基于神经网络故障诊断研究.pdfVIP

基于神经网络的故障诊断研究 陈建政林建辉苏燕展高品贤 (西南交通大学牵引动力国家重点实验室成都) 摘要在动态系统中，利用神经网络进行故障诊断与识别具有很大的潜力．本文提出 一个用于故障诊断的改进HopF网络方案．该方案要求一在线，快速系统识别技术，并 给出相应的公式以及用于系统辨别技术，并给出相应的公式以及用于系统辩别的递归 Hopf网格．同时讨论了一般情况下的组合参数识别技术与状态监测． 关键词神经网络故障诊断 1 引 言 通过比较正常值与检测值关系，一个故障的方案要求具有实时识别系统是否发生了故障 的能力。本文采用神经网络理论，利_}l{参数值估计与状态监测对系统进行识别。 一个递归神经网络是由一系列神经元通过连接权形成全连接，其主要特点是具有捕获动 态系统时间响应的能力，并通过反馈同路使其具有学习的能力。递归神经网络的学习规则可 分成两大类即定点与非定点规则…。其中，定点规则在训练相联存储器、组合优化及模式识 别中应用的相当酱遍。对于耗散型系统，这样的网络可以解一些稳态解。在这类网络中，最 和Tank已证明它们提出的网络可以解决一些具体问题，如A／D转换、线性处理、信号分解 以及旅行商问题。Hopf神经网络模型是由一系列内部全互联的神经元组成。每神经元可通过 非线性放大器模拟。 典玳J1勺输入输出非线性函数芙系(即门限函数)如Si鲫old函数，其表达式为： v，=g(AU，：s(2／(1+e一2“)一1) (i) 其中兄是函数在U，=0时的陡度，U，与V，分别是神经元的输入与输出。 注意：fg(AU)l≤s且当U一+一或一oo时，g(·)～s或一S。 当咒增加时，g(·)逼近阶跃函数，神经元成为高放大倍数的放人器。Hopf网络可州电 路实现。 利用基尔霍夫定律可导自阿络的动态方程如下 (dU，／dt)+(u，／r，)=∑乃巧+L 卜I 其中，乃称为从第j个神经元到第i个神经元的连接权值。，J为第i个神经元的偏置电流。 其能量函数如下： ，子一吉∑∑乃K■一∑，，K+÷∑÷f’g。iv)咖rg。¨咖 (3) 厶 7 ，子一圭喜i--喜乃K_一喜‘K+去喜÷il，一l ，-l ，o』{l 若神经元的连接权是对称的即To=l，则从式(2)与(3)可得 arjlat=一∞|酣i (4a) ,彤／at=(∥g。(酢))(a，／aK) (4b) 这里，J时间求导是 V dt A、df‘c鲁咫。 (5) 警=一喜筹警=蔷n掣-i急w．出 乞 显然，网络系统的演变不会使能量函数的增加。 2利用Hopf网络进行系统辩识 在系统辫识中，最小二柔误差是最常用于获取优化结果的方法。冈为Hopf网络的能鲑 函数具有二次项形式，所以目标是应用神经网络表达系统的辩识问题。这里所讨论的系统辩 识问题是指参数辩识即估计系统或过程的数学模型参数，而在状态空间形式中的辩识常被用 丁．进行故障诊断。 考虑线性动态系统： j=爿x+Bu (6) 其中，X∈R”：“∈R”：A与B是待辩识的参数矩阵，设其相应的估计参数矩阵分别是爿与占， 这两个矩阵中第i行的元素分别是a；和67：定义估计误差为 e．=主一(彳一B)=i一面7护 (7) ～ 0 …O 刘 x；l O …_Q O