技術(shù)研究的不斷深入，將模糊技術(shù)與神經(jīng)網(wǎng)絡(luò)技術(shù)進(jìn)行有機(jī)結(jié)合，從而構(gòu)造出一種可“自動(dòng)”處理模糊信息的模糊神經(jīng)網(wǎng)絡(luò)或稱(chēng)自適應(yīng)模糊系統(tǒng)，已引起越來(lái)越多的科技工作者的研究興趣和關(guān)注，成為當(dāng)前一個(gè)重要的研究“熱點(diǎn)”。[1]

液壓系統(tǒng)是一個(gè)復(fù)雜的機(jī)電液綜合系統(tǒng)，其故障具有多發(fā)性、不確定性和隱蔽性等特點(diǎn)。[2]這些特點(diǎn)使得液壓系統(tǒng)故障診斷的難度很大。利用狀態(tài)監(jiān)測(cè)系統(tǒng)實(shí)時(shí)監(jiān)測(cè)液壓系統(tǒng)的特征信號(hào)，并利用模糊神經(jīng)網(wǎng)絡(luò)進(jìn)行模糊信息融合，是當(dāng)前液壓系統(tǒng)故障診斷的一個(gè)主要發(fā)展方向。

一、模糊神經(jīng)網(wǎng)絡(luò)信息融合原理

將模糊集與BP神經(jīng)網(wǎng)絡(luò)相結(jié)合，構(gòu)成一模糊神經(jīng)網(wǎng)絡(luò)系統(tǒng)，它是將模糊的概念結(jié)合在神經(jīng)網(wǎng)絡(luò)的各層中，其輸入、輸出都是具有語(yǔ)義性質(zhì)的隸屬度值。

二、模糊神經(jīng)網(wǎng)絡(luò)模型的建立

（一）建立系統(tǒng)模糊集合的數(shù)學(xué)模型

利用模糊神經(jīng)網(wǎng)絡(luò)進(jìn)行多傳感器信息融合及故障診斷中，用一個(gè)模糊集合來(lái)表示所有可能發(fā)生故障的元器件，記為： ， （1）

其中表示元器件故障的隸屬度值，為故障原因種類(lèi)的總數(shù)。

同樣，用一個(gè)集合表示這些故障元器件所引起的各種征兆，記作：

， （2）

式中，表示第類(lèi)傳感器在各元器件處采集的信息，為傳感器種類(lèi)的總數(shù)。由于故障征兆是由各元器件故障引起的，其關(guān)系且是模糊的，因此在（2）式中要用征兆對(duì)各故障元器件的隸屬度代替元素，這樣所構(gòu)成的故障征兆模糊向量為：

， （3）

式中表示第i類(lèi)征兆對(duì)各元器件故障的隸屬度值。

要將傳感器采集的各類(lèi)信息轉(zhuǎn)換為網(wǎng)絡(luò)輸入的模糊集合還需引進(jìn)隸屬度函數(shù)。

， （4）

式中，為系統(tǒng)正常工作時(shí)被測(cè)元器件的標(biāo)準(zhǔn)參數(shù)值；為診斷元器件參數(shù)的正常變化范圍，即容差；為待診斷元器件參數(shù)的極限偏差；為修正系數(shù)；為傳感器測(cè)定被診斷元器件屬于故障診斷的隸屬度值；為傳感器測(cè)得的實(shí)際數(shù)值。

這樣就得到了模糊神經(jīng)網(wǎng)絡(luò)輸入輸出的模糊集合：和。

（二）BP神經(jīng)網(wǎng)絡(luò)模型的建立

BP（Error Back Propagation Network）是目前應(yīng)用最為廣泛和成功的神經(jīng)網(wǎng)絡(luò)之一。BP神經(jīng)網(wǎng)絡(luò)是由輸入層、輸出層和隱含層組成的前向神經(jīng)網(wǎng)絡(luò)模型，同層各神經(jīng)元互不相連，相鄰層的神經(jīng)元通過(guò)權(quán)連接，具有極強(qiáng)的自學(xué)習(xí)能力，對(duì)于新的故障模式和故障樣本可以通過(guò)權(quán)值的改變進(jìn)行學(xué)習(xí)、記憶和存儲(chǔ)，進(jìn)而在以后的運(yùn)行中能夠判斷出這些新的故障模式。

三、實(shí)例分析

（一）模糊集合的確定

系統(tǒng)輸出模糊集合由元器件1（液壓泵）故障、元器件2（調(diào)壓閥）故障和元器件3（調(diào)壓閥）故障的隸屬度值組成，即，其中表示第個(gè)元器件發(fā)生故障的隸屬度值。

系統(tǒng)輸入模糊集合由元器件4（壓力傳感器）、元器件5（流量傳感器）和元器件6（溫度傳感器）在元器件1、2、3采集的信息的隸屬度值組成，即，其中表示第類(lèi)征兆對(duì)元器件1、2、3故障的隸屬度值。比如，表示壓力對(duì)元器件1、2、3故障的隸屬度值。

（二）BP神經(jīng)網(wǎng)絡(luò)參數(shù)的確定

由系統(tǒng)輸入輸出的模糊集合可以確定系統(tǒng)有3類(lèi)傳感器，3個(gè)被診斷元器件。故網(wǎng)絡(luò)的輸入層有9個(gè)節(jié)點(diǎn)，輸出層有3個(gè)節(jié)點(diǎn)，隱含層神經(jīng)元數(shù)目取為15，其隱含層神經(jīng)元數(shù)目的選取可以依據(jù)經(jīng)驗(yàn)公式： ， （5）

式中取1～10，，分別為輸入和輸出層節(jié)點(diǎn)數(shù)。

另外，BP網(wǎng)絡(luò)融合時(shí)，選學(xué)習(xí)效率為0.01，期望誤差為0.00001。

（三）神經(jīng)網(wǎng)絡(luò)訓(xùn)練樣本

試驗(yàn)時(shí)先利用各傳感器測(cè)出系統(tǒng)正常工作時(shí)，各待測(cè)元器件附近的標(biāo)準(zhǔn)壓力、流量和溫度。當(dāng)液壓系統(tǒng)某元器件出現(xiàn)故障時(shí)，一般來(lái)說(shuō)元器件附近的壓力、流量和溫度都會(huì)發(fā)生變化（升高或降低），因此診斷時(shí)再測(cè)試出各元器件的新的壓力、流量和溫度參數(shù)值，按前述的隸屬度函數(shù)計(jì)算出各類(lèi)信號(hào)待診斷元器件屬于故障的隸屬度值。為處理問(wèn)題方便結(jié)合實(shí)際可取壓力和流量傳感器=1，溫度傳感器=10，=0，。本文通過(guò)建立仿真數(shù)據(jù)來(lái)仿真該神經(jīng)網(wǎng)絡(luò)的運(yùn)行情況。將各仿真數(shù)據(jù)模糊化和歸一化處理后得到。

四、結(jié)論

本文將模糊集合理論與神經(jīng)網(wǎng)絡(luò)相結(jié)合，充分利用神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)和函數(shù)逼近功能，提高模糊系統(tǒng)的自適應(yīng)能力，改善模糊模型的精度。完成了系統(tǒng)模糊集合和神經(jīng)網(wǎng)絡(luò)模型的建立，通過(guò)仿真實(shí)驗(yàn)發(fā)現(xiàn)利用模糊神經(jīng)網(wǎng)絡(luò)進(jìn)行液壓系統(tǒng)故障診斷具有操作簡(jiǎn)便，可靠性高，自動(dòng)化程度高等優(yōu)點(diǎn)，無(wú)論在理論或?qū)嶋H應(yīng)用上都具有一定的借鑒價(jià)值。