【正文】 性，設(shè)備診斷技術(shù)引入生產(chǎn)現(xiàn)場己三十多年。國內(nèi)外曾經(jīng)發(fā)生的空難、爆炸、斷裂、泄漏、毀壞等惡性事件，造成了巨大的經(jīng)濟損失，產(chǎn)生了嚴(yán)重的社會影響。例如，法國某電廠對其近 400 臺主輔設(shè)備進(jìn)行了兩年的狀態(tài)監(jiān)測試驗，結(jié)果表明，由于采用狀態(tài)維修，電廠實際節(jié)約了 54萬多法郎 (尚未考慮停工造成的損失 )?？梢?，設(shè)備故障診斷技術(shù)在現(xiàn)代工業(yè)生產(chǎn)中起著非常重要的作用，開展設(shè)備故障診斷技術(shù)的研究具有重要的現(xiàn)實意義。 模擬電路故障診斷的方法 模擬電路故障診斷是微電子技術(shù)中的一個重要課題，同時也是網(wǎng)絡(luò)理論的一個重要課，模擬電路故障診斷方法主要有以下三種： （ 1）用網(wǎng)絡(luò)撕裂法作故障定位：即用 Kron 的撕裂法將模擬電路構(gòu)成的網(wǎng)絡(luò)分解成若干子網(wǎng)絡(luò)，通過檢測子網(wǎng)絡(luò)中的電流、電壓與原設(shè)計網(wǎng)絡(luò)中的電流、電壓有無偏移將4 所有子網(wǎng)絡(luò)分為兩類：正常子網(wǎng)絡(luò)和故障子網(wǎng)絡(luò)。近年來，隨著非線性系統(tǒng)理論的發(fā)展，模擬電路的故障診斷理論與方法取得了長足的進(jìn)步。 （ 4）基于小波和人工神經(jīng)網(wǎng)絡(luò)的故障診斷方法。 人工神經(jīng)網(wǎng)絡(luò)是在現(xiàn)代神經(jīng)科學(xué)研究成果的基礎(chǔ)上提出來的，它反映了人腦的基本功能，是對人腦的簡化與模擬。人工神經(jīng)網(wǎng)絡(luò)之所以適合于故障診斷，有以下 3 個原因： （ 1）訓(xùn)練過的神經(jīng)網(wǎng)絡(luò)能存儲有關(guān)過程知識，能直接從定量的、歷史的故障 信息5 中學(xué)習(xí)可以根據(jù)對象的正常歷史數(shù)據(jù)訓(xùn)練網(wǎng)絡(luò)，然后將此信息與當(dāng)前數(shù)據(jù)進(jìn)行比較，以確定故障。 90 年代后期，神經(jīng)網(wǎng)絡(luò)在電路故障診斷領(lǐng)域得到了應(yīng)用。 本設(shè)計的意義在于： （ 1）該系統(tǒng)提高了故障診斷的可信度，能有效地識別故障，具有很大的實用價值。一個典型的具有 R 維輸入 的神經(jīng)元模型如圖 21 所示。 [?w R ,12,11,1 , ? ] （ 22） 閾值 b 為 11? 的標(biāo)量。表 21 給出了幾種典型的神經(jīng)元傳遞函數(shù)形式及描述。BP 網(wǎng)絡(luò)的輸入節(jié)點數(shù)應(yīng)與特征向量的維數(shù)相同。由 BP 網(wǎng)絡(luò)的輸出判斷電路中是否有故障；如有，則定位故障。如今， BP 算法已經(jīng)成為目前應(yīng)用最為廣泛的神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法，據(jù)統(tǒng)計有近 90％的神經(jīng)網(wǎng)絡(luò)應(yīng)用是基于 BP 算法的。神經(jīng)元是神經(jīng)網(wǎng)絡(luò)最基本的處理單元，隱含層中的神經(jīng)元采用 S 型變換函數(shù)，輸出層的神經(jīng)元可采用S 型或線性 型變換函數(shù)。其主要思想是：對于 M 個輸入學(xué)習(xí)樣本，已知與其對應(yīng)的輸出樣本。 如式 25 所示： 9 kkkk gxx ????1 （ 25） 其中 kx 是當(dāng)前的權(quán)值和閾值矩陣， kg 是當(dāng)前表現(xiàn)函數(shù)的梯度， k? 是學(xué)習(xí)速度。 其 具體步驟如下 ： （ 1） 初始化權(quán)值 W 和 閾 值 ? ，即給輸入層單元到隱含層單元的連接權(quán) ijW ，隱含層到輸出層的連接權(quán) jkV ，隱含層的 閾 值 j? ，輸出層單元 閾 值 k? 隨機賦一個在 (0， l)之間的較小值。 MATLAB 主要包括以下幾個部分： MATLAB 語言、 MATLAB 工作環(huán)境、 MATLAB工具箱、 MATLAB 的應(yīng)用程序接口。 MATLAB 代表矩陣實驗室 ，MATLAB 最初是由 LINPACK and EISPACK 項目編寫的容易處理矩陣而開發(fā)的軟件。工具箱是綜合收集了 MATLAB 函數(shù)（ M文件），延拓 MATLAB 環(huán)境來解決各類特殊問題。 （ 2） MATLAB 數(shù)學(xué)函數(shù)庫：它是廣泛收集了算術(shù)運用，從基本的函數(shù)如求和，正弦、余弦和復(fù)雜的算術(shù)，到更加復(fù)雜的函數(shù)如矩陣轉(zhuǎn)置，矩陣特征值、貝塞爾函數(shù)，和快速傅立葉變 換等。包括二維和三維數(shù)據(jù)，圖象處理、動畫和圖形顯示的高級函數(shù)，也包括完全用戶圖形顯示和構(gòu)建完全圖形用戶界面 的 低級函數(shù) 等 。在 神經(jīng)網(wǎng)絡(luò)工具箱中，有對應(yīng)的函數(shù)完成所涉及到的全部計算任務(wù)。輸出參數(shù)為所生成的 BP 神經(jīng)網(wǎng)絡(luò)，其語法為 ： =newff(PR,[S1,S2…,S i],[TF1,TF2…,TF i],BTF,BLE,PF) （ 31） 其中 ： PR 是一個由每個輸入向量的最大最小值構(gòu)成的 Rx2 矩陣， R 為輸入神經(jīng)元數(shù)目。 PF 是性能函數(shù)，缺省為 在確定網(wǎng)絡(luò)結(jié)構(gòu)后會自動調(diào)用初始化函數(shù)init。 newff 在創(chuàng)建 網(wǎng)絡(luò)對象的同時，自動調(diào)動初始化函數(shù)，根據(jù)缺省的參數(shù)對網(wǎng)絡(luò)進(jìn)行連接權(quán)值和閾值初始化。為訓(xùn)練提供判據(jù)，包括：函數(shù) mae 是計算網(wǎng)絡(luò)的平均絕對誤差；函數(shù) mse 是計算網(wǎng)絡(luò)的均方誤差；函數(shù) msereg 是計算均方誤差和權(quán) /閾值的加權(quán)；函數(shù) sse 是計算網(wǎng)絡(luò)的均方誤差和。在批處理模式中，所有的學(xué)習(xí)樣本都學(xué)習(xí)完成后，連接權(quán)值和閾值才被更新一次。不同的訓(xùn)練算法函數(shù)對應(yīng)不16 同的訓(xùn)練算法，如 traingd 對應(yīng)最基本梯度下降法； traingdm 帶有動量項的梯度下降法； traingdx 帶有采用動量項的自適應(yīng)算法；用共軛梯度法進(jìn)行訓(xùn)練的函數(shù)有： traincgf、traincgp、 traincgb； trainbfg 是基于擬牛頓法的訓(xùn)練函數(shù)； trainlm是用 LevenbergMarquardt數(shù)值優(yōu)化 法來實現(xiàn)誤差反傳算法的。所以，如果有足夠的內(nèi)存，應(yīng)該將 memreduc 參數(shù)設(shè)為 1，即每次都計算整個雅可比矩陣。以上的訓(xùn)練算法函數(shù)均在網(wǎng)絡(luò)生成函數(shù) newff 中預(yù)先設(shè)置。MATLAB 提供的預(yù)處理方法有：歸一化處理 (將每組數(shù)據(jù)都變?yōu)?1 至 1 之間數(shù)，所涉及的函數(shù)有 premnmx、 postmnmx、 tramnmx)、標(biāo)準(zhǔn)化處理 (將每組數(shù)據(jù)都為均值為 0，方差為 1 的一組數(shù)據(jù)，所涉及的函數(shù)有 prestd、 poststd、 trastd)和主成分分析 (進(jìn)行正交處理 ,減少輸入數(shù)據(jù)的維數(shù)，所涉及的函數(shù)有 prepca、 trapca)。用元素列表方式直接輸 入數(shù)據(jù)。根據(jù)以上分析可知，對于網(wǎng)絡(luò)的實現(xiàn)有四個基本的步驟： （ 1）網(wǎng)絡(luò)建立：通過函數(shù) newff 實現(xiàn)，它根據(jù)樣本數(shù)據(jù)自動確定輸入層、輸出層的神經(jīng)元數(shù)目；隱層神經(jīng)元數(shù)目以及隱層的層數(shù)、隱層和輸出層的變換函數(shù)、訓(xùn)練算法函數(shù)需由用戶確定。 18 第 4 章 電路故障調(diào)查 引言 基于 BP 神經(jīng)網(wǎng)絡(luò)的電路故障診斷的基本原理就是把從電路中獲得的狀態(tài)信息進(jìn)行處理以后，輸入到事先訓(xùn)練好的 BP 神經(jīng)網(wǎng)絡(luò)，再根據(jù) BP 神經(jīng)網(wǎng)絡(luò)的輸出，分析出當(dāng)前設(shè)備的運行狀態(tài)，并找出故障原因。 設(shè)備狀態(tài)信息采集 設(shè)備狀態(tài)信息的獲得主要是通過測量設(shè)備的各種當(dāng)前狀態(tài)數(shù)值，在這次設(shè)計中主要包括時域峰值，時域能量，頻域峰值，頻域能量，頻域峰值頻率等幾個參數(shù)。但是，由于神經(jīng)網(wǎng)絡(luò)有聯(lián)想推理的能力，具有強大的魯棒性，它不僅能識別已經(jīng)訓(xùn)練過的樣本，而且能通過聯(lián)想推理，識別未出現(xiàn)過的樣本，這就是所謂的“泛化”功能。 表 42 故障對應(yīng)目標(biāo)輸出 序號 故障類型 結(jié)果 標(biāo)號 1 正常 情況 0 0 0 0 0 0 0 1 2 故障 A 0 0 0 0 0 1 0 2 3 故障 B 0 0 0 0 1 0 0 3 4 故障 C 0 0 0 1 0 0 0 4 5 故障 D 0 0 1 0 0 0 0 5 6 故障 E 0 1 0 0 0 0 0 6 7 故障 F 1 0 0 0 0 0 0 7 訓(xùn)練 BP 網(wǎng)絡(luò) 把故障狀態(tài)表中的數(shù)據(jù)作為樣本輸入給 BP 神經(jīng) 網(wǎng)絡(luò)，對它進(jìn)行訓(xùn)練。tansig39。trainlm39。對于不同的問題，在選擇學(xué)習(xí)算法對 BP 神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練時，不僅要考慮算法本身 的性能，還要視問題的復(fù)雜度、樣本集大小、網(wǎng)絡(luò)規(guī)模、網(wǎng)絡(luò)誤差目標(biāo)和所要解決的問題類型而定?，F(xiàn)在主要是對隱含結(jié)點的選擇，隱含結(jié)點的作用就是從樣本中提取和存儲其內(nèi)在的規(guī)律，每個隱結(jié)點有若干個權(quán)值，而每個權(quán)值都是增強網(wǎng)絡(luò)映射能力的一個參數(shù)，如果隱含結(jié)點太少，網(wǎng)絡(luò)從樣本中獲得信息的能力就差，不足以概括和體現(xiàn)訓(xùn)練集中的樣本規(guī)律，從而識別新樣本的能力就困28 難且容錯性差；如果隱含結(jié)點太多，又可能把樣本中非規(guī)律性的內(nèi)容和噪聲等也會記住，從而出現(xiàn)所謂的“過度吻合”問題，反而降低了泛化能力，而且隱含結(jié)點太多也會增加網(wǎng)絡(luò)的訓(xùn)練時間。確定隱含結(jié)點數(shù)的常用方法是試湊法，用同一個樣本集對采用不同的隱含結(jié)點數(shù)的網(wǎng)絡(luò)進(jìn)行訓(xùn)練，選擇網(wǎng)絡(luò)誤差最小時對應(yīng)的值。 自此 ,一個用于故障診斷的 BP網(wǎng)絡(luò)就訓(xùn)練好了。 （一） 實際待檢驗的頻率域參數(shù)如下表所示： 表 44 實際待檢驗的頻率域參數(shù) 故障類型 時域峰值 頻域峰值 時域能量 頻域能量 頻域峰值頻率 D4峰峰值 D5峰峰值 實際故障結(jié)果標(biāo)號 故障 B 3 故障 F 7 故障 E 6 故。 將當(dāng)前實際狀態(tài)數(shù)值測出，并提供給 BP 神經(jīng)網(wǎng)絡(luò)， BP 神經(jīng)網(wǎng)絡(luò)經(jīng)過學(xué)習(xí)后，它不僅能識別已經(jīng)訓(xùn)練過的樣本，而且能通過聯(lián)想推理，識別未出現(xiàn)過的樣本，這正是神經(jīng)網(wǎng)絡(luò)魯棒性的體現(xiàn)。這個初始隱含層節(jié)點數(shù)的確定采用以下的經(jīng)驗公式： ?m ln? a? (41) 其中， m 為 隱含節(jié)點數(shù)， n 為輸入層節(jié)點數(shù)， l 為輸出層節(jié)點數(shù)， a 為 1— 10 之間的常數(shù)。到目前為止，所有應(yīng)用 BP 算法的網(wǎng)絡(luò)結(jié)構(gòu)都是根據(jù)經(jīng)驗確定的，這就有一定的盲目性，從而減少網(wǎng)絡(luò)的學(xué)習(xí)速度和降低了網(wǎng)絡(luò)的性能，為此需要一個合理的網(wǎng)絡(luò)結(jié)構(gòu)。其運行結(jié)果和誤差曲線如下圖所示，通過表格的列舉，可以很容易的看出各種算法的優(yōu)劣。 22 各種算法的比較 為了克服傳統(tǒng) BP 算法的缺陷， MATLAB 神經(jīng)網(wǎng)絡(luò)工具箱對傳統(tǒng) BP 算法進(jìn)行了改進(jìn)，并提供了一系列快速學(xué)習(xí)算法。purelin39。 %采用 TRAINLM 算法： %以下為清理變量過程 %關(guān)閉其它窗口 close all %清空內(nèi)存 clear %清屏 clc %P 為訓(xùn)練樣本、 T 為目標(biāo)、 P1 為仿真輸入（即要識別的樣本模型） P =[ ； ； ； ； ； ； ]39。下面將列舉的是 故障狀態(tài)參數(shù) 表，這是訓(xùn)練網(wǎng)絡(luò)的重要數(shù)據(jù)之一。測前，根據(jù)經(jīng)驗在一定的激勵條件下， 將常見的各種故障狀態(tài)及正常狀態(tài)所對應(yīng)的理論值求出，并以此作為 BP 神經(jīng)網(wǎng)絡(luò)的訓(xùn)練樣本輸入給 BP 神經(jīng) 網(wǎng)絡(luò)， BP 神經(jīng) 網(wǎng)絡(luò)經(jīng)過學(xué)習(xí)后，其輸出即為所對應(yīng)的故障。通過檢測模擬電路故障的方法，將其推廣到其他領(lǐng)域的故障診斷中。 （ 3）網(wǎng)絡(luò)訓(xùn)練：通過函數(shù) train 實現(xiàn)，它根據(jù)樣本的輸入矢量 P、目標(biāo)矢量 T；和預(yù)先已設(shè)置好的訓(xùn)練函數(shù)的參數(shù)；對網(wǎng)絡(luò)進(jìn)行訓(xùn)練。函數(shù) load 適合從 MAT 文件、 ASCII 文件中讀取數(shù)據(jù)； MATLAB I/O 函數(shù)適合從其它應(yīng)用中的數(shù)據(jù)文件中讀取數(shù)據(jù)；還可以通過數(shù)據(jù)輸入向?qū)?(Import Wizard)從文件或剪貼板中讀取數(shù)據(jù)，單擊 File 菜單下的“ Import Data...”將出現(xiàn)“ ImportWizard”窗口，通過該窗口進(jìn)行設(shè)置，該方法不適合從 M 文件中讀取數(shù)據(jù)。 訓(xùn)練數(shù)據(jù)的導(dǎo)入方法 要對 BP 網(wǎng)絡(luò)進(jìn)行訓(xùn)練，必須準(zhǔn)備訓(xùn)練樣本。 （八）繪圖函數(shù) poltperf： 可以用來計算網(wǎng)絡(luò)性能曲線。在共軛梯度法中， traincgb 需要的內(nèi)存數(shù)量最多，但通常也能最快收斂。一般來講，對于含有幾百個權(quán)重的網(wǎng)絡(luò)， LevenbergMarquardt 算法有最快的收斂速度，該算法需要大的內(nèi)存，可通過增大參數(shù) memreduc 的值來減少內(nèi)存的使用量。訓(xùn)練網(wǎng)絡(luò)的函數(shù)是 train 按設(shè)置的 和 參數(shù)來訓(xùn)練網(wǎng)絡(luò)，采用批處理方式進(jìn)行網(wǎng)絡(luò)的權(quán)值和閾值修正，最終達(dá)到設(shè)定的網(wǎng)絡(luò)性能指標(biāo)的要 求。在 MATLAB 中訓(xùn)練網(wǎng)絡(luò)有兩 類模式：逐變模式和批處理模式?；镜膶W(xué)習(xí)函數(shù)有 ： learngd、 learngdm等。在 MATLAB 中，神經(jīng)網(wǎng)絡(luò) 當(dāng)做對象 (object)處理，其屬性用結(jié)構(gòu)來定義。 TFi 是第 i 層網(wǎng)絡(luò)神經(jīng)元的變換函數(shù) ,缺省為 tansig。 （ 2） BP 網(wǎng)絡(luò)生成函數(shù) newff：它是用來生成 BP 神經(jīng)網(wǎng)絡(luò)并進(jìn)行初始化，可以確定網(wǎng)絡(luò)層數(shù)、每層中的神經(jīng)元數(shù)和變換函數(shù)。包括從 MATLAB 中方便地調(diào)用程序（動態(tài)銜接），調(diào)用 MATLAB 作為計算工具，以及讀寫 MAT 文件 等 。它能以 “ 小程序 ” 很快地創(chuàng)建快速丟失 的 程序，以及 “ 大程序 ” 來創(chuàng)建完全大型復(fù)雜應(yīng)用程序 等 。 下面大 致介紹一下 MATLAB 的幾個組成部分， MATLAB 系統(tǒng) 主要 由五個主要部分組成： （ 1） 開發(fā)環(huán)境：這是幫助你使用 MATLAB 函數(shù)和文件中的一組便捷工具 ， 這些工具許多都是圖形用戶界面。隨著大量用戶的涌入， MATLAB 在這些年 的作用越來越明顯， 在大學(xué)中，它是導(dǎo)論和數(shù)學(xué)、工程科學(xué)的高級課程的標(biāo)準(zhǔn)教育工具，在工業(yè)中， MATLAB 是研究開發(fā)分析高效益的可選工具。典型用途包