沈楓 王孟蓮,2 梁樹(shù)甜

(1. 中國(guó)船舶重工集團(tuán)公司第七一二研究所，武漢430064； 2. 武漢理工大學(xué)能源與動(dòng)力工程學(xué)院，武漢430063)

1 整流橋故障診斷研究系統(tǒng)概述

如圖 1所示，診斷研究系統(tǒng)由 4個(gè)部分組成：上位機(jī)監(jiān)視模塊、采集模塊、時(shí)序模塊及三相整流橋。其中三相整流橋?yàn)楸辉\斷對(duì)象，診斷系統(tǒng)取其母線(xiàn)電壓波形為診斷輸入數(shù)據(jù)源；時(shí)序模塊根據(jù)母線(xiàn)電壓波形產(chǎn)生周期性方波脈沖，使得采集模塊能采集一個(gè)完整周期內(nèi)得母線(xiàn)電壓數(shù)據(jù)；采集模塊以一定的采集頻率采集母線(xiàn)電壓以及時(shí)序模塊產(chǎn)生的周期性方波脈沖信號(hào)；上位機(jī)監(jiān)視模塊完成數(shù)據(jù)的選取、處理，進(jìn)行神經(jīng)網(wǎng)絡(luò)的初始化、訓(xùn)練，最終實(shí)現(xiàn)故障診斷。

如圖2所示，上位機(jī)監(jiān)視模塊由人機(jī)界面、樣本管理模塊、數(shù)據(jù)篩選模塊、數(shù)據(jù)緩沖模塊、采集訪(fǎng)問(wèn)模塊、MATLAB訪(fǎng)問(wèn)模塊以及神經(jīng)網(wǎng)絡(luò)等子模塊組成。其中，神經(jīng)網(wǎng)絡(luò)采用三層 BP神經(jīng)網(wǎng)絡(luò)，用于診斷整流橋故障；采集訪(fǎng)問(wèn)模塊異步獲取采集模塊采集的數(shù)據(jù)；采集訪(fǎng)問(wèn)模塊和MATLAB訪(fǎng)問(wèn)模塊屏蔽對(duì)采集模塊、神經(jīng)網(wǎng)絡(luò)訪(fǎng)問(wèn)細(xì)節(jié)；數(shù)據(jù)緩沖模塊緩沖采集訪(fǎng)問(wèn)模塊獲取的采集數(shù)據(jù)；數(shù)據(jù)篩選模塊對(duì)采集數(shù)據(jù)進(jìn)行篩選形成樣本并向上提交個(gè)樣本管理模塊；樣本管理模塊管理神經(jīng)網(wǎng)絡(luò)所需樣本；人機(jī)界面負(fù)責(zé)響應(yīng)用戶(hù)輸入、顯示采集數(shù)據(jù)及診斷結(jié)果。

圖1 整流橋故障診斷研究系統(tǒng)體系結(jié)構(gòu)

如圖 3所示，人機(jī)界面主要分為兩個(gè)部分：MATLAB操作區(qū)域及數(shù)據(jù)采集區(qū)，前者用于設(shè)置及顯示樣本信息、MATLAB執(zhí)行結(jié)果信息，神經(jīng)網(wǎng)絡(luò)操作設(shè)置，后者用于設(shè)置采集參數(shù)，顯示采集結(jié)果。

圖2 上位機(jī)監(jiān)控模塊體系結(jié)構(gòu)

圖3 上位機(jī)監(jiān)視模塊人機(jī)界面

2 VC和MATLAB混合編程

MATLAB是由美國(guó) MATHWORKS公司研發(fā)的數(shù)學(xué)軟件，具有數(shù)值分析、矩陣運(yùn)算、信號(hào)處理和圖形顯示等功能，其運(yùn)算建立在向量數(shù)組和矩陣的基礎(chǔ)上，界面友好、開(kāi)放性強(qiáng)，成為科學(xué)研究、工程設(shè)計(jì)及眾多學(xué)科領(lǐng)域應(yīng)用最為廣泛的工具之一。但 MATLAB是一種解釋性語(yǔ)言，相比C/C++編譯、連接生成的執(zhí)行代碼而言，其代碼執(zhí)行速度較慢。另外，MATLAB人機(jī)界面交互性較差。Visual C++是 Microsoft推出的集成開(kāi)發(fā)環(huán)境，是目前應(yīng)用最為廣泛的基于Window平臺(tái)的 C++集成開(kāi)發(fā)環(huán)境。Visual C++除開(kāi)發(fā)效率高，還可根據(jù)用戶(hù)要求開(kāi)發(fā)出豐富、友好的人機(jī)界面。

采用 Visual C++與 MATLAB混合編程來(lái)訪(fǎng)問(wèn) MATLAB的常用方法有以下幾種：調(diào)用MATLAB引擎、使用 mcc編譯器、利用Matcom技術(shù)實(shí)現(xiàn)Visual C++對(duì)MATLAB函數(shù)的調(diào)用[2,,3,4]。

2.1 調(diào)用MATLAB引擎

MATLAB 引擎是基于 C/S（Client/Server）模式，結(jié)合 ActiveX自動(dòng)化和 DDE技術(shù)實(shí)現(xiàn)Visual C++與 MATLAB之間的動(dòng)態(tài)數(shù)據(jù)交換。采用Visual C++開(kāi)發(fā)的應(yīng)用程序是客戶(hù)端，負(fù)責(zé)用戶(hù)接口和MATLAB訪(fǎng)問(wèn)請(qǐng)求，MATLAB屬于服務(wù)器端，向客戶(hù)端提供訪(fǎng)問(wèn)服務(wù)，MATLAB引擎建立 Visual C++應(yīng)用程序和 MATLAB之間的連接，完成數(shù)據(jù)動(dòng)態(tài)交換。

2.2 使用mcc編譯器

在 MATLAB中，能通過(guò)設(shè)置相應(yīng)的編譯器（如 C/C++編譯器等），將 MATLAB中.m程序文件編譯成與編譯環(huán)境相對(duì)應(yīng)的執(zhí)行代碼。因此，通過(guò)將MATLAB編譯器設(shè)置為Visual C++的編譯器，通過(guò) mcc命令，MATLAB能將大部分的.m函數(shù)文件編譯成動(dòng)態(tài)鏈接庫(kù)供 Visual C++調(diào)用。

2.3 利用 Matcom 實(shí)現(xiàn) Visual C++與 MATLAB結(jié)合

Matcom是Mathworks公司推出的MATLAB到 C++的編譯開(kāi)發(fā)軟件平臺(tái)，其編譯器可將MATLAB源代碼譯成同等功能的 C++代碼。Matcom 的 C++矩陣庫(kù) Matrix＜LIB＞包含了六百多個(gè)經(jīng)過(guò)測(cè)試的函數(shù)，包括線(xiàn)性代數(shù)、多項(xiàng)式處理、信號(hào)處理以及圖像處理等方面。相比前兩種混合編程方式，其最大優(yōu)點(diǎn)在于可脫離MATLAB環(huán)境獨(dú)立執(zhí)行。

通過(guò) MATLAB引擎方式來(lái)進(jìn)行混合編程雖然需要 MATLAB環(huán)境，但是它可以充分利用MATLAB的功能，包括調(diào)用工具箱函數(shù)和圖形函數(shù)，且成本較低，因此，本文主要利用這種方法進(jìn)行訪(fǎng)問(wèn)MATLAB。

2.4 調(diào)用MATLAB引擎實(shí)現(xiàn)細(xì)節(jié)

表1 訪(fǎng)問(wèn)MATLAB常用函數(shù)

首先，在 Visual C++工程中，添加mclmcrrt.lib libmx.lib libmat.lib mclmcr.lib libmex.lib libeng.lib等庫(kù)文件，在調(diào)用MATLAB引擎的編譯單元中添加頭文件 engine.h、mclmcr.h、mclcppclass.h及 matrix.h。

然后，通過(guò)調(diào)用以下幾個(gè) MATLAB引擎提供的函數(shù)來(lái)訪(fǎng)問(wèn)MATLAB，見(jiàn)表1。

3 BP神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)

BP神經(jīng)網(wǎng)絡(luò)是指反向傳播神經(jīng)網(wǎng)絡(luò).它是應(yīng)用最廣泛、效果最好的神經(jīng)網(wǎng)絡(luò)之一。BP神經(jīng)網(wǎng)絡(luò)模擬人腦的學(xué)習(xí)過(guò)程，讓網(wǎng)絡(luò)存儲(chǔ)變量之問(wèn)非線(xiàn)性關(guān)系，通過(guò)大量樣本數(shù)據(jù)訓(xùn)練，由輸入層輸入變量經(jīng)隱含層逐層處理后向輸出層傳輸，在反向傳播過(guò)程中不斷修正和檢驗(yàn)變量之間的連接權(quán)重，包括輸入層到隱含層的權(quán)重和隱含層到輸出層的權(quán)重)，達(dá)到一個(gè)理想的收斂后，得到輸出變量[5]。然后將需測(cè)試的樣本數(shù)據(jù)輸入至該模型中，得到數(shù)據(jù)判斷結(jié)果。

本文采用三層BP神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)為6－7—6，網(wǎng)絡(luò)結(jié)構(gòu)如圖 4所示，其中隱層有 7個(gè)神經(jīng)元，傳遞函數(shù)為tansig函數(shù)，輸出層有6個(gè)神經(jīng)元，傳遞函數(shù)為purelin函數(shù)。

以圖4描述的三層BP神經(jīng)網(wǎng)絡(luò)為實(shí)驗(yàn)網(wǎng)絡(luò)采集樣本訓(xùn)練，最大訓(xùn)練次數(shù)取 8000，訓(xùn)練誤差為10-5，信息更新速度為10。

圖4 三層BP神經(jīng)網(wǎng)絡(luò)

圖5 1號(hào)晶閘管故障采樣波形

如圖 5所示，采集電路產(chǎn)生周期性脈沖方波，每?jī)蓚€(gè)相鄰的方波上升沿標(biāo)識(shí)一個(gè)完整采樣周期。采集模塊在一個(gè)周期內(nèi)取 20個(gè)采集數(shù)據(jù)點(diǎn)，每個(gè)數(shù)據(jù)點(diǎn)間隔時(shí)間相同。以此方式采集 6種不同晶閘管故障波形，組成一個(gè) 20×6樣本矩陣作為神經(jīng)網(wǎng)絡(luò)的訓(xùn)練樣本。

如圖 6所示，神經(jīng)網(wǎng)絡(luò)訓(xùn)練短，收斂速度快，訓(xùn)練精度高。

4 故障診斷

采集3號(hào)晶閘管故障波形作為診斷輸入，送入神經(jīng)網(wǎng)絡(luò)，診斷正確，依次采集其它晶閘管故障波形送入神經(jīng)網(wǎng)絡(luò)均診斷正確。

圖6 BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練結(jié)果

但調(diào)整到其他電壓等級(jí)后，神經(jīng)網(wǎng)絡(luò)診斷準(zhǔn)確率出現(xiàn)下降。再次送入對(duì)應(yīng)電壓等級(jí)的樣本訓(xùn)練神經(jīng)網(wǎng)絡(luò)時(shí)，在達(dá)到同樣的訓(xùn)練誤差的情況下，收斂速度更快，如圖7所示。經(jīng)過(guò)訓(xùn)練后，神經(jīng)網(wǎng)絡(luò)診斷準(zhǔn)確率得到提升。

綜上分析研究發(fā)現(xiàn),針對(duì)不同電壓等級(jí)，采集足夠的樣本訓(xùn)練三層 BP神經(jīng)網(wǎng)絡(luò)，經(jīng)過(guò)訓(xùn)練的神經(jīng)網(wǎng)絡(luò)診斷三相整流橋發(fā)生的晶閘管故障，其診斷的準(zhǔn)確性較高，且再次訓(xùn)練神經(jīng)網(wǎng)絡(luò)收斂速度快，訓(xùn)練效果好。

圖7 神經(jīng)網(wǎng)絡(luò)多次訓(xùn)練結(jié)果

5 結(jié)束語(yǔ)

[1]陳賢明, 呂宏水, 劉國(guó)華等. 三相整流橋 PFC電路拓?fù)涞姆治黾翱刂? 電力電子, 2009, 6.

[2]蘇金明, 劉宏, 劉波等. MATLAB高級(jí)編程. 北京：電子工業(yè)出版社, 2005年.

[3]劉維. 精通 MATLAB與 C/C++混合程序設(shè)計(jì). 北京： 北京航空航天大學(xué)出版社, 2008.

[4]劉文濤, 孫文愛(ài). VC++與MATLAB混合編程的研究與實(shí)現(xiàn). 微計(jì)算機(jī)信息, 2008, 24(5-3)： 257～258.

[5]樓順天, 施陽(yáng)編著. 基于 MATLAB的系統(tǒng)分析與設(shè)計(jì)――神經(jīng)網(wǎng)絡(luò). 西安電子科技大學(xué)出版社.2000： 9～14.