SOM和Elman神經(jīng)網(wǎng)絡(luò)在整流器故障診斷的應(yīng)用

康洪銘，李光升，謝永成，魏寧

KANG Hong-ming，LI Guang-sheng，XIE Yong-cheng，WEI Ning

（裝甲兵工程學(xué)院控制工程系，北京 100072）

(Department of Mechanical Engineering，Academy of Armored Forced Engineering，Beijing 100072，China)

1 引言

目前，為滿足現(xiàn)代裝甲車輛不斷增加的用電需求而采用了無(wú)刷爪極交流電機(jī)和由硅整流二極管組成的風(fēng)冷三相橋式整流器[1]，其整流器是將發(fā)電機(jī)的交流輸出轉(zhuǎn)換成直流電壓，為全車電氣和電子設(shè)備提供穩(wěn)定恒壓電源。為保障電源系統(tǒng)的可靠性及供電品質(zhì)，對(duì)整流器開展故障診斷方法研究具有重要的實(shí)際應(yīng)用價(jià)值。

自組織特征映射神經(jīng)網(wǎng)絡(luò)（SOM）特別適合于解決故障分類和識(shí)別方面的應(yīng)用問(wèn)題，屬于前向神經(jīng)網(wǎng)絡(luò)類型，它能將任意輸入模式在輸出層映射成一維或二維離散圖形，并保持其拓?fù)浣Y(jié)構(gòu)不變。通過(guò)對(duì)輸入模式的自組織學(xué)習(xí)，在競(jìng)爭(zhēng)層將分類結(jié)果表示出來(lái)，是一種無(wú)監(jiān)督的聚類算法，網(wǎng)絡(luò)收斂速度快[2]。Elman型回歸神經(jīng)網(wǎng)絡(luò)是一種典型的動(dòng)態(tài)網(wǎng)絡(luò)，它在 BP基礎(chǔ)上增加了承接層，用來(lái)記憶隱含層單元前一時(shí)刻的輸出值并返回給輸入，實(shí)現(xiàn)延時(shí)和存儲(chǔ)，具有適應(yīng)時(shí)變特性的能力[3]。充分發(fā)揮該兩種網(wǎng)絡(luò)的特點(diǎn)并在整流器故障診斷中靈活應(yīng)用對(duì)其自動(dòng)化、智能化診斷具有重要意義。

2 故障分類策略設(shè)計(jì)

對(duì)于整流裝置的故障診斷，文獻(xiàn)[4]采用了支持向量機(jī)方法，文獻(xiàn)[5]采用了免疫算法，文獻(xiàn)[6]采用了小波神經(jīng)網(wǎng)絡(luò)方法，這些文獻(xiàn)通過(guò)傅立葉變換或小波變換等方法提取整流輸出電壓頻譜特征或能量特征，但只能定位某一模式故障（如單管開路）；文獻(xiàn)[7]直接采用對(duì)各類故障電壓波形采樣電壓幅值的方法，雖然能夠定位到具體故障（如D1開路），但是單一考慮電壓值，實(shí)際運(yùn)用過(guò)程中誤差較大。因此本文采用SOM和ELMAN相結(jié)合的兩級(jí)故障診斷來(lái)實(shí)現(xiàn)故障的準(zhǔn)確定位，此方案克服了前兩種方法的不足，在實(shí)現(xiàn)定位到具體故障的基礎(chǔ)上，提高其準(zhǔn)確性和可靠性。

根據(jù)整流電路發(fā)生開路或短路故障的二極管個(gè)數(shù)及位置關(guān)系，對(duì)其劃分了故障模式：正常狀態(tài)（1種）；單個(gè)二極管開路故障（6種）；同支路2個(gè)二極管開路故障（3種）；同半橋2個(gè)二極管開路故障（6種）；交叉2個(gè)二極管（不同支路且不同半橋）開路故障（6種）；單個(gè)二極管短路故障（6種），即6個(gè)故障模式，共28種故障類型。其中出現(xiàn)3支及以上二極管開路的概率很小，而且其故障分析方法相同，此外發(fā)生2支及以上二極管短路，會(huì)造成發(fā)電機(jī)電樞繞組短路或蓄電池正負(fù)極短接，過(guò)大的電流會(huì)使故障模式發(fā)生轉(zhuǎn)變，對(duì)這兩類故障模式不做分析。由于各類模式的整流輸出電壓波形差異較大，可通過(guò)FFT變換得到其相應(yīng)的諧波次數(shù)和幅值，并選用SOM網(wǎng)絡(luò)進(jìn)行模式分類；每種模式下的各個(gè)故障雖然諧波頻譜一致，但是存在明顯的相位差，即在其周期內(nèi)采樣電壓值，只需每周期采樣的點(diǎn)數(shù)能夠反映各波形的特征，再選用Elman網(wǎng)絡(luò)對(duì)其進(jìn)行故障識(shí)別。如圖2-1所示。

圖2-1 故障分類原理圖

3 數(shù)據(jù)采集

本文利用MATLAB/Simulink建立其仿真模型如圖3-1。通過(guò)依次設(shè)置其28種故障類型，可以發(fā)現(xiàn)6種故障模式差異較大，而其故障模式下的各個(gè)故障類別波形一致，但是存在明顯的相位差。

圖3-1 整流器仿真圖

對(duì)于波形差異較大的故障模式采用諧波分析的方法，其主要工具是快速傅立葉變換（FFT），它是離散傅立葉變換的快速算法，可以將一個(gè)信號(hào)變換到頻域，提取頻譜，使在時(shí)域上很難看出特征的信號(hào)變換到頻域后就能得到其特征[8]。經(jīng)多次調(diào)整后諧波次數(shù)設(shè)置為 9，對(duì)其進(jìn)行傅立葉分析得到各種故障模式下頻譜圖如圖3-2以及幅值如表 3-1。不難看出各種模式下的諧波幅值差別明顯，并把諧波幅值作為SOM網(wǎng)絡(luò)的輸入向量，實(shí)現(xiàn)各種故障模式的分類。

圖3-2 各故障模式頻譜圖

表3-1 各故障模式諧波幅值

為了定位到具體的二極管故障，以模式1為例，通過(guò)模擬故障得到其D1～D6斷路故障波形如圖3-3所示。比較各個(gè)故障，發(fā)現(xiàn)其波形一致，但是相位存在明顯差異，把A相電壓經(jīng)過(guò)零值，B相電壓為負(fù)值，C相電壓為正值這一時(shí)刻起始點(diǎn)，為保證所取采樣點(diǎn)數(shù)能夠準(zhǔn)確反映故障類型，設(shè)定每周期采樣70點(diǎn)，取兩個(gè)周期，即每種故障類型共140點(diǎn)，同時(shí)在Scope parameters里設(shè)置采樣時(shí)間為1e-4，提取數(shù)據(jù)數(shù)目為140，運(yùn)行程序后，數(shù)據(jù)將保存在工作空間內(nèi)，可以直接提取其數(shù)據(jù)。顯而易見(jiàn)，各個(gè)故障類型所采樣的樣本數(shù)據(jù)不一致，并把對(duì)應(yīng)數(shù)據(jù)作為Elman網(wǎng)絡(luò)的輸入向量可以實(shí)現(xiàn)故障類型的識(shí)別。

圖3-3 單管D1～D6斷路故障波形

4 故障分類器設(shè)計(jì)

4.1 SOM網(wǎng)絡(luò)模型設(shè)計(jì)與訓(xùn)練

由于采集數(shù)據(jù)的諧波次數(shù)為9，故網(wǎng)絡(luò)輸入向量維數(shù)也為9，每種故障模式下的諧波幅值對(duì)應(yīng)其輸入層的各個(gè)神經(jīng)元。競(jìng)爭(zhēng)層的設(shè)定對(duì)于網(wǎng)絡(luò)性能重要，如果個(gè)數(shù)較少，可能無(wú)法對(duì)輸入模式進(jìn)行正確的分類，即使調(diào)整訓(xùn)練次數(shù)，也無(wú)法徹底改變網(wǎng)絡(luò)的分類性能，考慮到網(wǎng)絡(luò)的映射精度問(wèn)題，經(jīng)過(guò)不斷地實(shí)驗(yàn)調(diào)整，將網(wǎng)絡(luò)的競(jìng)爭(zhēng)層設(shè)計(jì)為4*4的二維平面。訓(xùn)練步數(shù)也應(yīng)進(jìn)行合理的選擇，步數(shù)的大小影響著網(wǎng)絡(luò)的聚類性能，經(jīng)調(diào)整，設(shè)置為500時(shí)分類結(jié)果較好。

表4-1 SOM神經(jīng)網(wǎng)絡(luò)訓(xùn)練結(jié)果

4.2 Elman網(wǎng)絡(luò)模型設(shè)計(jì)與訓(xùn)練

根據(jù)SOM的訓(xùn)練結(jié)果，可以識(shí)別出其故障模式，再根據(jù)相位差利用Elman網(wǎng)絡(luò)確定到具體的二極管故障。按照?qǐng)D2-1設(shè)計(jì)的原理，除正常狀態(tài)模式0外，分別對(duì)其每個(gè)模式進(jìn)行網(wǎng)絡(luò)設(shè)計(jì)，以模式1為例進(jìn)行說(shuō)明。該模式下共有六種故障為D1～D6斷路，其每個(gè)故障的輸入維數(shù)為140，輸出層維數(shù)為6，設(shè)定期望的輸出值如表4-2所示，其中前三個(gè)數(shù)字表示故障模式，后三個(gè)數(shù)字表示該模式下的具體故障類型。隱層經(jīng)多次調(diào)整設(shè)置為30，為避免輸入數(shù)據(jù)差異較大導(dǎo)致無(wú)法收斂需先對(duì)其進(jìn)行歸一化處理，通常使用premnmx()函數(shù)，并設(shè)定中間層神經(jīng)元激活函數(shù)為tansig，輸出層神經(jīng)元激活函數(shù)為logsig，其訓(xùn)練誤差目標(biāo)為1e-4。訓(xùn)練后實(shí)際輸出與期望輸出如表4-2所示。

表4-2 模式1的期望輸出與實(shí)際輸出對(duì)比

4.3 網(wǎng)絡(luò)的驗(yàn)證

為了驗(yàn)證此方案的正確性，設(shè)計(jì)了電源系統(tǒng)實(shí)驗(yàn)平臺(tái)如圖4-1所示，本裝置主要由計(jì)算機(jī)系統(tǒng)、蓄電池、拖動(dòng)系統(tǒng)和可調(diào)負(fù)載和數(shù)據(jù)采集單元構(gòu)成。發(fā)電機(jī)的轉(zhuǎn)速由大功率的電動(dòng)機(jī)通過(guò)皮帶供給，并由變頻器精確控制，負(fù)載由電機(jī)擴(kuò)大機(jī)和大功率電阻構(gòu)成，當(dāng)系統(tǒng)穩(wěn)定運(yùn)行時(shí)，需去掉蓄電池以免濾去輸出信號(hào)的諧波分量。

圖4-1 電源系統(tǒng)故障診斷平臺(tái)

以模式0為例，采集到輸出電壓波形及其諧波特征如圖4-2所示。通過(guò)提取各諧波幅值，將其帶入訓(xùn)練好的網(wǎng)絡(luò)進(jìn)行故障定位，由于該模式下屬于正常狀態(tài)無(wú)需進(jìn)一步故障辨識(shí)。

圖4-2 模式0輸出電壓波形和諧波特征

通過(guò)設(shè)置各種類型的故障，每種故障采集其3組數(shù)據(jù)作為測(cè)試樣本，共84組測(cè)試樣本，通過(guò)分析、處理并提取相應(yīng)的測(cè)試樣本信息，輸入至訓(xùn)練好的網(wǎng)絡(luò)。同時(shí)與仿真驗(yàn)證相比較，其網(wǎng)絡(luò)識(shí)別結(jié)果如表4-2所示。

表4-2 網(wǎng)絡(luò)識(shí)別結(jié)果

5 結(jié)語(yǔ)

本文研究了裝甲車輛電源系統(tǒng)整流器的故障診斷，提出了SOM和Elman網(wǎng)絡(luò)相結(jié)合的兩級(jí)診斷策略。通過(guò)傅立葉變換提取各故障模式的諧波信息，利用SOM進(jìn)行模式分類，由于這并不能定位到具體的故障類別，故考慮到同模式內(nèi)各個(gè)故障存在相位差，提出了周期性采集電壓信號(hào)，并利用Elman神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練的方案。從仿真驗(yàn)證測(cè)試樣本識(shí)別結(jié)果來(lái)看其故障識(shí)別率高，由于存在干擾等多方面因素故實(shí)物驗(yàn)證識(shí)別率相對(duì)偏低，但仍能反映此方案的可行性和準(zhǔn)確性。在實(shí)際的裝甲車輛整流器故障診斷中，將采集到的故障信號(hào)輸入至訓(xùn)練好的網(wǎng)絡(luò)訓(xùn)練，可以快速、自動(dòng)的對(duì)故障進(jìn)行辨識(shí)，該方法可以擴(kuò)展到其他設(shè)備的智能故障診斷的研究和應(yīng)用中。

[1]張?jiān)ツ?謝永成.裝甲車輛電氣與電子系統(tǒng)[M].北京:國(guó)防工業(yè)出版社,2003:1～65.

[2]張德豐.MATLAB神經(jīng)網(wǎng)絡(luò)應(yīng)用設(shè)計(jì)[M].北京:機(jī)械工業(yè)出版社,2009:50～77, 217～236.

[3]王笑宇.神經(jīng)網(wǎng)絡(luò)在三相異步電機(jī)故障診斷中的應(yīng)用[J].現(xiàn)代電子技術(shù), 2009.10(297):161～163.

[4]程延偉.基于支持向量機(jī)的旋轉(zhuǎn)整流橋故障診斷[J].計(jì)算機(jī)測(cè)量與控制,2011.19(3):516～518.

[5]劉念.基于免疫算法的無(wú)刷勵(lì)磁發(fā)電機(jī)旋轉(zhuǎn)整流橋故障診斷[J].電力自動(dòng)化設(shè)備,2007.27（5）:32～35.

[6]牛星巖.飛機(jī)電源系統(tǒng)整流裝置故障診斷方法[J].北京航空航天大學(xué)學(xué)報(bào),2007.33(10)：1200～1203.

[7]鄭連清.基于神經(jīng)網(wǎng)絡(luò)的三相全控橋整流電路故障診斷[J].重慶大學(xué)學(xué)報(bào)，2004.27(9)：72～75.

[8]魏巍.裝甲車輛電源系統(tǒng)整流裝置故障診斷方法[J].火力與指揮控制,2011.35(0):137～140.