人工神經(jīng)網(wǎng)絡(luò)應(yīng)用于空調(diào)系統(tǒng)故障診斷-研究

1、人工神經(jīng)網(wǎng)絡(luò)應(yīng)用于空調(diào)系統(tǒng)故障診斷-研究            摘要：本文首先介紹了人工神經(jīng)網(wǎng)絡(luò)的基本原理，然后詳細(xì)介紹了反向傳播算法（BP），最后研究BP算法在空調(diào)系統(tǒng)故障診斷方面的應(yīng)用。關(guān)鍵詞：人工神經(jīng)網(wǎng)絡(luò) 反向傳播算法 故障診斷 1 引言隨著經(jīng)濟(jì)的發(fā)展，空調(diào)系統(tǒng)得到了越來越廣泛的應(yīng)用，空調(diào)設(shè)備已成為重要的生活必備品之一。這就要求空調(diào)系統(tǒng)可靠性高且功能齊全，而且在故障診斷維修服務(wù)方面達(dá)到一定的水平。國內(nèi)目前的大部分空調(diào)系統(tǒng)中無故障診斷系統(tǒng)，當(dāng)空調(diào)系統(tǒng)出現(xiàn)故障后，維保人員往

2、往不能及時(shí)、準(zhǔn)確地了解系統(tǒng)出現(xiàn)故障的原因及相關(guān)信息，空調(diào)系統(tǒng)無法得到及時(shí)修復(fù)，這種情況急需得到改善。2 關(guān)于故障診斷技術(shù)故障診斷FD(fault diagnosis)是一種了解和掌握設(shè)備在使用過程中的技術(shù)，確定其整體或局部是否正常，早期發(fā)現(xiàn)故障及其原因并能預(yù)報(bào)故障發(fā)展趨勢的技術(shù)。在診斷過程中，必須利用被診斷對(duì)象表現(xiàn)出來的各種有用信息，經(jīng)過適當(dāng)?shù)靥幚砗头治?，做出正確的診斷結(jié)論。在制冷暖通空調(diào)領(lǐng)域，1987年在彥啟森教授的建議下，才開始了故障診斷專家系統(tǒng)在制冷暖通空調(diào)領(lǐng)域的研究應(yīng)用1。3 人工神經(jīng)網(wǎng)絡(luò)用于空調(diào)系統(tǒng)故障診斷的基本原理人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Network簡稱

3、ANN)正是在人類對(duì)其大腦神經(jīng)網(wǎng)絡(luò)認(rèn)識(shí)理解的基礎(chǔ)上人工構(gòu)造的能夠?qū)崿F(xiàn)某種功能的神經(jīng)網(wǎng)絡(luò)。它是理論化的人腦神經(jīng)網(wǎng)絡(luò)的數(shù)學(xué)模型，是基于模仿大腦神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)和功能而建立的一種信息處理系統(tǒng)。它實(shí)際上是由大量簡單元件相互連接而成的復(fù)雜網(wǎng)絡(luò)，具有高度的非線性，能夠進(jìn)行復(fù)雜的邏輯操作和非線性關(guān)系實(shí)現(xiàn)的系統(tǒng)。典型的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)如圖1所示。在眾多的人工神經(jīng)網(wǎng)絡(luò)模型中，最常用的是BP(Back Propagation)模型，即利用誤差反向傳播算法求解的多層前向神經(jīng)網(wǎng)絡(luò)模型2。BP網(wǎng)絡(luò)在故障診斷、模式識(shí)別、圖像識(shí)別、管理系統(tǒng)等方面都得到了廣泛的應(yīng)用。本文討論利用神經(jīng)網(wǎng)絡(luò)中的BP模型進(jìn)行空調(diào)系統(tǒng)的故障診斷。一般的BP

4、算法稱為標(biāo)準(zhǔn)誤差逆?zhèn)鞑ニ惴?，也就是?duì)應(yīng)每一次輸入都校正一次權(quán)值。這種算法不是全局誤差意義上的梯度下降計(jì)算。對(duì)各個(gè)神經(jīng)元的輸出求偏導(dǎo)數(shù)，那么就可以算出誤差5 故障診斷實(shí)例5.1 空調(diào)系統(tǒng)故障診斷的BP網(wǎng)絡(luò)建立空調(diào)系統(tǒng)故障模式及故障機(jī)制分析4如表1所示表1 空調(diào)系統(tǒng)故障模式及故障機(jī)制分析 表示符號(hào)故障模式表示符號(hào)故障原因x1房間溫度均偏高y1y 2y 3y 4y 5y 61.冷凍機(jī)產(chǎn)冷量不足2.噴水堵塞3.通過空氣處理設(shè)備的風(fēng)量過大，熱交換不良4.回風(fēng)量大于送風(fēng)量5.送風(fēng)量不足（可能空氣過濾氣堵塞）6.表冷器結(jié)霜，造成堵塞x 2相對(duì)濕度均偏低y 77.室外空氣未經(jīng)加濕處理x 3系統(tǒng)實(shí)測風(fēng)量大于設(shè)計(jì)

5、風(fēng)量y 8y 98.系統(tǒng)的實(shí)際阻力小于設(shè)計(jì)阻力9.設(shè)計(jì)時(shí)選用風(fēng)機(jī)容量偏大    2007-04-22        x 4房間氣流速度超過允許流速y 10y 11y 1210.送風(fēng)口速度過大11.總送風(fēng)量過大12.送風(fēng)口的型式不適合5.2 網(wǎng)絡(luò)輸入輸出向量及參數(shù)的選取以故障模式X（x1，x2，x3，x4）輸入，故障原因Y（y1，y2，y3 '''' y12）作為輸出，以不同的故障原因?qū)е碌墓收夏Ｊ綖橛?xùn)練樣本進(jìn)行學(xué)習(xí)，從而建立故障模式與故障原因之

6、間的映射關(guān)系。x 1 ，x2 ，x 3， x 4分別代表故障房間溫度均偏高、相對(duì)濕度均偏低、系統(tǒng)實(shí)測風(fēng)量大于設(shè)計(jì)風(fēng)量和房間氣流速度超過允許流速的4種故障現(xiàn)象；y1，y2，y12分別代表冷凍機(jī)產(chǎn)冷量不足；噴水堵塞送風(fēng)口的型式不適合等故障原因。    5.3 網(wǎng)絡(luò)結(jié)構(gòu)及訓(xùn)練樣本的選取空調(diào)系統(tǒng)故障診斷的神經(jīng)網(wǎng)絡(luò)模型分為3層，分別為輸入層、隱含層和輸出層。輸入層節(jié)點(diǎn)個(gè)數(shù)為4，對(duì)應(yīng)于4個(gè)故障現(xiàn)象，輸出層節(jié)點(diǎn)個(gè)數(shù)為12，對(duì)應(yīng)于12個(gè)故障原因。輸出節(jié)點(diǎn)值的大小反映了故障出現(xiàn)的可能性。隱含層節(jié)點(diǎn)的個(gè)數(shù)可參照公式初步選取5：為1至10的常數(shù)，在此，選取16個(gè)隱節(jié)點(diǎn)。輸入單

7、元數(shù)為4個(gè)，輸出單元數(shù)為12個(gè)。隱含層單元個(gè)數(shù)憑經(jīng)驗(yàn)選取，一般取45個(gè)隱含節(jié)點(diǎn)對(duì)應(yīng)一個(gè)輸入節(jié)點(diǎn)，這里選4個(gè)，則隱含層節(jié)點(diǎn)為，輸出 式中的作用是調(diào)節(jié)Sigmoid函數(shù)的形狀。取4個(gè)訓(xùn)練樣本，具體如表2所示。（x1，x2，x3，x4）（1，0，0，0）表示房間溫度均偏高的故障模式；（y1，y2，y3 '''' y12）（1，1，1，1，1，1，0，0，''''）表示房間溫度均偏高的故障原因。表2 BP網(wǎng)絡(luò)的訓(xùn)練樣本表 樣本序號(hào)故障模式故障原因x1 x2 x3 x4y1 y2 y3 y4 y5 y6 y7 y8 y9 y10 y11 y1212341 0 0 00 1 0 00 0 1 0 0 0 0 11 1 1 1 1 1 0 0 0 0 0 00 0 0 0 0 0 1 0 0 0 0 00 0 0 0 0 0 0 1 1 0 0 00 0 0 0 0 0 0 0 0 1 1 15.4 網(wǎng)絡(luò)的訓(xùn)練與檢驗(yàn) 我們以給定模式作為網(wǎng)絡(luò)的輸入，要求網(wǎng)絡(luò)通過調(diào)節(jié)所有的連接權(quán)系數(shù)和各神經(jīng)元的閾值，使得在輸出層神經(jīng)元上得到理想的結(jié)果；然后再給出另一個(gè)模式，要求網(wǎng)絡(luò)繼續(xù)完成對(duì)這對(duì)模式的學(xué)習(xí)。當(dāng)系統(tǒng)的平均誤差E滿足下式即可完成訓(xùn)練： 是