基于神经网络的故障诊断方法研究

作者:鲁豪;耿晨;肖亚迪 刊名:装备制造技术 上传者:徐梅

【摘要】简要介绍了故障诊断的发展历程,并分析了BP神经网络的模型,运用试验加仿真来研究基于BP神经网络的智能故障诊断方法。

全文阅读

Equipment Manufacturing Technology No.12,2015 基于神经网络的故障诊断方法研究 鲁 豪,耿 晨,肖亚迪 (长安大学工程机械学院,陕西 西安 710064) 摘 要:简要介绍了故障诊断的发展历程,并分析了BP神经网络的模型,运用试验加仿真来研究基于BP神经网络的智 能故障诊断方法。 关键词:故障诊断;BP神经网络;智能 中图分类号:TH1 7 文献标识码 :A 文章编号:1 672—545X(201 5)1 2—0024—03 机械设备故障诊断的发展历程可以简单分为三 个阶段 :第一 阶段为初级阶段 ,其诊断是 由相关领域 专家凭借经验对诊断信号识别判断以得出相应的故 障原因;第二阶段为常规故障诊断阶段,诊断基础是 建模 分析信号处理技术 ,诊断手段是传感器测试技 术;第三阶段为智能化故障诊断阶段。智能故障诊断 通过获取、传递 、处理和利用故障信号 ,进行故障识 别和预测『11。 现代工业的迅速发展使得机械设备走向大型 化、自动化甚至智能化,仅仅依靠专家经验分析判断 和信号处理难以精确在线和实时的诊断故障。故障 诊断技术在人工智能技术取得迅速发展 的基础上步 人智能化发展阶段 ,因此将神经网络技术应用到故 障诊 断 当中具有迫切 的需要 以及现 实和长远 的意 义。本文从 BP神经网络模型人手,研究将 BP神经网 络运用到设备故障诊断中的可行性和准确性。 1 基于神经网络的智能诊断的形成 上世 纪 8O年代 后期美 国拍 杜大学 的 Venkata— subramanian和 King Chan等人第一次将神经网络应 用到故障诊断。他们使用了 l8种输入信号和 13种 故障原 因,通过 BP算法在对一个流化态催化裂化单 元进行故障诊断[21,隐层设置 2O个节点。最终取得 了 较理想的诊断结果(约 95%正确率)。 后来美 国德克 萨斯大学 的 Hoskins和 Himmel— blau等人也采用了类似的方法。通过 BP算法对 3个 等温连续搅拌反应器进行故障诊断,以识别 6种故 障原因。用一个标量决策函数把神经网络的输入模 式分成 了几种不 同的类别 ,来研究不同隐层节点数 对故障诊断结果的影响。当输入模式为 6个时,系统 诊断正确率为 80%;有 l2个时 ,人工神经网络基本 能实现百分之百正确率的故障诊断[31。 上述表明定量 的数字信号能够通过基于神经 网 络的故障诊断转化为定性的状态识别。这种诊断方 法实际上可 以归类为模式识别问题 :首先对定量 的 数字信号进行分析处理 ,再 由检测层面影射 到故障 层面,最终完成设备的故障诊断。 2 基于 BP算法的多层前馈网络模型 目前应用最广泛 的神经网络为 Back Propagation (BP)神经网络。常见 的包含输入层 、隐层和输出层三 层 的前馈网 ,其 中隐层有单层或多层。BP网络神经元 一 般均选处处可导 S型激活 函数[21。 BP网络简化图如图 1所示 。 隐节点 图 1 BP网络结构图 BP神经网络的作用过程为首先将输入信号通过 输入节点先传递给隐节点,然后经过隐节点作用函 数后再把输出信号传递到输出节点,最后得出输出 收稿 日期 :2015—09-11 作者简介:鲁 豪(1990一),男,湖北省黄梅县人,硕士研究生,研究方向:机械制造及自动化。 《装备制造技术~2015年第 12期 结果。节点的作用函数通常取 s型函数 ,如 )= BP算 法具有独特 的正反双 向传播 的学习过程。 在正 向过程 中 ,每一层神经元 的状态只受上一

参考文献

引证文献

问答

我要提问