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

        ?

        自適應(yīng)免疫遺傳BP神經(jīng)網(wǎng)絡(luò)的高壓發(fā)泡機故障診斷?

        2020-11-02 09:01:12梁寶峰張永林
        計算機與數(shù)字工程 2020年9期
        關(guān)鍵詞:故障診斷優(yōu)化故障

        梁寶峰 張永林

        (江蘇科技大學(xué)電子信息學(xué)院 鎮(zhèn)江 212003)

        1 引言

        高壓發(fā)泡機是整條聚氨酯連續(xù)生產(chǎn)線的核心設(shè)備,發(fā)泡系統(tǒng)的好壞直接影響到產(chǎn)品質(zhì)量的優(yōu)劣[1]。聚氨酯生產(chǎn)線長時間工作中,加之運行中自身的負載、周圍環(huán)境等各種因素的影響,高壓發(fā)泡機不可避免地會產(chǎn)生故障,及時準確地發(fā)現(xiàn)故障是保證生產(chǎn)安全運行的重中之重。

        對于化工設(shè)備的故障診斷,常見的診斷方法有:小波變換法,頻譜分析法,專家系統(tǒng)方法等。許多專家學(xué)者提出了許多新的診斷方法在常見診斷方法的基礎(chǔ)上。高迎平等[2]針對化工設(shè)備的模糊性、動態(tài)性特點,采用模糊動態(tài)故障樹對其進行預(yù)測診斷。陳波等[3]使用粒子群算法優(yōu)化RBF 神經(jīng)網(wǎng)絡(luò),解決了單一徑向基函數(shù)泛化能力不足的缺點,在反應(yīng)釜故障診斷中得到推廣。

        常規(guī)的BP 神經(jīng)網(wǎng)絡(luò)診斷法[4~9],在網(wǎng)絡(luò)初始化的時候初始連接權(quán)值和閾值往往賦隨機值,容易使BP 神經(jīng)網(wǎng)絡(luò)陷入局部極小點,減慢了網(wǎng)絡(luò)的收斂速度,導(dǎo)致診斷精確性降低甚至誤診。為了解決上述問題,許多專家學(xué)者對BP 神經(jīng)網(wǎng)絡(luò)進行了改進或優(yōu)化,比如雷方濤[10]在齒輪箱故障診斷研究中將小波分析和BP 神經(jīng)網(wǎng)絡(luò)相結(jié)合,故障辨識率大幅提高。陳美伊等[11]利用粒子群算法優(yōu)化神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)參數(shù),使模擬電路故障模型更加精確??岛檐姡?2]等利用粗糙集理論處理不確定數(shù)據(jù)的優(yōu)勢,對BP 神經(jīng)網(wǎng)絡(luò)進行優(yōu)化,把優(yōu)化后的網(wǎng)絡(luò)應(yīng)用于車載設(shè)備故障診斷并取得良好的效果。還有其他一些優(yōu)化改進方法[13~16]不再贅述。

        對于高壓發(fā)泡機的故障診斷往常采用的是傳統(tǒng)的BP 神經(jīng)網(wǎng)絡(luò)診斷法,本文用自適應(yīng)免疫遺傳算法改進的BP神經(jīng)網(wǎng)絡(luò)來對高壓發(fā)泡機進行故障診斷,并通過Matlab仿真驗證了該方法的有效性。

        2 聚氨酯高壓發(fā)泡機故障診斷建模

        2.1 高壓發(fā)泡機工作原理及常見故障

        高壓發(fā)泡機料罐中的A 料聚醚多元醇和B 料異氰酸酯分別在氣壓的作用下經(jīng)過過濾器流入計量泵的低壓側(cè)入口,計量泵運轉(zhuǎn)將低壓料轉(zhuǎn)換成高壓料,高壓料經(jīng)高低壓切換閥切換至混合頭俗稱槍頭。啟動注射后,槍頭中大活塞提起,小活塞打開并切斷A、B 料回流管道,A 料及B 料以很高的壓力和流速注射到混合室,在混合室中高速相互碰撞達到均勻混合,并迅速流出槍頭,槍頭從原點出發(fā)左右擺動,噴入模腔發(fā)泡。注射時間結(jié)束后,小活塞關(guān)閉,A 料、B 料經(jīng)各自回流管而返回料罐,同時大活塞向下運動,將混合室里的殘料推出,從而達到自動清洗槍頭的效果。

        在高壓發(fā)泡機的日常工作中主要常見的故障有:1)齒輪泵電機過載;2)出料閥故障;3)槍頭擺動部分不平衡;4)計量泵故障;5)伺服驅(qū)動器故障;6)上料泵故障;7)槍頭阻塞。

        2.2 高壓發(fā)泡機特征參數(shù)提取

        現(xiàn)選取以下特征參數(shù)來診斷上述故障:a.電機電流;b. 電機電壓;c. 電機轉(zhuǎn)速;d. 伺服控制器電流;e.流量計超程;f.流量計值低于正常值;g.找不到原點;h.料位下限報警開關(guān)。本文BP 神經(jīng)網(wǎng)絡(luò)傳遞函數(shù)選擇S型激活函數(shù)。由于S型激活函數(shù)的輸入需要控制在[0,1]或[-1,1]范圍內(nèi)。本文利用線性歸一化的方式對原始數(shù)據(jù)進行處理,保證其處于[0,1]范圍內(nèi)變化的同時,使得同一組樣本中各數(shù)據(jù)的差異最大化,如下:

        其中XJmax,XJmin為樣本中XJ的最大值和最小值。

        本文選擇2018 年南通線聚氨酯高壓發(fā)泡機的300 組歷史數(shù)據(jù)作為網(wǎng)絡(luò)的樣本數(shù)據(jù),網(wǎng)絡(luò)的訓(xùn)練樣本數(shù)據(jù)為270 組,網(wǎng)絡(luò)的測試樣本數(shù)據(jù)為30 組。表1 為7 種典型故障所對應(yīng)的預(yù)處理后的訓(xùn)練樣本。由于共有7 種輸出,若用二進制位進行編碼,編碼位則為7 位,齒輪泵電機過載(1000000),出料閥故障(0100000),槍頭擺動部分不平衡(0010000),計量泵故障(0001000),伺服控制器故障(0000100),上料泵故障(0000010),槍頭阻塞(0000001)。

        2.3 高壓發(fā)泡機故障診斷的BP神經(jīng)網(wǎng)絡(luò)設(shè)計

        BP 網(wǎng)絡(luò)是一種按照誤差逆向傳播訓(xùn)練的多層前饋型神經(jīng)網(wǎng)絡(luò),包括三個層級,分別為輸入層、隱含層、輸出層。神經(jīng)元的傳遞函數(shù)一般選擇S 型函數(shù),輸出量為連續(xù)值范圍在0~1 間變化,不需要確定的數(shù)學(xué)模型就可以找到輸入輸出映射關(guān)系。采用反向傳播學(xué)習(xí)算法對其權(quán)值進行調(diào)整。根據(jù)BP神經(jīng)網(wǎng)絡(luò)原理,雖然多隱層結(jié)構(gòu)的網(wǎng)絡(luò)有更高的精確度和更低的誤差,但是由于網(wǎng)絡(luò)的復(fù)雜度增加,訓(xùn)練時間也延長,因此本文采用單隱層的網(wǎng)絡(luò)結(jié)構(gòu)。輸入層為8 個神經(jīng)元,對應(yīng)于電機電流、電機電壓、電機轉(zhuǎn)速、伺服控制器電流、流量計超程、流量計值低于正常值、找不到原點、料位下限報警開關(guān)8個特征參數(shù)。

        表1 七種典型故障預(yù)處理訓(xùn)練樣本

        隱含層神經(jīng)元個數(shù)根據(jù)Kolmogorov定理計算,具體格式為

        式中:M 和N 分別對應(yīng)隱含層和輸入層神經(jīng)元節(jié)點數(shù),N的值為8,故M等于17。

        網(wǎng)絡(luò)的輸出對應(yīng)著高壓發(fā)泡機的7 種典型故障:齒輪泵電機過載、出料閥故障、槍頭擺動部分不平衡、計量泵故障、伺服控制器故障、上料泵故障和槍頭阻塞。因此輸出層神經(jīng)元個數(shù)為7。學(xué)習(xí)速率取0.01,最大訓(xùn)練次數(shù)取1000,收斂精度取

        0.0001。

        神經(jīng)網(wǎng)絡(luò)的各項參數(shù)確定以后,BP 神經(jīng)網(wǎng)絡(luò)的初始權(quán)值和閾值取[-1,1]之間的隨機數(shù)。

        2.4 免疫遺傳算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)設(shè)計

        遺傳算法的思想源于生物界的自然選擇和遺傳規(guī)律,把免疫思想和遺傳算法相結(jié)合,不僅可以保留遺傳算法原有的優(yōu)良特性,還可以避免網(wǎng)絡(luò)陷入局部最優(yōu)解,并且能提高網(wǎng)絡(luò)的收斂速度。免疫遺傳算法中免疫疫苗的提取和注射是整個算法的核心環(huán)節(jié),決定了能否產(chǎn)生優(yōu)良的疫苗,影響著免疫遺傳算法的執(zhí)行效率。本文采用一種動態(tài)自適應(yīng)提取和注射疫苗的方法,相比于往常采用的靜態(tài)疫苗進化,不僅有更高的執(zhí)行效率而且確保了疫苗的全局有效性。

        BP 神經(jīng)網(wǎng)絡(luò)在訓(xùn)練時如果采用隨機值對各層權(quán)值和閾值進行賦值,網(wǎng)絡(luò)的收斂速度一般都比較慢。本文利用自適應(yīng)免疫遺傳算法來給BP神經(jīng)網(wǎng)絡(luò)的初始權(quán)值和閾值尋優(yōu),然后將該初始權(quán)值和閾值賦給BP神經(jīng)網(wǎng)絡(luò)。具體操作步驟如下:

        Step1:抗原識別。待求問題的抗原即給定的目標函數(shù)和約束條件。在BP 網(wǎng)絡(luò)優(yōu)化的問題中,BP神經(jīng)網(wǎng)絡(luò)的系統(tǒng)誤差的倒數(shù)作為目標函數(shù)。

        Step2:初始化種群。經(jīng)多次試驗對比優(yōu)化結(jié)果,本文遺傳算法種群規(guī)模設(shè)為30,隨機生成30個個體的初始種群W=(W1,W2,W3…W30)。初始種群編碼方式采用實數(shù)編碼,編碼長度公式為S=RS1+S1S2+S1+S2,其中,R,S1,S2分別對應(yīng)BP 神經(jīng)網(wǎng)絡(luò)輸入層、隱含層、輸出層的節(jié)點數(shù),因而實際編碼長度為8×17+17×7+17+7=279,生成種群中個體Wi的一個實數(shù)向量[w1,w2,w3…w279]作為個體的染色體。

        Step3:計算抗體適應(yīng)度。適應(yīng)度函數(shù)采用BP神經(jīng)網(wǎng)絡(luò)的系統(tǒng)誤差的倒數(shù),通過算法優(yōu)化使網(wǎng)絡(luò)的系統(tǒng)誤差最小化,即適應(yīng)度值最大化。系統(tǒng)對270組訓(xùn)練樣本的系統(tǒng)誤差函數(shù)為

        圖1 自適應(yīng)免疫遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)流程圖

        所以,適應(yīng)度函數(shù)為

        其中M 為訓(xùn)練樣本數(shù)取270,J 為輸出層節(jié)點數(shù)取7,T 為輸出節(jié)點j 的期望輸出,Y 為輸出節(jié)點j的實際輸出。

        Step4:終止條件判斷。設(shè)定最大迭代次數(shù)為200,或者連續(xù)十次迭代中的最好解都無法改善時則終止。若滿足條件,則解碼構(gòu)建BP神經(jīng)網(wǎng)絡(luò);否則繼續(xù)執(zhí)行。

        Step5:選擇操作。運用保留最佳個體與輪盤賭選擇法相結(jié)合的方法,把每一代種群中的N個個體依據(jù)適應(yīng)度降序排列,將排在首位的個體復(fù)制給下一代,并且依舊排在第一位;下一代群體另外N-1 個個體采用輪盤賭選擇法,根據(jù)前一代群體的N 個個體的適應(yīng)度選擇產(chǎn)生。隨著代代更替適應(yīng)度高的個體在種群中所占的比例越來越高,算法的局部搜索能力也在逐漸增強。

        Step6:自適應(yīng)交叉、變異操作。交叉概率Pc和變異概率Pm是免疫遺傳算法中兩個重要的參數(shù)。為了使Pc和Pm隨著種群多樣性自適應(yīng)變化。當種群適應(yīng)度趨于局部最優(yōu)化時減小,當適應(yīng)度比較分散時增大,交叉概率Pc和變異概率Pm如下:

        Step7:提取疫苗。采用動態(tài)自適應(yīng)的方式對免疫疫苗進行提取。通過動態(tài)自適應(yīng)的方式提取。每代種群按照適應(yīng)度將序排列取前Kb個抗體,把最近K 代的前Kb個抗體選取出來組成最優(yōu)抗體群??贵w的每位基因有s 種情況(k1,k2,…,ks),第i位基因為ki的概率為其中,當g(i)=ki時,aj=1,否則aj=0;g(i)為種群中第i 等位基因上的符號。該等位基因上的疫苗片段取該位基因上最大概率(記為pi,i=1,2,…,L)的kj,從而最終提取出疫苗H=(h1,h2,…,hL)。

        Step8:接種疫苗。采用如下方式選擇待注射的基因片段:由Step6,疫苗為H=(h1,h2,…,hL),令qi與hi相對應(yīng),pi的含義

        如Step7所示。采用輪盤賭選擇法來選擇疫苗片段,由于qi的大小決定被選中概率的高低,因此輪盤盤面的各個部分比例按照qi的值劃。這樣形成的抗體有更高的適應(yīng)度,組成的免疫種群也更加優(yōu)越。

        Step9:免疫選擇。接種后的子代個體如果適應(yīng)度提高則采用,否則保留父代個體,說明在遺傳和接種過程中出現(xiàn)了退化。

        Step10:種群更新。每代種群中適應(yīng)度最高的Kb個抗體保存下來存入免疫記憶庫;最低的Kd個予以刪除,并用隨機產(chǎn)生的新抗體補充。

        3 仿真與結(jié)果分析

        用Matlab 對設(shè)置好的BP 神經(jīng)網(wǎng)絡(luò)和自適應(yīng)免疫遺傳算法優(yōu)化后的BP 神經(jīng)網(wǎng)絡(luò)對270 組訓(xùn)練樣本分別進行訓(xùn)練,仿真得到訓(xùn)練誤差曲線圖,圖3為BP 神經(jīng)網(wǎng)絡(luò)訓(xùn)練的誤差曲線,圖4 為優(yōu)化后的BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練的誤差曲線。

        由圖3和圖4可得,BP神經(jīng)網(wǎng)絡(luò)經(jīng)過56步達到收斂。經(jīng)免疫遺傳算法優(yōu)化后的BP神經(jīng)網(wǎng)絡(luò)經(jīng)過11步達到收斂。對比圖3和圖4可知,優(yōu)化后的BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練速度明顯加快,很快便可以達到要求的誤差精度。

        圖2 BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練誤差曲線

        圖3 自適應(yīng)免疫遺傳BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練誤差曲線

        表2 BP神經(jīng)網(wǎng)絡(luò)診斷結(jié)果統(tǒng)計

        表3 IAGA-BP神經(jīng)網(wǎng)絡(luò)診斷結(jié)果統(tǒng)計

        未優(yōu)化的BP 神經(jīng)網(wǎng)絡(luò)和優(yōu)化后的BP 神經(jīng)網(wǎng)絡(luò)訓(xùn)練結(jié)束后,用之前分好的30 組測試數(shù)據(jù)對網(wǎng)絡(luò)進行測試,統(tǒng)計測試結(jié)果具體見表2和表3。

        由表2 可知,30 組測試樣本經(jīng)未優(yōu)化的BP 神經(jīng)網(wǎng)絡(luò)診斷,有4 組診斷產(chǎn)生了錯誤,正確率為86.7%。由表3 可知,經(jīng)過優(yōu)化的BP 神經(jīng)網(wǎng)絡(luò),僅有1組產(chǎn)生了錯誤,正確率達到96.7%。

        經(jīng)過優(yōu)化的神經(jīng)網(wǎng)絡(luò)測試誤差也明顯減小,30組測試樣本的測試誤差如圖5。

        圖4 BP網(wǎng)絡(luò)和IAGA-BP網(wǎng)絡(luò)診斷誤差對比

        4 結(jié)語

        傳統(tǒng)的BP 神經(jīng)網(wǎng)絡(luò)高壓發(fā)泡機故障診斷系統(tǒng),由于BP 神經(jīng)網(wǎng)絡(luò)的局部極值以及收斂速度慢的問題,經(jīng)常導(dǎo)致診斷系統(tǒng)誤診,本文把自適應(yīng)免疫遺傳算法與BP 神經(jīng)網(wǎng)絡(luò)進行了結(jié)合,對BP 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)進行優(yōu)化,利用免疫遺傳算法的全局搜索能力,避免了BP神經(jīng)網(wǎng)絡(luò)的局部最優(yōu)問題,提高了訓(xùn)練效率。結(jié)合高壓發(fā)泡機數(shù)據(jù)對其進行了驗證,驗證結(jié)果表明優(yōu)化后的BP神經(jīng)網(wǎng)絡(luò)模型不僅診斷速度明顯提升,而且準確率也大大提高,可以減少因誤診或者診斷不及時帶來的一些不必要損失。

        猜你喜歡
        故障診斷優(yōu)化故障
        超限高層建筑結(jié)構(gòu)設(shè)計與優(yōu)化思考
        民用建筑防煙排煙設(shè)計優(yōu)化探討
        關(guān)于優(yōu)化消防安全告知承諾的一些思考
        一道優(yōu)化題的幾何解法
        故障一點通
        奔馳R320車ABS、ESP故障燈異常點亮
        因果圖定性分析法及其在故障診斷中的應(yīng)用
        故障一點通
        江淮車故障3例
        基于LCD和排列熵的滾動軸承故障診斷
        全亚洲高清视频在线观看| 久久久久久亚洲av成人无码国产| 久久亚洲国产成人精品性色| 99热这里只有精品国产99热门精品| 8av国产精品爽爽ⅴa在线观看| 国产三级在线观看高清| 视频在线国产一区二区| 40岁大乳的熟妇在线观看| 欧洲日本一线二线三线区本庄铃 | 亚洲综合原千岁中文字幕| 国产实拍日韩精品av在线 | 国产一区二区三区乱码| 99精品电影一区二区免费看| 91久久精品无码人妻系列| 91成人自拍视频网站| av高清在线不卡直播| 永久黄网站色视频免费看| 玩弄放荡人妻一区二区三区| 久久精品国产亚洲Av无码偷窍| 后入少妇免费在线观看| 日本精品一区二区三区在线观看| 亚洲av无码av在线播放| 天天做天天爱天天爽综合网| 国产黑丝在线| 久久精品亚洲国产成人av| 久久亚洲中文字幕精品二区| 人禽交 欧美 网站| 丝袜AV在线一区二区三区| 青榴社区国产精品| 人妻一区二区三区在线看| 欧美老熟妇乱xxxxx| 亚洲狠狠婷婷综合久久| 国产亚洲sss在线观看| 国产精品后入内射日本在线观看| 久久天天躁夜夜躁狠狠| 女人被爽到呻吟gif动态图视看 | 国产午夜精品视频在线观看| 国产免费艾彩sm调教视频| 亚洲免费视频播放| 国产精品久久久看三级| 亚洲悠悠色综合中文字幕|