神經(jīng)網(wǎng)絡(luò)實(shí)例(MATLAB).doc

基于BP神經(jīng)網(wǎng)絡(luò)的回?zé)嵯到y(tǒng)故障診斷設(shè)計(jì)摘要：神經(jīng)網(wǎng)絡(luò)是一種模范動(dòng)物神經(jīng)網(wǎng)絡(luò)行為特征，進(jìn)行分布式并行信息處理的算法數(shù)學(xué)模型。這種網(wǎng)絡(luò)依靠系統(tǒng)的復(fù)雜程度，通過(guò)調(diào)整內(nèi)部大量節(jié)點(diǎn)之間相互連接的關(guān)系，從而達(dá)到處理信息的目的。對(duì)于實(shí)際中難以建立數(shù)學(xué)模型的復(fù)雜系統(tǒng)，神經(jīng)網(wǎng)絡(luò)更顯示出其獨(dú)特的作用。1986年，Rumelhart和McCelland領(lǐng)導(dǎo)的科學(xué)家小組在Parallel Distributed Processing一書(shū)中，對(duì)具有非線性連續(xù)轉(zhuǎn)移函數(shù)的多層前饋網(wǎng)絡(luò)的誤差反向傳播（Error Back Proragation，簡(jiǎn)稱(chēng)BP）算法進(jìn)行了詳盡的分析，實(shí)現(xiàn)了Minsky關(guān)于多層網(wǎng)絡(luò)的設(shè)想。由于多層前饋網(wǎng)絡(luò)的訓(xùn)練經(jīng)常采用誤差反向傳播算法，人們也常把將多層前饋網(wǎng)絡(luò)直接稱(chēng)為BP網(wǎng)絡(luò)。BP網(wǎng)絡(luò)具有逼近任意非線性映射的能力，它含有隱層的多層前饋網(wǎng)絡(luò)能大大提高神經(jīng)網(wǎng)絡(luò)的分類(lèi)能力。神經(jīng)網(wǎng)絡(luò)應(yīng)用的其中一大領(lǐng)域是故障診斷。故障診斷是指在一定工作環(huán)境下查明導(dǎo)致系統(tǒng)某種功能失調(diào)的原因或者性質(zhì)，判斷劣化狀態(tài)發(fā)生的部分或部件，以及預(yù)測(cè)狀態(tài)劣化的發(fā)展趨勢(shì)等。故障診斷的過(guò)程分為三個(gè)主要步驟：第一步是檢測(cè)設(shè)備狀態(tài)的特征信號(hào)；第二步是從所檢測(cè)到的特征信號(hào)中提取征兆；第三步是根據(jù)征兆和其他診斷信息來(lái)識(shí)別設(shè)備的狀態(tài)，從而完成故障診斷過(guò)程的核心。關(guān)鍵詞：人工智能，神經(jīng)網(wǎng)絡(luò)，BP算法，故障診斷回?zé)嵯到y(tǒng)是電機(jī)組的主要輔助系統(tǒng)之一，回?zé)嵯到y(tǒng)長(zhǎng)期處于高溫高壓的運(yùn)行狀態(tài)，加之運(yùn)行中還收到機(jī)組負(fù)荷突變、給水泵出現(xiàn)故障、旁路切換等因素的影響，所以回?zé)嵯到y(tǒng)會(huì)頻繁出現(xiàn)故障。我們利用BP神經(jīng)網(wǎng)絡(luò)對(duì)故障進(jìn)行診斷。BP算法實(shí)現(xiàn)一般步驟：1） 初始化；2） 輸入訓(xùn)練樣本對(duì)，計(jì)算各層輸出；3） 計(jì)算網(wǎng)絡(luò)輸出誤差；4） 計(jì)算各層誤差信號(hào)；5） 調(diào)整各層權(quán)值；6） 檢查網(wǎng)絡(luò)總誤差是否達(dá)到精度要求，滿足，則訓(xùn)練結(jié)束；不滿足，則返回步驟2。BP算法的基本思想是，學(xué)習(xí)過(guò)程由信號(hào)的正向傳播與誤差的反向傳播兩個(gè)過(guò)程組成。正向傳播時(shí)，輸入樣本從輸入層傳人，經(jīng)各隱層逐層處理后，傳向輸出層。若輸出層的實(shí)際輸出與期望的輸出(教師信號(hào))不符，則轉(zhuǎn)入誤差的反向傳播階段。誤差反傳是將輸出誤差以某種形式通過(guò)隱層向輸入層逐層反傳，并將誤差分?jǐn)偨o各層的所有單元，從而獲得各層單元的誤差信號(hào)，此誤差信號(hào)即作為修正各單元權(quán)值的依據(jù)。這種信號(hào)正向傳播與誤差反向傳播的各層權(quán)值調(diào)整過(guò)程，是周而復(fù)始地進(jìn)行的。權(quán)值不斷調(diào)整的過(guò)程，也就是網(wǎng)絡(luò)的學(xué)習(xí)訓(xùn)練過(guò)程。此過(guò)程一直進(jìn)行到網(wǎng)絡(luò)輸出的誤差減少到可接受的程度，或進(jìn)行到預(yù)先設(shè)定的學(xué)習(xí)次數(shù)為止。BP算法的網(wǎng)絡(luò)結(jié)構(gòu)示意圖如下：人們?cè)趯?duì)BP網(wǎng)絡(luò)的學(xué)習(xí)算法進(jìn)行廣泛研究后，提出了不少改進(jìn)的算法，典型的幾種：1） 引入慣性項(xiàng)2） 引入動(dòng)量項(xiàng)3） 變尺度法4） 變步長(zhǎng)法5） 計(jì)算輸出誤差根據(jù)回?zé)嵯到y(tǒng)的運(yùn)行經(jīng)驗(yàn)及現(xiàn)場(chǎng)條件，利用9個(gè)運(yùn)行參數(shù)提取故障征兆，歸納得到12個(gè)主要故障的樣本特征模式，歸一化處理后的數(shù)據(jù)如下表所示：表1 回?zé)嵯到y(tǒng)主要故障的樣本特征模式序號(hào)故障征兆（輸入樣本）目標(biāo)樣本抽氣流量抽氣壓力進(jìn)口壓力進(jìn)口水溫出口水溫混合水溫出口端差水位高度輸水溫度故障現(xiàn)象對(duì)應(yīng)描述.10.500.500.500.500.750.750.250.500.50A000120.250.600.500.500.500.500.750.500.50B001030.750.400.750.500.500.500.500.500.50C001140.250.600.500.500.250.250.750.500.50D010050.250.600.500.500.000.001.000.500.50E010160.750.400.750.500.250.250.751.000.25F011070.250.600.500.500.500.500.750.750.50G011180.750.400.500.500.750.750.250.001.00H100090.250.600.500.500.750.250.250.500.50I1001100.250.600.500.500.250.250.751.000.50J1010110.500.500.500.501.000.750.251.000.50K1011120.000.750.750.500.500.750.251.000.50L1100注：A-運(yùn)行正常 B-排氣管不暢 C-排氣管過(guò)大 D-管束污染 E-水測(cè)短路F-管束泄漏 G-疏水不暢 H-疏水閥故障 I-旁路故障 J-加熱器滿水 K-熱氣帶水 L-自身沸騰表1根據(jù)各個(gè)參數(shù)的不同特點(diǎn)來(lái)表示它們的變化范圍和程度?？紤]到參數(shù)測(cè)點(diǎn)的波動(dòng)，將智能變大或變小的參數(shù)的正常值設(shè)定為0.25和0.75，而將可能雙向變化的參數(shù)的正長(zhǎng)治值設(shè)定為0.5。這樣，作為神經(jīng)網(wǎng)絡(luò)的訓(xùn)練樣本，大多數(shù)的參數(shù)在歸一化后其變化范圍加大了，極大地改善了訓(xùn)練的收斂性。根據(jù)要求，我們采用BP網(wǎng)絡(luò)進(jìn)行故障診斷。因?yàn)锽P網(wǎng)絡(luò)具有逼近任意非線性映射的能力，所以它在故障診斷中的應(yīng)用非常成功。1確定訓(xùn)練樣本集由于BP網(wǎng)絡(luò)采用有教師的訓(xùn)練學(xué)習(xí)方式，所以其訓(xùn)練樣本集由輸入數(shù)據(jù)和目標(biāo)輸出組成。這里選取回?zé)嵯到y(tǒng)的9個(gè)運(yùn)行參數(shù)所提取的故障征兆，作為網(wǎng)絡(luò)輸入數(shù)據(jù)向量的9個(gè)分量；12種主要故障分別用4位不同的二進(jìn)制數(shù)表示如表1中所示，作為網(wǎng)絡(luò)目標(biāo)輸出向量的4個(gè)分量。由表1可知，訓(xùn)練樣本N為12，分別代表12中不同的主要故障。2網(wǎng)絡(luò)設(shè)計(jì)和訓(xùn)練在本案例中將網(wǎng)絡(luò)設(shè)計(jì)為一個(gè)兩層BP網(wǎng)絡(luò)。由于輸入向量的維數(shù)為9，因此該網(wǎng)絡(luò)的輸入層的神經(jīng)元數(shù)為9個(gè)；而輸入向量的維數(shù)為4，故輸出層的神經(jīng)元數(shù)為4個(gè)。本例經(jīng)過(guò)實(shí)際訓(xùn)練，通過(guò)對(duì)誤差結(jié)果的分析，最后設(shè)定隱含層的神經(jīng)元數(shù)為19個(gè)。由于網(wǎng)絡(luò)的輸入向量范圍為0,1，故隱含層神經(jīng)元的傳遞函數(shù)采用S型正切函數(shù)tansig，輸出層神經(jīng)元的傳遞函數(shù)采用S型對(duì)數(shù)函數(shù)logsig,這正好滿足網(wǎng)絡(luò)輸出在0,1之間的要求。訓(xùn)練函數(shù)trainlm利用Levenberg-Marpuardt算法對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練。通過(guò)matlab可以方便的實(shí)現(xiàn)課題的完成，MATLAB程序如下：%確定訓(xùn)練樣本集%x= 0.50,0.50,0.50,0.50,0.75,0.75,0.25,0.50,0.50; 0.25,0.60,0.50,0.50,0.50,0.50,0.75,0.50,0.50; 0.75,0.40,0.75,0.50,0.50,0.50,0.50,0.50,0.50; 0.25,0.60,0.50,0.50,0.25,0.25,0.75,0.50,0.50; 0.25,0.60,0.50,0.50,0.00,0.00,1.00,0.50,0.50; 0.75,0.40,0.75,0.50,0.25,0.25,0.75,1.00,0.25; 0.25,0.60,0.50,0.50,0.50,0.50,0.75,0.75,0.50; 0.75,0.40,0.50,0.50,0.75,0.75,0.25,0.00,1.00; 0.25,0.60,0.50,0.50,0.75,0.25,0.25,0.50,0.50; 0.25,0.60,0.50,0.50,0.25,0.25,0.75,1.00,0.50; 0.50,0.50,0.50,0.50,1.00,0.75,0.25,1.00,0.50; 0.00,0.75,0.75,0.50,0.50,0.75,0.25,1.00,0.50; 0.35,0.65,0.5,0.5,0.55,0.5,0.7,0.5,0.55;t= 0,0,0,1; 0,0,1,0; 0,0,1,1; 0,1,0,0; 0,1,0,1; 0,1,1,0; 0,1,1,1; 1,0,0,0; 1,0,0,1; 1,0,1,0; 1,0,1,1; 1,1,0,0;%網(wǎng)絡(luò)設(shè)計(jì)和訓(xùn)練%X=x;T=t;X1=X(:,1:12);%測(cè)試第13組T1=T(:,1:12);%測(cè)試第13組%建立神經(jīng)網(wǎng)絡(luò)，19,4隱層為2*輸入+1,4為輸出net=newff(minmax(X1),19,4,tansig,logsig,trainlm);net.trainparam.epochs=1000;net.trainparam.goal=0.0001;net=train(net,X1,T1);y1=sim(net,X1);%測(cè)試y1=sim(net,X1);X_test=X(:,13);%測(cè)試第13組Y_test=sim(net,X_test);運(yùn)行程序，可以得到結(jié)果：圖1 誤差變化曲線經(jīng)過(guò)網(wǎng)絡(luò)訓(xùn)練后，根據(jù)下表所示的一組測(cè)試樣本，對(duì)網(wǎng)絡(luò)進(jìn)行測(cè)試。序號(hào)故障征兆抽氣流量抽氣壓力進(jìn)口壓力進(jìn)口水溫出口水溫混合水溫出口端差水位疏水溫度10.350.650.500.500.550.500.700.500.55根據(jù)上表中的數(shù)據(jù)，把需測(cè)試的數(shù)據(jù)寫(xiě)到第十三組。運(yùn)行結(jié)果：x = Columns 1 through 12 0.5000 0.2500 0.7500 0.2500 0.2500 0.7500 0.2500 0.7500 0.2500 0.2500 0.5000 0 0.5000 0.6000 0.4000 0.6000 0.6000 0.4000 0.6000 0.4000 0.6000 0.6000 0.5000 0.7500 0.5000 0.5000 0.7500 0.5000 0.5000 0.7500 0.5000 0.5000 0.5000 0.5000 0.5000 0.7500 0.5000 0.5000 0.5000 0.5000 0.5000 0.5000 0.5000 0.5000 0.5000 0.5000 0.5000 0.5000 0.7500 0.5000 0.5000 0.2500 0 0.2500 0.5000 0.7500 0.7500 0.2500 1.0000 0.5000 0.7500 0.5000 0.5000 0.2500 0 0.2500 0.5000 0.7500 0.2500 0.2500 0.7500 0.7500 0.2500 0.7500 0.5000 0.7500 1.0000 0.7500 0.7500 0.2500 0.2500 0.7500 0.2500 0.2500 0.5000 0.5000 0.5000 0.5000 0.5000 1.0000 0.7500 0 0.5000 1.0000 1.0000 1.0000 0.5000 0.5000 0.5000 0.5000 0.5000 0.2500 0.5000 1.0000 0.5000 0.5000 0.5000 0.5000 Column 13 0.3500 0.6500 0.5000 0.5000 0.5500 0.5000 0.7000 0.5000 0.5500Y_test = 0.0068 0.0101 0.9869 0.0001也就是說(shuō)近似于：0010由此可見(jiàn)，網(wǎng)絡(luò)的分類(lèi)結(jié)果是正確的。也就是說(shuō)，網(wǎng)絡(luò)成功診斷出系統(tǒng)此次發(fā)生的故障為B類(lèi)故障，即排氣管不暢。因此B