亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于模糊神經(jīng)網(wǎng)絡(luò)的環(huán)管反應(yīng)器故障診斷

        2011-07-27 05:48:24閆志國宣愛國吳元欣
        化學(xué)與生物工程 2011年12期
        關(guān)鍵詞:征兆訓(xùn)練樣本反應(yīng)器

        閆志國,鄭 明,宣愛國,吳元欣

        (武漢工程大學(xué) 綠色化工過程省部共建教育部重點(diǎn)實(shí)驗(yàn)室湖北省新型反應(yīng)器與綠色化學(xué)工藝重點(diǎn)實(shí)驗(yàn)室,湖北 武漢 430073)

        環(huán)管反應(yīng)器是丙烯聚合工藝中的一個重要組成部分,該系統(tǒng)影響參數(shù)多、相關(guān)設(shè)備多且大多處于高溫高壓的工作環(huán)境,其故障發(fā)生率高、危害較大。傳統(tǒng)的定時、周期性維修很難滿足安全生產(chǎn)的需要,人工智能方法實(shí)時檢測環(huán)管反應(yīng)器運(yùn)行設(shè)備參數(shù),可根據(jù)各種參數(shù)的異常變化對系統(tǒng)進(jìn)行故障預(yù)測與診斷,為設(shè)備的長時間平穩(wěn)運(yùn)行提供安全依據(jù)。

        模糊神經(jīng)網(wǎng)絡(luò)(Fuzzy neural network,F(xiàn)NN)故障診斷方法通過對環(huán)管反應(yīng)器運(yùn)行流程的分析研究,提取故障及其征兆,結(jié)合模糊數(shù)學(xué)知識建立隸屬函數(shù)來描述故障及征兆信息并進(jìn)行推理,再借助神經(jīng)網(wǎng)絡(luò)對模糊信息進(jìn)行自學(xué)習(xí)、分析,建立一定的信息診斷規(guī)則系統(tǒng),在此基礎(chǔ)上輸入征兆信息進(jìn)行計算即可得到正確的故障診斷結(jié)論。

        1 模糊神經(jīng)網(wǎng)絡(luò)原理與結(jié)構(gòu)

        模糊神經(jīng)網(wǎng)絡(luò)故障診斷是一種將模糊數(shù)學(xué)理論和人工神經(jīng)網(wǎng)絡(luò)理論相結(jié)合的故障診斷方法。在模糊數(shù)學(xué)基礎(chǔ)上建立模糊推理邏輯,通過隸屬函數(shù)的方法,結(jié)合環(huán)管反應(yīng)器系統(tǒng)運(yùn)行的專業(yè)知識理論,建立滿足人工神經(jīng)網(wǎng)絡(luò)軟件輸入輸出的故障征兆知識庫。人工神經(jīng)網(wǎng)絡(luò)軟件通過調(diào)用知識庫中的知識進(jìn)行學(xué)習(xí),建立滿足系統(tǒng)故障處理要求的神經(jīng)網(wǎng)絡(luò),進(jìn)行故障信息的分析和處理,得到正確的故障診斷結(jié)論。

        1.1 模糊神經(jīng)網(wǎng)絡(luò)原理

        化工生產(chǎn)過程中故障與征兆之間并沒有嚴(yán)格的定量或邏輯因果關(guān)系。對同一故障,可能會產(chǎn)生多種征兆;同一種征兆,可能對應(yīng)有多種故障存在。基于模糊數(shù)學(xué)知識的模糊集表示的模糊變量語言能夠更加準(zhǔn)確地表示具有模糊特性的征兆和故障,符合事物的客觀本質(zhì),還能處理診斷過程中的不完整信息和不確定信息;神經(jīng)網(wǎng)絡(luò)具有處理復(fù)雜多模式及進(jìn)行聯(lián)想、推測及記憶的功能,具有自組織學(xué)習(xí)、自學(xué)習(xí)能力。融合了二者優(yōu)點(diǎn)的模糊神經(jīng)網(wǎng)絡(luò)技術(shù)就更加顯現(xiàn)出了這種特性[1]。

        假定考察一個系統(tǒng)的3種故障類型:y1=故障1、y2=故障2、y3=故障3,于是構(gòu)成了故障集合Y={y1,y2,y3};故障征兆分為:x1=征兆1、x2=征兆2、x3=征兆3,構(gòu)成了征兆集合X={x1,x2,x3}。

        設(shè)經(jīng)過模糊數(shù)學(xué)處理,對于故障類型征兆(x1)1的影響因素為70%、征兆2的影響因素為20%、征兆3的影響因素為10%;則有對x1的診斷向量為(0.7,0.2,0.1)、對x2為(0.3,0.4,0.3)、對x3為(0.3,0.3,0.4)。

        于是得到一個故障與征兆的關(guān)系矩陣:

        對于不同類型的故障,各個征兆因素的影響權(quán)重不同。假設(shè)某類征兆對故障的影響權(quán)重A=(0.5,0.3,0.2),則,由模糊合成運(yùn)算可得到故障診斷向量(B)如下:

        =(0.5,0.3,0.3)

        式中,·表示模糊算子。

        根據(jù)隸屬度最大原則,可知在權(quán)重A的影響下對于這類故障集最可能的影響因素是x1,即征兆1[2]。

        基于模糊神經(jīng)網(wǎng)絡(luò)故障診斷的步驟一般如下:

        (1)利用模糊數(shù)學(xué)知識將提取的故障征兆信息模糊化處理,處理后的數(shù)據(jù)要滿足神經(jīng)網(wǎng)絡(luò)的輸入輸出要求,同時要確保數(shù)據(jù)具有較好的精確度;數(shù)據(jù)一般分成訓(xùn)練樣本、檢驗(yàn)樣本和測試樣本3部分。

        (2)利用處理后的數(shù)據(jù)對神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練,以獲得比較合適的神經(jīng)網(wǎng)絡(luò)模型。主要依據(jù)運(yùn)算得到的實(shí)際輸出與目標(biāo)輸出之間的誤差,較小則滿足設(shè)計要求。

        (3)利用檢驗(yàn)數(shù)據(jù)來檢測神經(jīng)網(wǎng)絡(luò)模型的性能和泛化能力;進(jìn)一步修正網(wǎng)絡(luò)直到模型性能達(dá)到要求。

        (4)輸入測試樣本進(jìn)行故障診斷。

        1.2 模糊神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

        4層模糊神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)如圖1所示。

        圖1 模糊神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

        模糊神經(jīng)網(wǎng)絡(luò)的第1層為輸入層。輸入層的每個神經(jīng)元對應(yīng)一個輸入變量,直接將輸入數(shù)據(jù)傳給第2層神經(jīng)元。

        第2層為模糊規(guī)則層。該層完成從特征信號向滿足網(wǎng)絡(luò)輸入模式之間的轉(zhuǎn)化,即將故障征兆變量信號轉(zhuǎn)化為以隸屬函數(shù)表示的模糊變量。

        第3層為模糊推理層。該層應(yīng)用神經(jīng)網(wǎng)絡(luò)算法完成推理診斷。

        第4層為輸出層。該層將第3層的數(shù)據(jù)進(jìn)行清晰化輸出,根據(jù)輸出向量的隸屬度來確定故障原因。各輸出節(jié)點(diǎn)輸出模糊數(shù)值大小代表該故障發(fā)生的可能性。

        2 模糊理論對故障的表述

        2.1 丙烯聚合環(huán)管反應(yīng)器溫度升高時故障征兆提取

        通過對丙烯聚合環(huán)管反應(yīng)器溫度升高的故障機(jī)理進(jìn)行分析,得到了環(huán)管反應(yīng)器溫度升高的故障原因及其征兆參數(shù)變化樣本集,見表1。

        表1 環(huán)管反應(yīng)器溫度升高時故障及其征兆參數(shù)變化

        2.2 模糊邏輯推理

        模糊邏輯推理是在模糊數(shù)學(xué)理論基礎(chǔ)上,通過隸屬函數(shù)的方法,結(jié)合環(huán)管反應(yīng)器設(shè)備運(yùn)行的專業(yè)理論,建立故障及征兆知識庫。模糊邏輯推理中最重要的環(huán)節(jié)是隸屬函數(shù)的確定。隸屬函數(shù)就是根據(jù)環(huán)管反應(yīng)器設(shè)備運(yùn)行的影響因素(即征兆參數(shù))對反應(yīng)器設(shè)備的影響程度,來確定主要故障的自定義函數(shù)。常用的隸屬函數(shù)形式有三角形函數(shù)、梯形函數(shù)、柯西函數(shù)和正態(tài)函數(shù)等。由于正態(tài)函數(shù)比較光滑平穩(wěn),結(jié)合環(huán)管反應(yīng)器設(shè)備運(yùn)行情況,在此選用正態(tài)函數(shù)來表示故障及其征兆的隸屬函數(shù)[3,4]。

        結(jié)合環(huán)管反應(yīng)器設(shè)備的典型故障及其征兆所具有的特點(diǎn),設(shè)a為被測參數(shù)的下限值;b為被測參數(shù)的上限值。對于單向變大的參數(shù),a為保證機(jī)器正常運(yùn)行的最低測量值;對于單向變小的參數(shù),b為機(jī)器正常運(yùn)行的最大測量值;對于雙向波動的參數(shù),a為保證設(shè)備正常運(yùn)行的最低限值,但大于最低測量值,b為保證設(shè)備正常運(yùn)行的最高限值,但小于最大測量值。

        對于單向變大參數(shù),隸屬函數(shù)設(shè)為:

        當(dāng)x=b時,有f(b)<0.9,求得k(b-a)2<4ln10,為計算方便取k(b-a)2=10,代入函數(shù)式得:

        對于單向變小參數(shù),隸屬函數(shù)設(shè)為:

        當(dāng)x=a時,有f(a)<0.1,求得k(a-b)2<4ln10,為計算方便取k(a-b)2=10,代入函數(shù)式得:

        對于雙向波動變化參數(shù),隸屬函數(shù)設(shè)為:

        同上方法該函數(shù)中有f(a)=f(b)<0.1,化簡得函數(shù):

        2.3 模糊神經(jīng)網(wǎng)絡(luò)訓(xùn)練樣本的確定

        結(jié)合故障發(fā)生時參數(shù)的變化值可以得到神經(jīng)網(wǎng)絡(luò)訓(xùn)練樣本輸入數(shù)據(jù)和輸出數(shù)據(jù)及其對應(yīng)故障原因。結(jié)果見表2、表3。

        表2 神經(jīng)網(wǎng)絡(luò)訓(xùn)練樣本輸入數(shù)據(jù)

        表3 神經(jīng)網(wǎng)絡(luò)訓(xùn)練樣本輸出數(shù)據(jù)及對應(yīng)故障原因

        表2中所取數(shù)據(jù)經(jīng)Matlab中的模糊邏輯工具箱驗(yàn)證,具有較高的準(zhǔn)確性。

        3 神經(jīng)網(wǎng)絡(luò)設(shè)計

        對于模糊化訓(xùn)練樣本集,本系統(tǒng)選用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行學(xué)習(xí)訓(xùn)練。BP網(wǎng)絡(luò)的設(shè)計,一般從網(wǎng)絡(luò)層數(shù)、各層神經(jīng)元個數(shù)、初始權(quán)重值及學(xué)習(xí)率等的選取進(jìn)行考慮。

        3.1 網(wǎng)絡(luò)層數(shù)及各層神經(jīng)元個數(shù)的確定

        3.2 初始權(quán)重值及學(xué)習(xí)率的確定

        由于BP網(wǎng)絡(luò)系統(tǒng)具有非線性的特點(diǎn),初始權(quán)重值的選擇一般影響函數(shù)能否達(dá)到局部最小、是否收斂及訓(xùn)練時間的長短等。一般條件下,單獨(dú)訓(xùn)練BP網(wǎng)絡(luò)時,初始權(quán)重值的選擇范圍為(-1,1)之間的任意數(shù)。

        神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)率直接影響每次訓(xùn)練權(quán)重值的變化量。大的學(xué)習(xí)率導(dǎo)致系統(tǒng)不穩(wěn)定,小的學(xué)習(xí)率不能保證網(wǎng)絡(luò)的誤差值趨向最小誤差。因此,一般選擇比較小的學(xué)習(xí)率來保證網(wǎng)絡(luò)的誤差最小,其取值范圍為(0.01,0.8)之間的任意數(shù)值[6]。在此學(xué)習(xí)率取值為0.01。

        在獲得神經(jīng)網(wǎng)絡(luò)輸入輸出數(shù)據(jù)及設(shè)定各種訓(xùn)練參數(shù)之后,直接在Matlab7.0中Command Windows界面進(jìn)行編程或借用Mmatlab7.0自帶的神經(jīng)網(wǎng)絡(luò)工具箱(Nntool)進(jìn)行訓(xùn)練,得到滿足計算需要的模糊神經(jīng)網(wǎng)絡(luò),將其存儲以供故障診斷時使用。

        4 故障診斷實(shí)例

        隨機(jī)采用環(huán)管反應(yīng)器發(fā)生故障時的現(xiàn)場參數(shù)運(yùn)行數(shù)據(jù),利用上述的正態(tài)函數(shù)進(jìn)行模糊化處理,得到2組數(shù)據(jù),如表4所示。

        表4 神經(jīng)網(wǎng)絡(luò)故障診斷輸入數(shù)據(jù)

        將表4中數(shù)據(jù)輸入模糊神經(jīng)網(wǎng)絡(luò)中進(jìn)行計算,對應(yīng)得到2組數(shù)據(jù),如表5所示。

        表5 神經(jīng)網(wǎng)絡(luò)故障診斷輸出數(shù)據(jù)

        依據(jù)模糊隸屬度最大原則及表5可知,在樣本1和樣本2數(shù)據(jù)描述的參數(shù)變化下,最有可能產(chǎn)生的故障類型分別為y1(進(jìn)料系統(tǒng)故障)和y5(夾套水循環(huán)泵故障),與丙烯聚合現(xiàn)場故障記錄相同。表明本方法是切實(shí)可行的。

        5 結(jié)論

        針對環(huán)管反應(yīng)器發(fā)生故障時其故障征兆參數(shù)變化的復(fù)雜性、模糊性,采用模糊神經(jīng)網(wǎng)絡(luò)的方法進(jìn)行故障診斷。故障診斷實(shí)例表明,基于模糊神經(jīng)網(wǎng)絡(luò)的故障診斷方法結(jié)合了模糊理論和神經(jīng)網(wǎng)絡(luò)的優(yōu)點(diǎn),容錯力強(qiáng)、診斷速度快,能夠準(zhǔn)確地診斷丙烯聚合環(huán)管反應(yīng)器的典型性故障。

        [1] 陳意,王軍,高占勝,等.基于分布式模糊神經(jīng)網(wǎng)絡(luò)的船舶機(jī)電故障診斷[J].中國航海,2008,31(1):49-51,74.

        [2] 朱劍英.智能系統(tǒng)非經(jīng)典數(shù)學(xué)方法[M].武漢:華中科技大學(xué)出版社,2001:156-168.

        [3] 吳志鋼,林中達(dá).基于模糊神經(jīng)網(wǎng)絡(luò)的凝汽器故障診斷系統(tǒng)[J].燃?xì)廨啓C(jī)技術(shù),2008,21(1):42-45.

        [4] 黃政淳,張德政.模糊神經(jīng)網(wǎng)絡(luò)在破碎機(jī)故障診斷系統(tǒng)中的應(yīng)用[J].微計算機(jī)信息,2006,22(7):207-208,206.

        [5] 王正武,張瑞平.基于神經(jīng)網(wǎng)絡(luò)的故障模糊診斷研究[J].系統(tǒng)工程學(xué)報,2005,20(3):300-334.

        [6] 周強(qiáng).基于模糊神經(jīng)網(wǎng)絡(luò)和遺傳算法的故障診斷方法研究[D].大連:大連理工大學(xué),2004.

        猜你喜歡
        征兆訓(xùn)練樣本反應(yīng)器
        聚丙烯環(huán)管反應(yīng)器升密操作與控制
        云南化工(2021年11期)2022-01-12 06:06:36
        人工智能
        EGSB反應(yīng)器處理阿維菌素廢水
        上旋流厭氧反應(yīng)器在造紙廢水處理中的應(yīng)用
        寬帶光譜成像系統(tǒng)最優(yōu)訓(xùn)練樣本選擇方法研究
        融合原始樣本和虛擬樣本的人臉識別算法
        基于稀疏重構(gòu)的機(jī)載雷達(dá)訓(xùn)練樣本挑選方法
        地震征兆
        地震征兆
        費(fèi)托合成微反應(yīng)器研究進(jìn)展
        国产国拍亚洲精品福利| 亚洲 卡通 欧美 制服 中文| 国产亚洲精品久久久久久| 无遮挡十八禁在线视频国产制服网站| 日本在线中文字幕一区二区| 极品粉嫩小仙女高潮喷水操av| 欧美人与动人物牲交免费观看久久| 精品丝袜人妻久久久久久| 漂亮的小少妇诱惑内射系列| 伊人久久大香线蕉av最新午夜| 亚洲综合网站久久久| 欧美性videos高清精品| 国产亚洲精选美女久久久久| 亚洲一区二区三区在线视频| 四虎成人精品国产永久免费无码| 处破痛哭a√18成年片免费| 久久99精品这里精品动漫6| 亚洲一区二区三区成人网| 放荡的少妇2欧美版| 熟妇人妻中文字幕无码老熟妇| 国产亚洲av人片在线播放| 日本最新一区二区三区在线| 欧洲vat一区二区三区| 日本高清不卡二区| 伊人狼人影院在线视频| 日日噜噜夜夜狠狠久久丁香五月 | 丰满熟女人妻一区二区三区| 国产在线无码精品无码| 国产欧美日韩久久久久| 国产成人久久精品激情91| 午夜视频在线观看国产19| 国产欧美日韩一区二区三区| 亚洲国产一区二区在线| 中文天堂一区二区三区| 亚洲中文字幕午夜精品| 久久无码人妻精品一区二区三区 | 亚洲av高清在线一区二区三区| 伊人情人色综合网站| 一本之道高清无码视频| 无码伊人久久大蕉中文无码| 性色av色香蕉一区二区蜜桃|