摘 要：文章以熱泵機組為研究對象，從實驗測試的角度建立故障-征兆模型。采用BP神經(jīng)網(wǎng)絡(luò)對熱泵機組進(jìn)行故障診斷并利用Matlab仿真，仿真結(jié)果表明基于BP神經(jīng)網(wǎng)絡(luò)的熱泵機組故障診斷實現(xiàn)簡單且效果較好。

關(guān)鍵詞：神經(jīng)網(wǎng)絡(luò)；熱泵機組；Matlab

引言

空氣源熱泵系統(tǒng)的故障通常分為硬故障和軟故障。硬故障易于檢測和判斷，從而能及時排除；而軟故障通常較難發(fā)現(xiàn)，直到系統(tǒng)的性能下降到舒適性受到影響才引起用戶的注意，造成了大量不必要的能量損耗。因此，必須實時監(jiān)控?zé)岜脵C組的運行狀態(tài)，加強熱泵機組軟故障的檢測，快速診斷軟故障發(fā)生的地點和部位，查找出軟故障發(fā)生的原因，及時排除故障，減少能量損耗。但是熱泵機組系統(tǒng)比較復(fù)雜，難以建立其數(shù)學(xué)模型，神經(jīng)網(wǎng)絡(luò)的出現(xiàn)，為這些系統(tǒng)的故障診斷提供了新的解決方法。文章中采用BP網(wǎng)絡(luò)來進(jìn)行故障診斷。

1 BP神經(jīng)網(wǎng)絡(luò)對熱泵機組的故障診斷

BP神經(jīng)網(wǎng)絡(luò)采用的是誤差反向傳播算法，首先采用訓(xùn)練樣本訓(xùn)練網(wǎng)絡(luò)，神經(jīng)元的激活值一層一層向后傳播，從輸入層經(jīng)由各隱含層再傳播到輸出層，輸出層的神經(jīng)元就獲得輸出響應(yīng)。然后為了減少實際輸出與目標(biāo)輸出之間的均方誤差，將均方誤差反向傳播，逐層修正各連接權(quán)值和閾值，由輸出層經(jīng)由各隱含層再回到輸入層。隨著這種修正的不斷進(jìn)行，網(wǎng)絡(luò)實際輸出與目標(biāo)輸出之間的誤差也越來越小。得到合適的網(wǎng)絡(luò)連接值后，便可對新樣本進(jìn)行非線性映像。

利用神經(jīng)網(wǎng)絡(luò)的故障診斷過程如下：第一步，為了得到期望的診斷網(wǎng)絡(luò)，我們采用一定數(shù)量的訓(xùn)練樣本集組成“征兆-故障”數(shù)據(jù)集，來訓(xùn)練神經(jīng)網(wǎng)絡(luò)；第二步，采用測試樣本集作為輸入對當(dāng)前診斷網(wǎng)絡(luò)進(jìn)行診斷，這個過程即為利用神經(jīng)網(wǎng)絡(luò)進(jìn)行前向計算的過程。

2 BP神經(jīng)網(wǎng)絡(luò)故障診斷的Matlab仿真

利用Matlab工具進(jìn)行BP神經(jīng)網(wǎng)絡(luò)故障診斷的具體步驟如下：

第一步，網(wǎng)絡(luò)的輸入樣本數(shù)據(jù)和目標(biāo)輸出。對于熱泵機組來說，輸入為高壓p1、低壓p2、冷凝溫度p3、蒸發(fā)溫度p4、吸氣過熱溫度p5、液體過冷溫度p6、排氣溫度p7和通過冷凝器的水流溫差p88個特征量；輸出為無故障F1、制冷劑泄露F2、壓縮機排氣閥泄露F3、液體管受阻F4、冷凝器結(jié)垢F5和蒸發(fā)器結(jié)垢F6。表1為輸入樣本數(shù)據(jù)。表2為五種故障的期望輸出值。

第二步，確定網(wǎng)絡(luò)結(jié)構(gòu)。由表1可以看出樣本數(shù)據(jù)有8個特征向量，因此神經(jīng)網(wǎng)絡(luò)的輸入層節(jié)點數(shù)為n=8，從表2看出該樣本數(shù)據(jù)一共有6種故障類型，因此網(wǎng)絡(luò)的輸出層節(jié)點數(shù)為m=6。然后根據(jù)經(jīng)驗公式h=■+a來確定隱含層的節(jié)點數(shù)。其中a=9.26（a為[1，10]之間的常數(shù)），因此h=13。最終確定BP神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)為：8-13-6。設(shè)定目標(biāo)輸出與實際輸出的誤差平方和為0.001，隱含層傳遞函數(shù)為tansig，輸出層傳遞函數(shù)為logsig，訓(xùn)練函數(shù)為traingda，目標(biāo)精度為0.001，最大訓(xùn)練周期為1000。

第三步，訓(xùn)練神經(jīng)網(wǎng)絡(luò)。將表1的樣本數(shù)據(jù)和表2的目標(biāo)輸出值用來訓(xùn)練第二步確定的BP神經(jīng)網(wǎng)絡(luò)，得出隱含層的網(wǎng)絡(luò)權(quán)值w1ij和閥值b1i以及輸出層的網(wǎng)絡(luò)權(quán)值w2ki和閥值b2k。

第四步，測試網(wǎng)絡(luò)并分析結(jié)果。為了檢驗本BP神經(jīng)網(wǎng)絡(luò)的故障診斷能力和準(zhǔn)確性，在MATLAB7.6環(huán)境下將一組測試樣本數(shù)據(jù)輸入到訓(xùn)練好的BP神經(jīng)網(wǎng)絡(luò)當(dāng)中，對網(wǎng)絡(luò)進(jìn)行仿真試驗。圖1為BP神經(jīng)網(wǎng)絡(luò)對測試樣本進(jìn)行測試的網(wǎng)絡(luò)訓(xùn)練圖。

3 結(jié)束語

用BP神經(jīng)網(wǎng)絡(luò)對熱泵機組進(jìn)行故障診斷，大大簡化了故障診斷的方法，網(wǎng)絡(luò)的容錯性和穩(wěn)定性較好，得到了比較滿意的效果。

參考文獻(xiàn)

[1]姜益強，姚楊，馬最良.空氣源熱泵冷水機組的故障診斷[J].制冷學(xué)報，2002，23（3）.

[2]傅薈璇，趙紅.MATLAB神經(jīng)網(wǎng)絡(luò)應(yīng)用設(shè)計[M].北京：機械工業(yè)出版社，2010.

作者簡介：黃春香（1987-），女，江蘇南通，碩士，助教，主要從事電氣自動化方面的研究。