基于bp神经网络的液压泵智能故障诊断故障库设计

基于bp神经网络的液压泵智能故障诊断故障库设计

0大量低速率故障样本的故障诊断bp（后别）神经网络在故障诊断中的应用主要是利用bp网络的非线性映射功能，以信任集为对象的模糊非线性关系。首先，网络学习并训练各种源和故障样本。网络学习后，可以直接从网络生成故障模型。当输入样本中的类型类型时，网络根据样本中的经验提供相应的新模式。贵阳矿机机械厂采用智能bp算法故障诊断系统0.833吨。基于BP神经网络的挖掘机故障智能诊断过程中,神经网络知识库设计是一项复杂而又关键的重要工作,设计的准确性与完善度直接关系到整个智能故障诊断系统的精确度.基于神经网络的知识库主要是存储训练好的神经网络参数,包括权值、阈值等,而且以数据文件的格式存放在知识库中.1生成的层间关联点BP网络有一个输入层,一个输出层,一个或多个隐含层.每一层包含了若干个节点,每个节点代表一个神经元.同一层上的各节点之间无耦合连接关系,信息从输入层开始在各层之间单向传播,依次经过各隐含层节点,最后到达输出层节点,如图1所示.2液压越界神经网络的建立设BP网络接受的输入数据为n个,以向量x表示:网络产生m个输出数据,用向量y表示:则网络将对应地有n个输入节点、m个输出节点.这样,BP网络可视为从n维输入空间到m维输出空间的非线性映射,即网络的层数可由映射存在定理确定,f可以精确地用一个三层(输入层、输出层及隐含层)感知器网络实现,即任意连续函数均可由一个三层感知器网络逼近.输入层:输入层神经元的个数n对应故障征兆的个数.输出层:输出层中的神经元的个数m对应神经网络要识别的故障原因数.隐含层:隐含层中的神经元的个数根据经验公式:h=n+m−−−−−√+l(lh=n+m+l(l为1～10)给出.学习率α的选择:为了抑制迭代过程中的振荡及防止网络训练陷入局部最小点,根据Rumelhart的建议,加入学习率α,一般0≤α≤1.据此,对贵阳矿山机器厂0.8m3液压挖掘机液压泵故障诊断建立该液压泵诊断的BP神经网络.受篇幅限制,这里仅以挖掘机故障诊断系统中发生液压缸不能动作故障的液压泵子系统故障诊断神经网络知识库的建立过程作以介绍,如图2所示,虚线框内为液压泵子系统故障.故障征兆主要有压力达不到14MPa、声音大而不正常(由此,输入层节点数即为故障征兆数为n=2),结合图2,对应的可能故障原因为吸入大量空气、侧板磨损严重、转速太低,油路堵塞或缺油、转速过高(由此,输出层节点数为可能的故障原因数为m=5),根据故障征兆和可能的故障原因建构神经网络,根据公式h=n+m−−−−−√+l(lh=n+m+l(l为1～10),及在1～10范围内选定不同的l,对网络进行训练,最终确定隐层节点数为8.α取0.7.综上,n=2,m=5,h=8,α=0.7,至此液压泵诊断的BP神经网络就建构起来了.3基于神经网络的学习机制挖掘机液压泵的训练样本是通过与厂家工程师的探讨并参考《贵阳矿山机器厂0.8m3液压挖掘机维修改进改装手册》来获得的.通过神经网络对样本数据的学习,将其中隐含的知识存储到整个网络中,并用数据文件的形式保存网络的权值和阈值.知识获取机制的结构模型如图3所示.4实验结果与分析利用BP网络学习算法,对各神经网络分别进行训练,获取连接权值和阈值.确定算法以后利用美国MathWorks公司的MATLAB中的神经网络工具箱进行编程实现.学习的流程图如图4所示.在挖掘机液压泵故障诊断中,训练样本如表1所示.首先对输入进行预处理,对输出进行二进制编码.故障征兆中的[0,0]、、[0,1]、分别代表无故障、压力不到14MPa、声音大而不正常和两种故障同时发生.故障原因中[0,0,0,0,0]、、、分别代表的故障原因是:无故障,吸入大量空气、侧板磨损严重、转速太低.根据建构的神经网络和训练样本编制MATLAB程序,对网络进行训练.训练的误差曲线如图5所示.误差曲线的横坐标是网络的epochs(训练步数),即训练到多少步网络训练完毕,网络的性能函数值小于goal(训练目标)或者训练时间超过了time秒时,网络的训练都停止.纵坐标是网络的训练误差,即网络的实际输出与期望输出之差,以101为度量单位,整个图的意思可表达为:网络对训练样本进行训练,当训练到1119epchos即1119步时达到10-5的误差要求,网络训练完毕.当规定训练误差为10-5时,在4个样本中选取样本2作为检验样本,测试结果如表2所示.从表2中可以看出其输出结果为:[0.99970.99740.99810.00030.0004],而期望输出为,可以看出网络的诊断结果与实际结果相对应,故障原因节点值接近1,非故障原因节点值接近0,说明了诊断的较高准确性和可靠性.训练样本的最大误差为0.26%,最大误差即代表了网络的诊断精度,即网络的诊断精度为0.3%左右.实验过程中,若用这个网络监测挖掘机的运行状态,就可对原来设定的2种故障进行准确的判别,由此验证了此种方法诊断故障的可行性.5基于matlab的网络结构诊断贵阳矿山机器厂0.8m3液压挖掘机智能故障诊断系统中是将连接权值和阈值同时存储到一个数据文件中.对于解决不同问题的网络结构参数及权值、阈值以不同的数据文件保存.把训练好的网络以MATLABdatafile的格式保存在MATLAB应用程序中的默认文件夹work下,此训练好的液压泵诊断网络在文件夹work下的文件名为“bengfu”.在应用程序的诊断过程中,就去调用此文件,所有训练好的权值和阈值都隐式的存储在此文件中.至此液压泵的神经网络知识库就建立起来了.6解决需求的设计知识库的建立是挖掘机智能故障诊断系统的重要组成部分,这里仅介绍了挖掘机某个子系统故障知识库的建立方法,挖掘机整机故障知识库建立后,挖掘机故障信息便有机地融合为BP神经网