王桂明

【摘 要】 本文主要是介紹以神經(jīng)網(wǎng)絡(luò)為基礎(chǔ)的設(shè)備故障診斷方法，通過對(duì)神經(jīng)網(wǎng)絡(luò)的基本理論、模型及設(shè)備的結(jié)構(gòu)特征、設(shè)備故障的特點(diǎn)進(jìn)行分析。形成震蕩策略和診斷模型，并將其用于對(duì)模擬電路的故障診斷。

【關(guān)鍵詞】 神經(jīng)網(wǎng)絡(luò)系統(tǒng) 故障診斷 診斷策略

以大規(guī)模并行分布式處理器為基礎(chǔ)，通過對(duì)人腦某些功能的模擬來進(jìn)行運(yùn)算的系統(tǒng)就是人工神經(jīng)網(wǎng)絡(luò)（ANN：Artificiral Neural Networks），簡(jiǎn)稱為神經(jīng)網(wǎng)絡(luò)（NN）。由于容錯(cuò)性強(qiáng)、聯(lián)想性強(qiáng)和自學(xué)能力強(qiáng)，神經(jīng)系統(tǒng)在模式識(shí)別和故障診斷方面有非常廣闊的應(yīng)用前景。神經(jīng)網(wǎng)絡(luò)能夠自主學(xué)習(xí)故障實(shí)例，開辟了設(shè)備診斷技術(shù)的新途徑。本文對(duì)神經(jīng)網(wǎng)絡(luò)系統(tǒng)的理論、構(gòu)造和基本模型進(jìn)行了論述，并對(duì)其在模擬電路故障診斷中的應(yīng)用進(jìn)行了探討。

1 神經(jīng)網(wǎng)絡(luò)的基本理論與基本模型

人工神經(jīng)網(wǎng)絡(luò)是一個(gè)以神經(jīng)元為基本單位，采用一定的拓?fù)浣Y(jié)構(gòu)將神經(jīng)元連接而成的網(wǎng)絡(luò)，是一種多輸入、單輸出的非線性器件[1]。神經(jīng)元之間的相互作用就形成了神經(jīng)網(wǎng)絡(luò)的信息處理能力，各神經(jīng)元連接權(quán)值的演化就是神經(jīng)網(wǎng)絡(luò)的記憶能力。多層前饋網(wǎng)絡(luò)（MFNN：Multilayer Feedforward Neural Network）和離散Hopfield模型（DHNN：Discrete Hopfield Netural Network）是常用的兩種神經(jīng)網(wǎng)絡(luò)，在設(shè)備故障診斷中可當(dāng)做基本模型使用。

2 設(shè)備故障的特點(diǎn)

設(shè)備構(gòu)造出現(xiàn)異常，從而導(dǎo)致功能失調(diào)就是設(shè)備故障。在一定環(huán)境下對(duì)設(shè)備的工作情況和功能失調(diào)原因進(jìn)行了解就是設(shè)備故障診斷。了解設(shè)備構(gòu)造特點(diǎn)和掌握故障產(chǎn)生機(jī)理是設(shè)備故障診斷的基礎(chǔ)。

不同種類的“元素”遵照規(guī)律聚合而成的系統(tǒng)就是設(shè)備，其中“元素”可以是子系統(tǒng)，子系統(tǒng)的“元素”再往下類推一直到具體的器件，這樣的設(shè)備就是層次遞推系統(tǒng)。復(fù)雜的設(shè)備往往包含了很多子系統(tǒng)，可以引用“結(jié)構(gòu)樹”的方式來進(jìn)行表達(dá)，使設(shè)備故障與設(shè)備構(gòu)造形成對(duì)應(yīng)關(guān)系，方便于設(shè)備故障的診斷和模型的建立。設(shè)備故障表現(xiàn)出的特點(diǎn)為分類性，當(dāng)設(shè)備出現(xiàn)故障時(shí)，可以根據(jù)上述“結(jié)構(gòu)樹”的觀點(diǎn)來對(duì)故障進(jìn)行分類；層次性，設(shè)備上層次的故障肯定是由于對(duì)應(yīng)的子系統(tǒng)出現(xiàn)故障，因此設(shè)備的故障是分層次的、縱向向上傳播；相關(guān)性，故障橫向上的傳播就是相關(guān)性；不確定性，系統(tǒng)的“元素”特性、工作環(huán)境、子級(jí)關(guān)系等都不確定，使設(shè)備故障和“元素”之間存在隨機(jī)性。

3 以神經(jīng)網(wǎng)絡(luò)為基礎(chǔ)的設(shè)備故障診斷的策略與模型

先了解設(shè)備結(jié)構(gòu)，然后分析設(shè)備故障特點(diǎn)，最后根據(jù)特點(diǎn)確定采用的診斷策略并建立模型才能夠高效率、高準(zhǔn)確度地對(duì)設(shè)備故障進(jìn)行診斷。

3.1 以神經(jīng)網(wǎng)絡(luò)為基礎(chǔ)的設(shè)備故障診斷的策略

在設(shè)備故障特點(diǎn)和神經(jīng)網(wǎng)絡(luò)基本模型中的信息表達(dá)方式在某個(gè)方面存在著類似。用一個(gè)神經(jīng)網(wǎng)絡(luò)系統(tǒng)來表示復(fù)雜設(shè)備，神經(jīng)系統(tǒng)的子網(wǎng)絡(luò)就是設(shè)備故障分類型的體現(xiàn)，神經(jīng)網(wǎng)絡(luò)多層前饋網(wǎng)絡(luò)所表達(dá)的信息與設(shè)備故障的層次性特點(diǎn)對(duì)應(yīng)，離散Hopfield模型與設(shè)備故障的相關(guān)性信息匹配，從這些信息中可以得出設(shè)備故障診斷的策略就是“系統(tǒng)考慮、分塊診斷、加權(quán)驗(yàn)證”[3]。系統(tǒng)考慮就是要用系統(tǒng)來表示設(shè)備，用子網(wǎng)絡(luò)來表示相應(yīng)的設(shè)備子系統(tǒng)，從故障的關(guān)系入手考慮子系統(tǒng)之間的連接權(quán)值；分塊診斷就是把各個(gè)子系統(tǒng)作為目標(biāo)，用不同的診斷模型進(jìn)行診斷；加權(quán)驗(yàn)證就是重復(fù)考慮設(shè)備故障診斷時(shí)的不確定因素，用模糊診斷技術(shù)對(duì)診斷的結(jié)果進(jìn)行驗(yàn)證，這種策略能夠保證診斷的正確性。

3.2 以神經(jīng)網(wǎng)絡(luò)為基礎(chǔ)的設(shè)備故障診斷的模型

根據(jù)上述診斷策略建立設(shè)備故障診斷物理模型，將模型視為抽象的神經(jīng)系統(tǒng)，由若干個(gè)神經(jīng)網(wǎng)絡(luò)組成，每一個(gè)網(wǎng)絡(luò)都對(duì)應(yīng)設(shè)備的一個(gè)子系統(tǒng)，系統(tǒng)的外殼就是系統(tǒng)輸出，每個(gè)子系統(tǒng)輸出都與系統(tǒng)輸出單向的連接，而各個(gè)子系統(tǒng)之間的互連就是子系統(tǒng)故障相關(guān)性的表示，各個(gè)子系統(tǒng)根據(jù)需要檢測(cè)設(shè)備的特點(diǎn)和故障的特征建立以神經(jīng)網(wǎng)絡(luò)為基礎(chǔ)的設(shè)備故障診斷模型，對(duì)不同的故障進(jìn)行學(xué)習(xí)、記憶與診斷。將各個(gè)系統(tǒng)作為“元素”對(duì)設(shè)備故障進(jìn)行分析。

3.3 多層前饋網(wǎng)絡(luò)與離散Hopfield模型

（1）多層前饋網(wǎng)絡(luò)模型。多層前饋網(wǎng)絡(luò)模型包含有輸入層、輸出層和隱層結(jié)構(gòu)。該模型信號(hào)從輸入層單向傳遞，在同一層的神經(jīng)元之間不傳遞信息，通過反復(fù)學(xué)習(xí)樣本而修改數(shù)值，最終達(dá)到滿意的效果。（2）離散Hopfield模型。離散Hopfield模型是指由多個(gè)神經(jīng)元組成的互連網(wǎng)絡(luò)，同時(shí)也是一個(gè)加權(quán)無向網(wǎng)絡(luò)。離散Hopfield模型具有聯(lián)想記憶功能，通過對(duì)故障樣本的學(xué)習(xí)和記憶，實(shí)現(xiàn)聯(lián)想記憶診斷。

3.4 以神經(jīng)網(wǎng)絡(luò)為基礎(chǔ)的設(shè)備故障診斷模型應(yīng)用研究

某個(gè)設(shè)備主要的組成部分為信號(hào)模擬器和采集模擬器、測(cè)試微機(jī)和電源。該設(shè)備的故障測(cè)試中，針對(duì)設(shè)備結(jié)構(gòu)相對(duì)復(fù)雜、各個(gè)系統(tǒng)之間的影響制約作用大等特點(diǎn)，先用層次性原理進(jìn)行層次劃分，然后各層逐一診斷，使診斷能夠更加高效。將該設(shè)備分為三層，第一層為各個(gè)子系統(tǒng)，例如采集控制器、測(cè)試微機(jī)、信號(hào)模擬器、電源燈；第二層為子系統(tǒng)板級(jí)電路，例如電壓采集板等；第三層為單元電路或者元器件，例如數(shù)據(jù)緩沖電路等。設(shè)備故障診斷也分三級(jí)，第一級(jí)判斷故障出自哪個(gè)子系統(tǒng)，第二級(jí)判斷哪個(gè)板級(jí)電路出現(xiàn)故障，最后一級(jí)確定故障所在。

當(dāng)該設(shè)備出現(xiàn)故障時(shí)，將需要識(shí)別的樣本信息輸入到神經(jīng)網(wǎng)絡(luò)中，神經(jīng)網(wǎng)絡(luò)自身通過學(xué)習(xí)、組織，能夠?qū)⒐收习l(fā)生的位置進(jìn)行定位并找出解決辦法。

4 結(jié)語

神經(jīng)網(wǎng)絡(luò)技術(shù)在設(shè)備故障診斷方面發(fā)揮著巨大的作用，本文就神經(jīng)網(wǎng)絡(luò)的概念、特點(diǎn)以及以神經(jīng)網(wǎng)絡(luò)為基礎(chǔ)的設(shè)備故障診斷的策略和模型進(jìn)行了論述，并運(yùn)用實(shí)際應(yīng)用來說明了其有效性。這些理論只是神經(jīng)系統(tǒng)用于設(shè)備故障診斷中的初步總結(jié)，隨著對(duì)神經(jīng)網(wǎng)絡(luò)應(yīng)用不斷深入地研究，更加有效和新穎的設(shè)備故障診斷策略和模型將會(huì)出現(xiàn)，發(fā)揮更大的作用。

參考文獻(xiàn)：

[1]劉愛民，林莘，劉向東.基于（RBF）神經(jīng)網(wǎng)絡(luò)的自動(dòng)化電器設(shè)備故障診斷方法[J].組合機(jī)床與自動(dòng)化加工技術(shù)，2012，03（34）：09-12.

[2]田文杰，劉繼承，艾蘭.基于蟻群神經(jīng)網(wǎng)絡(luò)的設(shè)備故障診斷[J].北京聯(lián)合大學(xué)學(xué)報(bào)（自然科學(xué)版），2013，13（39）：09-14.

[3]任生，胡明文.基于人工神經(jīng)網(wǎng)絡(luò)的設(shè)備故障診斷[J].設(shè)備監(jiān)測(cè)與診斷技術(shù)及其應(yīng)用——第十二屆全國(guó)設(shè)備監(jiān)測(cè)與診斷學(xué)術(shù)會(huì)議論文集，2013，54（13）：43-52.endprint