神經網絡技術在電梯故障診斷中的應用

韓寧

摘 要：文章介紹了電梯的運行原理，引入了依托于人工智能的神經網絡技術，詳細介紹了電梯故障診斷中不同的網絡應用類型，它的網絡結構與基本原理并且簡單的介紹了兩種新興的神經網絡模型。

關鍵詞：故障診斷；基本原理；神經網絡；實際應用

目前，國內在用的電梯缺乏完善的故障診斷系統(tǒng)，僅僅依靠維修技術人員的經驗以及簡單的診斷儀器已經不能夠及時的解決復雜的電梯故障問題。神經網絡技術可以應用于復雜多模式的故障診斷并且既可以用于實時監(jiān)測也可以進行離線診斷，在系統(tǒng)模式非常復雜或者根本不知道系統(tǒng)模式的情況都可以應用，這些特點恰恰解決了傳統(tǒng)方法中最最難以解決的問題。因此必須加快神經網絡技術應用于診斷電梯故障的步伐，形成完善的故障診斷系統(tǒng)，才能更及時準確的查明故障原因進一步及時的解決問題，保證乘客的人身安全。

一、電梯的運行原理和電梯故障的特點

只有清楚地了解電梯控制系統(tǒng)的運行原理才能夠及時準確的診斷出電梯故障原因，因此清楚的了解電梯運行原理，每一個電梯維修人員必須要做到。電梯運行過程總體上可分為以下幾個階段：①登記層外召喚信號和登記內選指令階段；②電梯門關閉或者電梯按照系統(tǒng)指令停運階段；③啟動階段；④在到達信號記錄的樓層前進行減速制動；⑤平層開門階段。在整個過程中電梯需要從外界接收信號并處理，然后完成相應的指令或者輸出信號，由此可以將電梯看作是一個完整的獨立的系統(tǒng)，只需要外界給予相應的信號就可以自動的做出動作。電梯系統(tǒng)內部復雜的構件緊密的結合在一起，正是如此才使得電梯系統(tǒng)故障具有了復雜性、層次性、相關性以及不確定性的特點。

二、神經網絡技術基本原理

生物學上的神經是由一個個簡單的神經元相互連接進而形成了復雜的龐大的神經系統(tǒng)，同理，神經網絡就是由大量簡單的處理單元相互連接形成的復雜的智能系統(tǒng)。單獨的處理單元類似于一個神經元，是一個可以接受不同信息但是只輸出一種信息的結構單位。神經網絡系統(tǒng)與生物學神經系統(tǒng)相似的是具有自我修改能力，它可以同時接收大量的數(shù)據(jù)并進行統(tǒng)一的分析處理，進而輸出相應的處理結果。這就使得神經網絡系統(tǒng)具有了高度容錯性、高度并行性、自我修改性、學習性以及高度復雜性，也正是由于這些特性才使的利用神經網絡技術能夠及時準確的查明電梯故障原因并得出故障解決方案。電梯故障診斷中應用的神經網絡模型分為三個層次：①輸入層，接收外部信號或者是電梯自我檢測信息（如載重信息）；②隱含層，對接收到了大量數(shù)據(jù)進行相應的分析處理；③輸出層，將記錄著動作命令的數(shù)據(jù)傳送出來。在電梯出現(xiàn)故障時，首先可以通過神經網絡模型快速確定故障發(fā)生在哪一層達到節(jié)約時間的目的。但是神經網絡也會因為收斂速度過于慢、訓練強度太大或者是選擇的網絡模型不好等問題導致診斷結果受到影響。

三、神經網絡模型在電梯故障診斷中的應用分類

神經網絡模型已經成為了如今電梯故障診斷中應用最廣泛的技術模型，相比于傳統(tǒng)方式它具有診斷速度快、故障原因命中率高的優(yōu)點，因此引起了各方面專業(yè)人士的強烈關注，并在他們的不懈努力下得到了發(fā)展與創(chuàng)新。它跨越多個專業(yè)領域、通過對各種復雜的高難度工作的不斷的發(fā)展與改進出現(xiàn)了越來越多的應用模型，下面主要介紹了當前應用最普遍的BP網絡模型，并且簡單的引入并介紹了近年來新興的模糊神經網絡模型和遺傳小波神經網絡模型。

1.BP網絡模型

BP神經網絡作為神經網絡應用最廣泛的一種，它多應用的誤差反向傳播算法使其在模式識別、診斷故障、圖像識別以及管理系統(tǒng)方面具有相對先進性。基于BP網絡的電梯故障診斷技術就是通過學習故障信息、診斷經驗并不斷訓練，并將所學到的知識利用各層次之間節(jié)點上的權值從而表達出來。BP網絡系統(tǒng)的主要診斷步驟主要可以分為三步。第一步：對輸入輸出的數(shù)據(jù)進行歸一化處理，將數(shù)據(jù)映射到特定的區(qū)間。第二步：建立BP網絡模型，訓練BP網絡模型。第三：通過已經訓練好的網絡模型對原來的樣本進行全面的檢測。算法步驟：①在一定的取值范圍內對數(shù)據(jù)進行初始化；②確定輸入值數(shù)值大小，計算出預期輸出量；③用實際輸出的值減去上一步得到的數(shù)值；④將上一步得到的誤差分配到隱含層，從而計算出隱含層的誤差；⑤修正輸出層的權值和閾值，修正隱含層的權值；⑥修正隱含層的閾值，修正隱含層和輸入層的權值。

2.遺傳小波神經網絡模型

遺傳算法運用了生物界的優(yōu)勝劣汰、適者生存的思想對復雜問題進行優(yōu)化，適用于復雜的故障，起到了優(yōu)化簡化問題的作用。對局部數(shù)據(jù)進行詳細的分析是小波法最大的特點，所以它被譽為“數(shù)字顯微鏡”。遺傳算法小波神經網絡就是運用小波進行分解的方法分解模擬故障信號，將得到的數(shù)據(jù)進行歸一化，將歸一化后的數(shù)值輸入到神經網絡模型中。它融合了神經網絡、小波分析和遺傳算法三者所有的優(yōu)點?；谶z傳小波神經網絡的電梯故障診斷的一般步驟為：測試節(jié)點信號采樣、小波分解、故障特征量提取、歸一化得到訓練樣本集、遺傳算法優(yōu)化、得到故障類型。遺傳小波神經網絡模型在故障原因復雜、數(shù)據(jù)信息量巨大的電梯系統(tǒng)的應用中能夠發(fā)揮更大的作用。

3.模糊神經網絡模型

模糊神經網絡模型就是創(chuàng)新性的將神經網絡與模糊理論結合到一起。它采用了廣義的方向推理和廣義的前向推理兩種推理方式。與其它兩種模型不同的是，它的語言邏輯、判斷依據(jù)和結論都是模糊的。但是它的數(shù)據(jù)處理能力還有自我學習能力并沒有因此而變差，反而更加豐富了它的定性知識的內容。在處理實際問題的過程中，首先要建立所有可能發(fā)生的故障的完整集合，其次將所有的故障發(fā)生原因歸入到同一個集合中去，最后就是建立故障和原因的關系矩陣。分別叫做模糊故障集、模糊原因集、模糊關系矩陣。相較于BP網絡模型，這種模型更加的簡單易行，充分發(fā)揮了神經網絡和模糊邏輯的優(yōu)點，不會因為故障原因過于復雜而失去診斷的準確性，在原本豐富定性知識和強大數(shù)據(jù)處理能力的基礎上具有了很大的自我訓練能力。

四、結束語

綜上所述，神經網絡技術可以應用于復雜多模式的故障診斷并且既可以用于實時監(jiān)測也可以進行離線診斷，在系統(tǒng)模式非常復雜或者根本不知道系統(tǒng)模式的情況都可以應用，這些特點恰恰解決了傳統(tǒng)方法中最最難以解決的問題，它的應用提高了電梯故障的診斷速度和準確度，保證了電梯運行的安全性。雖然神經網絡技術的優(yōu)點很多，但是在實際生活中的應用還很少，因此還需要不斷的進行改進完善。同時還要注意將集中診斷方法融合到一起，例如穩(wěn)重提到的模糊神經網絡模型和遺傳小波神經網絡模型都是集成應用的典型代表。

參考文獻：

[1]李睿.人工神經網絡技術及其在電梯故障診斷中的應用[J].科技資訊，2011，11.

[2]梁峻平.電梯故障診斷中神經網絡技術的應用[J].科技與企業(yè)，2014，23.

（作者單位：內蒙古通遼市特種設備檢驗所）