基于BP模糊神經網絡自動裝填系統的故障診斷

楊松+龍飛宏

摘 要 分析BP模糊神經網絡原理，針對自動裝填系統提出基于BP模糊神經網絡的故障診斷方法，構造BP神經網絡的裝備故障診斷的推理過程，診斷結果表明了該方法的有效性。

關鍵詞 BP神經網絡；BP算法；故障診斷；自動裝填

中圖分類號 TP3 文獻標識碼 A 文章編號 1674-6708（2018）203-0142-02

在人們不斷探索精神的推動下，裝備技術得到不斷進步和發展，現代化工業生產過程中機械裝備性能參數和自動化水平及其結構復雜程度不斷提高，現代裝備系統也變得越來越復雜，于是對裝備的安全性和可靠性提出了更高的要求。自動裝填系統是一個大型系統，其技術含量高，結構復雜程度高，出現故障的原因與故障征兆種類多，并且之間的對應關系也非常復雜，一般是一對多，多對多等的映射關心，一旦某部位或某幾個部位發生故障就會引起整個系統工作異常，甚至造成系統癱瘓，構成極大經濟損失，并且出現異常后，檢修人員根據故障征兆準確定位故障、排除異常難度非常大。

針對此狀況，提出了一種基于自動裝填系統的故障診斷方法，運用BP模糊神經網絡對自動裝填系統進行故障診斷，建立自動裝填系統的神經網絡，并對其神經網絡進行網絡訓練，從而實現自動裝填系統的故障診斷。

1 基于BP模糊神經網絡的原理

1.1 人工神經元模型

人工神經網絡（ARTIFICIAL、EURALNETWORK，簡稱A.N.N.），又叫作“神經網絡”，是一種模擬人類大腦或者自然神經網絡是對信息搜集、處理、提取和分類等智能行為的工程系統。神經網絡由大量網絡神經元之間相互連接的非線性復雜網絡系統，具有自組織性、自適應性和非線性，易于學習和訓練，實現信息處理，在多個領域已經被廣泛應用。

1.2 BP模糊神經網絡的網絡模型

聚集大量人工神經元構成的神經網絡，又稱為多層前向網絡，在故障診斷方法領域中用得最廣，成效最好。由于該神經網絡在訓練的過程中采用了BP（Back-Propagation）算法，即“誤差反向傳播算法”。因此該網絡又作BP神經網絡。三層BP神經網絡構成標準BP神經網絡，其中包含一個輸入層，一個輸出層，在輸入層和輸出層之間還有一個隱含層，隱含層可以是單層，也可以是多層。這種結構的神經網絡，神經元只與和它相鄰的層之間進行神經元連接，實現的是完全鏈接，相同層各個神經元不連接。

BP模糊神經網絡訓練，首先對每一個輸入信號設定一個輸出信號期望輸出值。然后再對網絡進行訓練，當系統給定輸入信號時，輸入信號由輸入層經隱含層傳輸到輸出層的過程是一個正向傳播的過程。又稱為“順勢傳播過程”。如果實際輸出信號輸出值與輸出信號期望輸出值存在偏差，即存在誤差，那么就將進行反向傳播，又稱為“誤差逆傳播過程”，在誤差逆傳播過程中，網絡產生的誤差由輸出層傳輸到中間層，根據各層誤差的不同，不斷修改權值和閾值，經過“順勢傳播過程”和“誤差逆傳播過程”的不斷交替反復進行。并采用最快下降法使權值沿著誤差函數負梯度方向改變，網絡的實際輸出不斷向期望輸出逼近，直到所對應的輸出信號收斂于輸出信號期望輸出值為止。相比于其他網絡BP神經網絡具有：較強的非線性映射能力，高度自學習和自適應的能力，將學習成果應用于新知識的能力，一定的容錯能力等優點。

2 BP模糊神經網路故障診斷

自動裝填系統的故障模式大體可分為機械類故障和電氣類故障，兩大故障模式。但通過實際故障維修過程中統計發現：自動裝填系統機械執行部件的故障發生率相對于控制電路部分要少的多，而且故障發生后也較容易發現和排除。所以，本文主要針對自動裝填系統的控制電路的電氣故障進行分析。目前神經網絡的大小只是根據需要來確定。有多少個故障現象，就對應有多少個輸入節點；有多少個故障部位，就對應有多少個輸出節點。在隱含層節點可以根據需要任意設置的情況下，一個3層BP網絡可以實現以任意精度逼近任意連續函數。

以旋轉輸彈機為例，旋轉輸彈機作為自動裝填系統的主要部件之一，主要用于儲存彈藥，并且按指令將所選炮彈運至出彈口門。選取旋轉裝彈機不旋轉故障診斷為研究對象。已知導致輸彈機不旋轉的電氣故障因素有以下幾種原因：X1：自動裝填按鈕（ZC1-A1）故障；X2：繼電器J5故障；X3：繼電器J9故障，X4：旋轉輸彈機電磁鐵（XS-DT1）故障；X5：繼電器J32故障；X6：繼電器J11故障；X7：繼電器J31故障；X8：繼電器J33故障；X9：閉鎖銷解鎖到位轉換觸點（DT2-K1，2）故障。總結出4個故障部位：Y1：按鈕故障；Y2：繼電器故障；Y3：電磁鐵故障；Y4：旋轉輸彈機沒有解鎖。對應這9個故障原因，有9個輸入節點，對應這4個故障部位，有4個輸出節點。本文采用step7——300編程，PLC采集各個節點模擬量，從中提取數據，將這些數據經過歸一化處理之后，最終得到訓練神經網絡所需的樣本數據。對BP模糊神經網路算法訓練，進行故障診斷。

經MATLAB仿真之后，檢驗結果與實際狀態相符。

3 結論

通過對自動裝填系統的分析研究和診斷結果來看，BP模糊神經網絡能夠有效的解決實際出現故障難題。由于BP模糊神經網絡結構簡單，方法容易，速度迅捷，提高了系統的穩定性和診斷的準確性。所以采用BP神經網絡的診斷方法是非常合適的。

參考文獻

[1]汪振興，劉臣宇，李麗，等.基于改進BP神經網絡的某型裝備故障診斷專家系統[J].計算機與現代化，2010（2）：200-203.

[2]唐洪法.基于BP神經網絡的網絡故障診斷系統[D].南京：南京理工大學，2005.

[3]李士勇.模糊控制、神經控制和智能控制論[M].哈爾濱：哈爾濱工業大學出版社，1998.endprint