基于神经网络和遗传算法的故障诊断系统.pdf-资料库

3 月年第 39 卷第期华中师范大学学报自然科学版 ) ( VOl. 39 NO. 3 9 ePt . 2005 2005 JOURNAL OF CENTRAL CHINA NORMAL UNIVER ITY( N at . ci. ) 文章编号 : 1000-1190( 2005) 03-0332-04 基于遗传算法和神经网络优化的故障诊断专家系统宋立新 1, 王玉华 2, 李玲远 3 ( 1. 武汉大学电子信息学院武汉 , 430079; 2. 武汉大学计算机学院武汉 , 430079; 华中师范大学物理科学与技术学院武汉 , 430079) 3. 摘要 : 传统故障诊断专家系统中存在知识获取困难和推理能力弱的问题采用模糊神经推理控 , 制器作为推理机可改善此类问题为进一步提高系统的性能 , . 在系统中 , 使用了传统故障诊断专家系统给予规则的推理方式 , 持了透明性 . 关键词 : 遗传算法 ; 人工神经网络故障诊断 ; ; 专家系统用遗传算法对推理机进行离线训练 . 使系统在提高灵活性的基础上保中图分类号 : TP391 文献标识码随着科学技术的发展设备结构日趋复杂 , : A 设 , 备故障的非线性更强 , 导致系统故障的外部特征更为复杂 . 在强干扰 ~ 多故障的条件下系统故障的制 , 约因素很多 , 使得系统故障引起的外部特征可能减弱 ~ 消失 ~ 重叠 , 因此很难采用传统的基于线性分析的诊断技术解决这种大型复杂设备的故障诊断问题和适时地判断出故障的原因 [1]. 家系统在这种领域取得到了不少成果传统故障诊断专且显示出了 , 相当出色的工作能力 , 人类专家的工作水平 . 在某些方面达到甚至超过了但我们发现 , 在传统的故障诊断专家系统中知识获取 ~ , 维护困难推理能力实时性差弱 , 决上述问题 , 这些成为制约其发展的 , 我们在实验过程中断专家系统同人工神经网络和遗传算法 , 瓶颈为解 ' . 将传统的故障诊 , ( Genetic 形成基于神经网络提高了故障诊断 , 简称结合起来 AlgOrithm, 和遗传算法的故障诊断专家系统 GA) , 专家系统的透明性和灵活性操作能力 [2]. , 增强其实时性和在线 1 故障诊断专家系统中的神经推理网络模型完整的信息 , 因而人工神经网络具有很强的学习能信息处理能力以及学习过程中的完善性能实 , ~ 力现了对人类思维模式的模拟[3]. 式的知识表达方式难以理解但神经网络权重形为使系统具有良好的 , 透明性 , 我们在神经网络的推理中引用了专家的规 , 则推理方法 , 这为神经网络系统建立良好的解释机制提供了方便 , 且使得系统具有联想记忆和处理非线性问题的能力 , 其鲁棒性和容错性好随机性性 ~ 实时控制 , 们的系统中噪声或不相容的信息能力强 ~ 同时使系统具有良好的透明性[4~ ]. , 神经网络采用具有模糊联想记忆的网 ~ 在我 , 络结构 FN C ( Fu ZZy N eu ral COntrOller ) , 如图 1 处理模糊 , 适于在线所示 . 系统利用误差反向传播来指导学习过程模糊 , 推理控制器有两个输入和 e Ae, e 为误差是给定值是被控对象输出值 , ( ) ( c 是 ) , Ae 输出为将和 e u, Ae 划分为 n , 个模糊子 ( ) , c 误差的变化将其用集 , Gau SS 型隶属函数表示即如下公式 : , Azj( Xj) = eXP , ( 1) [ -z Czj Z j 2 ] D C 表示隶属函数的中心 , 式中 : -z 表示输入变量表示隶属函数的宽度 Zj , Czj . 人工神经网络将已有的数据和已知的故障模系统中知识的表示用产生式规则表示式作为样本通过学习得出数据量与故障模式间的映射关系 , , 在人工神经网络中是合为一体的能从不完全 ~ , 信息的存储和处理 , 不精确的信息联想出经推理网络由如下的一组规则构成 : R z If ( e iS Az1) and ( Ae iS Az2) then zz = Wz , z = 1, 2, -, n , 模糊神 , ( 2) 收稿日期基金项目作者简介 : 2004-12-27. : : 湖北省教育厅自然科学重点项目宋立新湖北丹江口人女 ( 19 ) , , ( 2004D002) ; , 副教授 , 公安部科研基金资助项目博士主要从事数字通信研究 , . ( 200342- 23-01) .

第 3 期宋立新等 : 基于遗传算法和神经网络优化的故障诊断专家系统 333 图 1 基于规则的模糊联想记忆网络机构 ( FNC) n e z= 1 u % = n z Wz n = e z= 1 z e 条模糊规则 z= 1 , Az1 为总的输出且有 , 式中为第 z : R z 的隶属函数 Ae) 规则对于输出作用权值 , u % z% Wz , ( 3) 和为输入 AzZ 为第 ( e, 个模糊 , Wz z z = H Az1( e) % AzZ ( Ae) . = z e 条规则的隶属度 z . z . 表示第 z 遗传算法训练神经网络 z 2 ( 4) ( 5) 一般神经网络 BP 学习方法是一种建立和调整度函数来衡量算法的收敛状况 , 隶属函数 , 性的参数 , 用 GA 其中心参数和宽度参数是全局 ( Czj, bj ) 算法来调整和优化而推理规则的结论部分中的权值较多的具有局部性所以我们 , 算法在线调节采用起来 BP 取长补短 , GA 学习调整模糊神经推理控制器的隶属度函数 . , 发挥各自的优点为了用算法这样把两种学习算法结合 . 值首先将各参数用二进制串表示 , bj) 分量均在预定的范围 [Gminzj, Gmaxzj ] 内变化 , 那么时刻参数串的表示值和实际参数值之间的关系 ( Czj, 假定参数的 , , Gzj = Gminzj - binrep Z t - 1 ( Gmaxzj - Gminzj) , ( 6) 式中交叉率 binrep 和 Pc Pm 是由位字符串所表示的二进制整数 l 变异率采用自适应的方式 . 用合适 , 其表达式为 Pc = K 1/ ( f max - f ) , Pm = K Z / ( f max - f ) , ( S) 分别是群体中最大合适度和平均合 ( 7) 式中适度 : f max, f , f max - f 体现了群体的收敛程度 , K 1, K Z S 为常数 . 1. O 如果从过程操作数据中我们已经得到样本数 , ( e, Ae, u z ) , 1 S z S m, 问题就成为推理控制器则输出时 , = { Czj, bj} , u % z = u z , 使得误差那么对于上述的模糊神经当输入 : e = ez , Ae = Aez 寻找最优模糊隶属函数参数 Gz 的最小值 : E n minE = 1 Z e z= 1 表示希望输出值 ( u z - u % z ) Z , ( 9) 式中 : u z 采用遗传算法离线训练模糊神经网络参数的 FN C . , u % z 表示输出值模糊推理控制系统的良好方法但这种方法本质上 , 是一种只考虑局部区域的梯度法缺乏全局性有 , , 可能仅优化到局部极值部分其调整的收敛性依赖 , 于初始状态的选择 . 而遗传算法是一种基于生物进化过程的随机搜索的全局优化方法它通过交叉和 , 变异大大减少了初始状态的影响化结果而不停留在局部最小处 [7~ 9]. 可优化模糊神经推理系统的参数 , 使搜索得到最优遗传算法不仅据而且可以优化模 , 糊神经推理系统的结构 . 使用遗传算法可以修正冗余的隶属函数和网络的节点数以优化模糊推理规 , 为了发挥则 . GA BP 算法和算法的长处用算法优化具有全局性的参数和网络结构调节和优化具有局部性的参数这样 . 一种离线训练模糊神经推理控制器 ( , 用 GA 算法 , BP 算法作为 GA 粗略学习用 ) , 算法作为一种在线调节神经网络的局部性参数步骤如下 BP 细调节这两种方法的综合使用可以大大提高 ( 模糊神经推理控制系统的自学习性能和鲁棒性 ) . , : 随机产生 ( 1) 个二进制字符串每个字符串 , n . 表示整个网络的一组参数 . 图 1 所示的模糊神经网络采用了型的 Gau ss ( Z ) 根据公式 ( 6) 将各二进制字符串译码成网

433 华中师范大学学报自然科学版 ) ( 第 39 卷络的各参数 . 然后根据下式计算每一组参数的适合个体 ; 度值 f z( z= 1 2 ~ n) . f z = 1/ E. 按下列步骤产生新的群体 ( 10) 直到新群体中 ( 3) 串总数达到 n: 以概率 ( a) 两个串 Sz Sj ; f z/z f z f z/z f j 从群体中选择 ( b ) 以概率对 Pc Sz Sj 进行交换得到新串 S/ z S/ j ; ( C) ( C ) 以概率使中的各位产生突变 Pm S/ z S/ j 直到产生返回 ( a ) ( n - 1 ) ; 个新一代的所产生的个新一代的个体连同上 ( 6) ( n - 1) 一代中性能最好的那个个体共同组成新的群体 ; ( 4) 求为止 . ( 5) 返回 ( 2) 步直到群体中的个体性能满足要群体中适合度最好的字符串所表示的参数就是所要的网络参数 . 经过算法训练好 GA FN C 把后 FN C 接入到模糊推理控制系统中控制系统的结构如图为了使智能控制系统自适应环境示 . 变化采用在线学习算法利用 BP 所的 2 被控对象 ( 最速梯度算法 ) 图 2 模糊神经推理智能控制系统调节网络的权值 . 定义在线学习的指标 n 1 2 z z= 1 Jc = ( yc - yz( t) ) 2 ( 11) 为希望输出值为被控对象实际 yz ( t ) 式中输出 : ys . 在 t 时刻后的权值调节式为 Wz( t + 1) = Wz( t) - y 8Jc 8Wz( t) + aAW( t) 3 基于规则的遗传神经网络专家系统的体系结构我们在变压器故障诊断系统中采用遗传算法训练后的神经网络取得了比原故障诊断专家系统更好的效果其泛化能力提高将近一半现将该系 . 统模块化其体系结构如图 3 所示传算法对神经网络进行静态训练该系统使用遗 . 在运行时将训练好的神经网络接入 . 模糊神经推理系统在运行时式中 ( 12) 控制器进行动态学习优化神经网络的权值系统 . 中的自学习控制模块用来调度模糊神经推理控制 8Jc 8W( t) = 8Jc 8y( t) 8y( t) 8u ( t) 8u ( t) 8Wz ( t) = ( yc - y( t) ) 8y( t) 8u z ( t) . uz n uz z z= 1 ( 13) 在被控对象未知情况下可采用一个神经网这里利用近似方法求得 y u ( t + 1) ] - y u ( t) ] u ( t + 1) - u ( t) + E ( 14) 8y( t) 8u ( t) 络进行辨识获得 8y( t) 8u ( t) 为学习率其中正数 y . 器的离线学习 . 系统对被处理对象进行全局的分析从系统角度识别对象的总体状态使得神经网络和遗传算法的数据处理与模式判别能力能够进行总体协调同时使基于规则的专家系统的启发式推理能力得到充分的发挥并在用户的积极参与下实现知识和样本的创造 ~ 家经验融入到系统中和扩充性 10]. 对象进行全方位的描述在系统中实践的证明并且使得专极大地提高了系统的可塑性调度及推理模块对被处理进行多重分析任务的调为动量因子 E a 为一个非常小的度实现系统水平上的总控系统也保持了传统专 . 家系统良好的解释机制使得系统的解释清晰明易于理解了 .

第 3 期宋立新等 : 基于遗传算法和神经网络优化的故障诊断专家系统 533 参考文献 : [ l ] Abdelhadi B Benoudjit A N aitsaid. N . Application of genetic algorithm with a novel adaptive scheme f or the identif ication of induction machine parameters [J ]. IEEE Transactions on Energy Conversion 2005 20 ( 6) : 284 ~ 29l . [2] Alba E Dorronsoro B. The exploration/ exploitation tradeof f in dynamic cellular genetic algorithms [ J ]. IEEE Transactions on Evolutionary Computation 2005 9 ( 4 ) : l 26~ l 42. [3 ] Chitat T Chow W S. Adaptive regularization parameter selection method f or enhancing generalization capability of neural networks[J]. Artif icial Intelligence l 999 l 07( 2) : 智能故障诊断专家系统体系结构图 347~ 356. 图 3 结论传统故障诊断专家系统在融入遗传算法和神经网络后不仅使知识获取瓶颈匹配冲突等问题更容易解决 S S 而且 S 和遗传算法的引入进一步提高了系统的灵活性 B B 组合爆炸神经网络动态非线性问题的解决易于实现提高了系统实时在线操作能力使系统具有推理效率高诊断准确的特点 . 多种技术的相互融合必将是未来专家系统技术发展的一个具有广阔前景的方向但必须指 . 出要使计算机真正达到人类思维的深刻性灵活性独创性和敏捷性的全面高度技术的研究者还有许多工作要做计算机技术智能还要经历漫长的使 [6] 出版社 [ 4 ] Kamarthi S V ittner S. Accelerating neural network training using weight extrapolation [J]. N eural N etworks l 999 l 2( l 2) : l 285~ l 299. [5] Baoguo W Furong G olock Y. N eural network approach to predict melt temperature injection processes[J]. Chinese J of Chem Eng 2000 8( 4) : 326~ 33l . 吴今培肖建华智能故障诊断与专家系统 [M]. 北京 : 科学 . [7] 李路 l 997. 袁震东 . 用于神经网络权系数训练的遗传算法 [J]. 上海技术工程大学学报 2004 l 8( 3) : l 24l ~ l 244. [8] 陈国良王煦法 . 遗传算法及其应用 [M]. 北京 : 人民邮电出版社 l 996. [9] 何新贵 . 人工智能新进展 [M ]. 北京 : 清华大学出版社 l 994. 吴信东 . [l 0] 专家系统技术 [M]. 北京 : 电子工业出版社 l 998. 历程 . A f ault diagnosis expert system optimized genetic and artif icial nerve networ S N G i xin l WAN G Yu hu a 2 I ing yu an 3 ( l . School of Electronic Inf ormation Wuhan niversity Wuhan 430072 2. School of Computer Science Wuhan niversity Wuhan 430072 3. College of hysical Science and Technology Central China Normal niversity Wuhan 430079) A stract: A f u zzy neu ral controller is employed as a reasoning machine to solve the problem of the dif f icu lty of ac u iring knowledge and the weak reasoning. To improve the perf ormance of the system we u se genetic algorithm to make the of f line train of the f u zzy neu ral controller . u le reasoning of f au lt diagnosis expert system is made u se of the transparency of system with agility in system. ey words: genetic algorithm artif icial nerve network f au lt diagnosis expert system

基于遗传算法和神经网络优化的故障诊断专家系统作者：宋立新，王玉华，李玲远， SONG Li-xin， WANG Yu-hua， LI Ling-yuan 作者单位：宋立新,SONG Li-xin(武汉大学电子信息学院,武汉,430079)，王玉华,WANG Yu-hua(武汉大学计算机学院,武汉,430079)，李玲远,LI Ling-yuan(华中师范大学物理科学与技术学院,武汉,430079) 刊名：华中师范大学学报（自然科学版）英文刊名： JOURNAL OF CENTRAL CHINA NORMAL UNIVERSITY(NATURAL SCIENCES) 年，卷(期)： 2005,39(3) 7次被引用次数：参考文献(10条) 1.Alba E;Dorronsoro B The exploration/exploitation tradeoff in dynamic cellular genetic algorithms[外文期刊] 2005(04) 2.吴信东专家系统技术 1998 3.Abdelhadi B;Benoudjit A;Naitsaid N Application of genetic a lgorithm with a novel adaptive scheme for the identification of induction machine parameters[外文期刊] 2005(06) 4.何新贵人工智能新进展 1994 5.陈国良;王煦法遗传算法及其应用 1996 6.李路;袁震东用于神经网络权系数训练的遗传算法[期刊论文]-上海工程技术大学学报 2004(03) 7.吴今培;肖建华智能故障诊断与专家系统 1997 8.Baoguo W;Furong G;Polock Y Neural network approach to predict melt temperature injection processes[期刊论文]-Chinese J of Chem Eng 2000(04) 9.Kamarthi S V;Pittner S Accelerating neural network training using weight extrapolation 1999(12) 10.Chitat T;Chow W S Adaptive regularization parameter selection method for enhancing generalization capability of neural networks[外文期刊] 1999(02) 本文读者也读过(10条) 1. 戴忠健.苏利敏.DAI Zhong-jian.SU Li-min 基于遗传算法的网络故障诊断专家系统的设计与实现[期刊论文]-北京理工大学学报2005,25(1) 2. 王帆.吴多胜.WANG Fan.WU Duo-sheng 基于遗传算法和神经网络的导弹故障诊断专家系统[期刊论文]-计算技术与自动化2006,25(4) 3. 许先斌.赵睿.XU Xianbin.ZHAO Rui 基于LVS的视频服务器集群系统的研究与设计[期刊论文]-微计算机应用2005,26(4) 4. 王文岱.WANG Wen-dai 模糊数据模型的更新研究[期刊论文]-武汉理工大学学报2005,27(11) 5. 熊小兵.XIONG Xiao-bing Microsoft Word的拼写检查功能及其引用[期刊论文]-信息技术2005,29(7) 6. 许先斌.李贤英一种多媒体实时磁盘调度的改进方案研究[期刊论文]-微型机与应用2005,24(2) 7. 谷淑化.吕维先.马于涛.GU Shu-hua.LU Wei-xian.MA Yu-tao 关于数据挖掘中聚类分析算法的比较[期刊论文]-现代计算机（专业版）2005(3) 8. 范浩.肖明清.项海林基于神经网络的故障诊断专家系统[期刊论文]-现代电子技术2002(9) 9. 章伟聪.ZHANG Wei-cong 基于神经网络的汽油发动机的故障诊断专家系统初探[期刊论文]-浙江万里学院学报2005,18(2) 10. 冯雷.应霞芳.何勇.FENG Lei.YING Xia-fang.HE Yong 基于神经网络的汽油机故障诊断的专家系统[期刊论文]-科技通报2000,16(2)

引证文献(7条) 1.胡平.彭纪奎粗糙集-遗传神经网络在挖掘机故障诊断中的应用研究[期刊论文]-微电子学与计算机 2011(3) 2.蔡猛.张大发.张宇声.金仁喜.陈登科基于遗传神经网络与信息融合的实时智能故障诊断系统研究[期刊论文 ]-船海工程 2010(5) 3.李焱一种BP神经网络改进算法的研究[期刊论文]-齐齐哈尔大学学报（自然科学版） 2010(4) 4.黄辉.叶奇明空调系统中模糊控制技术仿真研究[期刊论文]-电脑学习 2008(3) 5.田佳禾.孙士慧.赵仕俊基于小波神经网络的故障诊断方法研究[期刊论文]-计算机系统应用 2008(5) 6.胡方霞.任艳君.陈兴龙基于遗传模糊神经网络的煤气鼓风机故障诊断[期刊论文]-计算机工程与设计 2008(23) 7.苗晓寒热牵伸机组故障诊断系统开发[学位论文]硕士 2007 本文链接：http://d.g.wanfangdata.com.cn/Periodical_hzsfdxxb200503012.aspx

资料库

基于神经网络和遗传算法的故障诊断系统.pdf

相关推荐

课程资源

热门标签

最新资料