一种基于可拓神经网络的烘房加热系统故障诊断方法技术方案

一种基于可拓神经网络的烘房加热系统故障诊断方法，利用可拓学定性和定量描述方式处理结构化知识的特性并结合神经网络并行结构的特点，使神经网络借助并行分布处理结构完成可拓推理过程。首先依据烘房加热系统设备监测参数和故障类型，建立基于可拓神经网络的物元输入、输出模型；然后将样本参数进行充分训练，并计算输出特征值的可拓距，通过比对可拓距和预设设备安全区间，实现设备故障诊断功能。

【技术实现步骤摘要】
【专利摘要】，利用可拓学定性和定量描述方式处理结构化知识的特性并结合神经网络并行结构的特点，使神经网络借助并行分布处理结构完成可拓推理过程。首先依据烘房加热系统设备监测参数和故障类型，建立基于可拓神经网络的物元输入、输出模型；然后将样本参数进行充分训练，并计算输出特征值的可拓距，通过比对可拓距和预设设备安全区间，实现设备故障诊断功能。【专利说明】
本专利技术涉及机电设备故障诊断领域，尤其是一种烘房加热系统故障诊断方法。 技术背景 汽车涂装线由前处理系统、电泳系统、烘房系统等组成，是一个具有不确定性、繁杂多变的对象。对涂装线进行可靠、准确地监测和潜在故障的及时预警和诊断是保证各系统设备稳定运行的基本条件。现有技术中无法对烘房加热系统故障进行有效的诊断。
技术实现思路
为了克服现有汽车涂装线无法对烘房加热系统故障进行有效诊断的不足，本专利技术充分利用可拓学定性和定量描述方式处理结构化知识的特性并结合神经网络并行结构的特点，使神经网络借助并行分布处理结构完成可拓推理过程，实现涂装线烘房加热系统故障诊断功能。 本专利技术解决其技术问题所采用的技术方案如以下内容: ，所述故障诊断方法包括以下步骤: I)、建立烘房加热系统可拓神经网络模型 网络输入层参数分别是:加热温度TW、助燃风机轴瓦温度Tl、助燃风机转速nl、燃油流量RF、调节阀压力PS1、燃油压力PS2、助燃风机压力PS3、电机电流A、电机功率P，根据物元定义，建立可拓神经网络输入层9维物元模型M ； 根据烘房加热系统故障经验，该系统的故障包括:调节阀阻塞Q1、输送管道堵塞Q2、燃气水分含量过多Q3、燃油压力不足Q4、原油含水Q5、电机转子故障Q6 ;构建输出层6维的网络输出物元iki; 【权利要求】1.，其特征在于:所述故障诊断方法包括以下步骤: 1)、建立烘房加热系统可拓神经网络模型 网络输入层参数分别是:加热温度TW、助燃风机轴瓦温度Tl、助燃风机转速nl、燃油流量RF、调节阀压力PS1、燃油压力PS2、助燃风机压力PS3、电机电流A、电机功率P，根据物元定义，建立可拓神经网络输入层9维物元模型M ； 根据烘房加热系统故障经验，该系统的故障包括:调节阀阻塞Q1、输送管道堵塞Q2、燃气水分含量过多Q3、燃油压力不足Q4、原油含水Q5、电机转子故障Q6 ;构建输出层6维的网络输出物元妨；在原始神经网络中，神经元与神经元之间存在着连接权值Wji,当9维特征以物元M的形式输入时，定义权值矩阵W:其中，Wji表示物元M中第i个特征Cmi与神经网络隐层第j个神经元之间的连接权值。可知W的每一行Wji (i = 1,2,...,9)表示输入层物元M的9维特征分别对隐层m维特征第j (j = I, 2，…，m)个神经元的连接权值； 同理定义隐层与输出层之间的权值矩阵F其中，Wji U = I, 2,..., m)表示隐层m维特征分别对物元分|的6维特征第j (I, 2，…，6)个神经元的连接权值； 2)、模型故障诊断 根据预设设备安全区间，计算网络输出各节点可拓距P，当P〈O，设备处于正常状态；当P >0,设备出现故障；当P = O,设备处于故障边缘状态。2.如权利要求1所述的基于可拓神经网络的烘房加热系统故障诊断方法，其特征在于:所述步骤I)中，烘房加热系统可拓神经网络模型建立后，神经元激励函数全部取对数Sigmoid函数训练步骤如下: .1.1)令网络迭代次数t = 0，Awji = O-1, η+= 1.2，η_ = 0.5，并设定训练目标g和最多可迭代次数e ; .1.2)计算指标函数对权值的一阶偏导数MltM冲，并根据(7)式计算Awji；式中，η +和ι 分别为增加因子、减小因子,且满足0〈 〈1〈 η+,通常取ι = 0.5, η += 1.2; BEfVdwji为指标函数E(t)对权值Wji的梯度； .1.3)根据(8)式计算网络权值调整量Δι<，同时根据(7)、(9)式对网络权值W=进行调整； w(;” +Awf1*(9) .1.4)计算所有样本的误差平方和e?，t= t+1，如果e?〈g或t>e，则训练结束，否则跳到步骤1.2)。3.如权利要求1或2所述的基于可拓神经网络的烘房加热系统故障诊断方法，其特征在于:所述步骤2)中，预设可拓标准距区间表，并分别计算每个特征值Vmi对应标准区间的距P，得到关于P的数值。【文档编号】G06N3/02GK104200266SQ201410417624【公开日】2014年12月10日 申请日期:2014年8月22日 优先权日:2014年8月22日 【专利技术者】叶永伟, 任设东, 叶连强, 钱志勤, 葛沈浩 申请人:浙江工业大学本文档来自技高网...

【技术保护点】
一种基于可拓神经网络的烘房加热系统故障诊断方法，其特征在于：所述故障诊断方法包括以下步骤：1)、建立烘房加热系统可拓神经网络模型网络输入层参数分别是：加热温度TW、助燃风机轴瓦温度T1、助燃风机转速n1、燃油流量RF、调节阀压力PS1、燃油压力PS2、助燃风机压力PS3、电机电流A、电机功率P，根据物元定义，建立可拓神经网络输入层9维物元模型M；根据烘房加热系统故障经验，该系统的故障包括：调节阀阻塞Q1、输送管道堵塞Q2、燃气水分含量过多Q3、燃油压力不足Q4、原油含水Q5、电机转子故障Q6；构建输出层6维的网络输出物元在原始神经网络中，神经元与神经元之间存在着连接权值wji，当9维特征以物元M的形式输入时，定义权值矩阵W：W=w11w12···w19w21w22···w29········&CenterDot;···wm1wm2···wm9]]>其中，wji表示物元M中第i个特征cmi与神经网络隐层第j个神经元之间的连接权值。可知W的每一行wji(i＝1,2,...,9)表示输入层物元M的9维特征分别对隐层m维特征第j(j＝1,2,…,m)个神经元的连接权值；同理定义隐层与输出层之间的权值矩阵W‾=w11w12···w1mw21w22···w2m············w61w62···w6m]]>其中，wji(i＝1,2,...,m)表示隐层m维特征分别对物元的6维特征第j(1,2,…,6)个神经元的连接权值；2)、模型故障诊断根据预设设备安全区间，计算网络输出各节点可拓距ρ，当ρ<0，设备处于正常状态；当ρ>0，设备出现故障；当ρ＝0，设备处于故障边缘状态。...

【技术特征摘要】

【专利技术属性】
技术研发人员：叶永伟，任设东，叶连强，钱志勤，葛沈浩，
申请(专利权)人：浙江工业大学，
类型：发明
国别省市：浙江;33