神經(jīng)網(wǎng)絡(luò)多傳感器信息融合故障檢測(cè)實(shí)現(xiàn)

劉平安 徐翠琴

摘 要：燃料電池多傳感器系統(tǒng)故障通過采用神經(jīng)網(wǎng)絡(luò)信息融合技術(shù)進(jìn)行檢測(cè)，然后在通過溫度傳感器對(duì)其故障檢測(cè)進(jìn)行仿真研究，通過此種方法顯示，這種檢測(cè)方法對(duì)系統(tǒng)故障特征的提取有很大的幫助，這種方法對(duì)燃料電池多傳感器的故障檢測(cè)的精準(zhǔn)度有很大程度的提高，使故障檢測(cè)的適時(shí)性得到很大程度的滿足。

關(guān)鍵詞：神經(jīng)網(wǎng)絡(luò)；燃料電池多傳感器；信息融合；故障檢測(cè)

1 引言

隨著汽車電子技術(shù)的日益飛速增長(zhǎng)，燃料電池技術(shù)也在不斷的提高，結(jié)構(gòu)和任務(wù)在燃料電池發(fā)動(dòng)機(jī)系統(tǒng)中的要求也越來越高，其中控制的精度和穩(wěn)定度更是高標(biāo)準(zhǔn)的要求。檢測(cè)學(xué)方面看，檢測(cè)中的每一種信息都不能確定其準(zhǔn)確度。所以，在檢測(cè)燃料電池傳感器的故障過程中，要想得到更準(zhǔn)確和可靠的檢測(cè)，對(duì)于傳感器的多維信息我們必須全方面的進(jìn)行了解；另一方面，對(duì)于故障檢測(cè)領(lǐng)域的信息技術(shù)我們必須不斷研究引入更加符合要求的技術(shù)適應(yīng)我們得到的越來越多的檢測(cè)信息，只有這樣才能分析出信息的深層含義，并且對(duì)多傳感器的監(jiān)測(cè)信息進(jìn)行合理的有效利用，使故障檢測(cè)的精確性、可靠性和有效性都得到了很大的提高。

燃料電池由于發(fā)動(dòng)機(jī)中有多種傳感器因此系統(tǒng)非常復(fù)雜，諸如：壓力傳感器、電壓傳感器、流量傳感器、水位傳感器、電流傳感器、濕度傳感器、溫度傳感器和電導(dǎo)率傳感器等。這些傳感器是系統(tǒng)中非常重要的部分，他們?cè)谄渲械淖饔孟喈?dāng)于是系統(tǒng)的“眼睛”，經(jīng)常會(huì)通過這些傳感器測(cè)量各種信息，傳感器為系統(tǒng)提供最原始的數(shù)據(jù)信息。

如圖1所示。

2 神經(jīng)網(wǎng)絡(luò)信息融合多傳感器故障檢測(cè)系統(tǒng)設(shè)計(jì)

文章中選擇雙傳感器對(duì)系統(tǒng)進(jìn)行分析，檢測(cè)系統(tǒng)輸出信息的實(shí)例，目的是為了能夠保證系統(tǒng)輸出的信息的精準(zhǔn)無誤。構(gòu)成如圖2所示的基于神經(jīng)網(wǎng)絡(luò)的多傳感器信息融合故障檢測(cè)系統(tǒng)。傳感器輸出數(shù)據(jù)通過融合單元采用三層BP網(wǎng)絡(luò)進(jìn)行融合；通過Elman遞推的網(wǎng)絡(luò)這一預(yù)測(cè)能力較強(qiáng)的預(yù)測(cè)單元為決策單位提供傳感器故障檢測(cè)的標(biāo)準(zhǔn)；在當(dāng)前系統(tǒng)狀態(tài)下決策單元做出決策的同時(shí)為控制器或監(jiān)控器提供相應(yīng)的輸出信號(hào)。

2.1 融合單元

通過采用對(duì)同一物理量進(jìn)行多個(gè)傳感器測(cè)量，若每個(gè)傳感器所測(cè)量出的數(shù)值都是接近正常值，這就說明此傳感器是正常的，這是較為常用的船東的硬件冗余方法。并將這種測(cè)量得出的平均值作為這些傳感器的參數(shù)標(biāo)準(zhǔn)。在現(xiàn)實(shí)應(yīng)用過程中，可以在一些系統(tǒng)參數(shù)本身是耦合值中獲得一些冗余信息。神經(jīng)網(wǎng)絡(luò)將對(duì)同一物理量通過不同傳感器測(cè)量出來的信息進(jìn)行融合，僅通過一種傳感器測(cè)出的數(shù)據(jù)值遠(yuǎn)遠(yuǎn)不如通過這種方法獲得的數(shù)值精確。鑒于此，借助于神經(jīng)網(wǎng)絡(luò)在進(jìn)行硬件冗余技術(shù)中，選用同一物理量通過數(shù)據(jù)特性完全不同的傳感器進(jìn)行數(shù)據(jù)測(cè)量。通過這種方法可以避免選擇的傳感器參數(shù)一樣，與此同時(shí)也可以減少傳感器的使用量。設(shè)系統(tǒng)中某一輸出量的標(biāo)定值為y，對(duì)應(yīng)兩個(gè)傳感器的輸出值為y1和y2，則y可以用一個(gè)二次曲面擬合方程來描述：

由上式可以看出，在兩個(gè)傳感器都處于正常工作狀態(tài)時(shí)，只要將其中一個(gè)傳感器的數(shù)值確定為待定的常數(shù)，那么任何一組數(shù)據(jù)（y1，y2）都可以擬合出y值。由于多層BP網(wǎng)絡(luò)可以逼近任意一個(gè)非線性函數(shù)，而且具有高速并行的處理能力，所以我們采用一個(gè)三層BP網(wǎng)絡(luò)來求解這些待定常數(shù)。如果其中任何一個(gè)傳感器在此過程中出現(xiàn)問題，就證明這個(gè)方法是沒有用的，就必須改用決策單元分析中的處理方法來解決。

2.2 預(yù)測(cè)單元

傳感器在故障發(fā)生時(shí)，要做到有效的對(duì)其進(jìn)行重復(fù)配置系統(tǒng)控制，就要及時(shí)準(zhǔn)確的檢測(cè)出故障結(jié)果，并對(duì)其進(jìn)行隔離。所以我們需要一個(gè)標(biāo)準(zhǔn)能對(duì)傳感器的輸出值做出正確的判斷。傳感器下一時(shí)刻的輸出值可以利用傳感器的當(dāng)前時(shí)刻和當(dāng)前時(shí)刻以前的輸出值進(jìn)行預(yù)測(cè)，目前算是比較有效的方法，然后再把預(yù)測(cè)的值作為下一刻的評(píng)判標(biāo)準(zhǔn)。

將聯(lián)系單元到隱含單元、輸入單元到隱含單元、隱含單元到輸出單元的權(quán)矩陣設(shè)置為Wxa，Wxu，Wxy。隱含單元的作用函數(shù)為線性，且閾值為零。？琢為聯(lián)系單元的自反饋增益。則此網(wǎng)絡(luò)可用下述方程來描述：

由于傳感器2出現(xiàn)問題，因此雙傳感器獲得的y12（k）融合數(shù)據(jù)就不在是最好的融合數(shù)據(jù)，此時(shí)令y1（k）=yd（k），通過權(quán)值修正公式對(duì)網(wǎng)絡(luò)的權(quán)值進(jìn)行修正。用傳感器1輸出的數(shù)據(jù)y1（k）和經(jīng)過修正后的權(quán)矩陣評(píng)估下一時(shí)刻輸出的數(shù)值，下一次傳感器的故障評(píng)判此次的數(shù)值為標(biāo)準(zhǔn)，并在傳感器2出現(xiàn)故障時(shí)發(fā)出報(bào)警信號(hào)。

③若傳感器1處于不正常狀態(tài)，傳感器2處于正常狀態(tài)，其原理同②，給出傳感器1發(fā)生故障的報(bào)警信號(hào)。

④兩個(gè)傳感器都處于非正常狀態(tài)，即下式成立：

3 多溫度傳感器故障檢測(cè)仿真研究

根據(jù)上述方法，溫度的變化范圍為10～70℃，其實(shí)際正常溫度變化曲線如圖3所示。

預(yù)測(cè)單元用Elman遞歸神經(jīng)網(wǎng)絡(luò)，作用函數(shù)為線性函數(shù)，閾值為零，隱層和聯(lián)系層都含有六個(gè)神經(jīng)元，聯(lián)系層的自反饋增益選為？琢=-0.6，預(yù)測(cè)單元的輸出曲線如圖5所示。

4 結(jié)束語

網(wǎng)絡(luò)收斂速度與診斷的精準(zhǔn)度都會(huì)不同程度的受到來自神經(jīng)網(wǎng)絡(luò)診斷模型的選取、層數(shù)與隱層數(shù)的設(shè)置、訓(xùn)練樣本的選擇以及迭代步長(zhǎng)的選取等問題的影響。這些參數(shù)只能夠在研究過程中不斷的出揣摩，因?yàn)檫@些參數(shù)都是不固定的。

參考文獻(xiàn)

[1]張菊秀，全書海，王超.信息融合在燃料電池傳感器故障識(shí)別中的應(yīng)用[M].武漢理大學(xué)學(xué)報(bào)，2006.6，28（6）：113～116.

[2]吳興偉.多傳感器的信息融合在車載故障診斷中的應(yīng)用研究[D].武漢理工大學(xué)，2006.

[3]胡丹丹，肖書明，王燕清.高慶吉.基于多傳感器的數(shù)據(jù)融合技術(shù)[J].東北電力學(xué)院學(xué)報(bào)，2004.2，24（1）：62～67.

作者簡(jiǎn)介：劉平安（1992-），男，湖北荊州，本科在讀，湖北工程學(xué)院計(jì)算機(jī)與信息科學(xué)學(xué)院，研究方向：人工智能。

徐翠琴（1981-），女，湖北孝感安陸，講師，工學(xué)碩士，湖北工程學(xué)院計(jì)算機(jī)與信息科學(xué)學(xué)院，研究方向：檢測(cè)技術(shù)及智能控制。