基于遗传神经网络地铝电解故障诊断研究.pdfVIP

《冶金自动化》2008年Sl 基于遗传神经网络的铝电解故障诊断研究 杨春宁，曾水平 (北方工业大学机电工程学院，北京100041) 摘要：为了克服BP神经网络存在对初值的要求离，收敛速度慢，容易陷入局部最小值的缺点，采用遗传算法对 BP网络的初始权值进行优化，得到最优初始权值，再进行网络学习。仿真表明，经过遗传算法优化的BP神经 网络的收敛速度和诊断能力都优于单纯的BP神经网络，可以有效地对铝电解槽槽况进行故障诊断。 关键词：遗传算法；BP神经网络；铝电解；故障诊断 O前言 法对铝电解槽槽电阻正常和异常信号进行了频谱 铝电解槽是一个非线性、多耦合、时变和大时 分析，得出了正常和异常情况下槽电阻信号的典 滞的工业过程体系，电场，磁场，热场等交互干扰， 型特征，对这些特征进行特点分析和归纳总结，表 难以建立故障诊断的准确的数学模型，人工神经 明槽电阻信号的主频率在0—0．1Hz之间。在铝 网络的出现为这个问题的解决带来了一条有效的 电解过程中，由于氧化铝下料和极距调整，在很低 途径¨j。人工神经网络中，BP神经网络应用最广 频率处有一个稳定的低频信号，当铝液波动较大 泛，但BP网络学习速度慢而且易于收敛于局部最 时，在稍高频率处，有一个明显的波峰，当阳极异 小值，而遗传算法具有很强的全局搜索能力，容易 常时，在稍高频率处，有两个比较明显的波峰14]。 找到全局最优解【2。J。因此，用遗传算法对BP网所以，针对这三种铝电解槽的槽况，建立以频谱能 络进行优化，将遗传算法和BP神经网络结合起 量为特征向量的故障样本和网络模型，其中输人 来，形成遗传BP神经网络，对铝电解槽槽况进行 特征向量尸0，P1，P2，用，尸4，P5，P6，刀，尸8，P9分 故障诊断，可以提高故障诊断的准确率。 别代表总能量，O一0．01Hz，0．01—0．02Hz，0．02 —0．03 1铝电解槽槽况故障诊断原理 Hz，O．03—0．04Hz，O．04—0．05Hz，0．05～ 0．06 在铝电解过程中，槽况参数复杂多变，作者从 Hz，O．06～O．07Hz，O．07～O．08Hz，O．08一 O．09 铝电解槽槽电阻信号人手，用遗传神经网络对铝 Hz频率之间的能量。输入向量的9组数据如 电解槽槽况进行故障诊断。首先，用AR谱估计方 表1所示。 表1神经网络的训练样本数据 接下来确定网络的输出模式，由于铝电解槽 槽况包括3种故障模式，因此可以采用如下的形 收稿日期：2007旬8-27；修改稿收到日期：2008旬1J09 作者简介：杨春宁(1982·)，男，山西大同人，硕士研究生，主要从事检测技术与故障诊断的研究。 ·139· 麓燃鬻瓷嚣 i囊然嚣描 罢和缵嚣搿銎善茹 ≤一个个体就是BP神经网络的一1。仪阻术口。望凳鬻慧麓嬲盏嘉?聂莩 始种篱黧耄篡权的适配值。遗传算法的 氅j裹器嚣嵩茹茹磊嚣二 目替兰燃篙淼嚣巍善茹磊 ：翟跫燃翥骂翼鬻茹舅剐呻 目标函数为前向计算网络的输出饫茬8i刚Ⅳ。”。 蒸茎誊蚕毫誊蒜三毫蚤毛暑薹毒誊巍量童巍毫妻毛曼熏誊篓毫 ．140· 《冶金自动化》2008年Sl 可见，经过100代遗传操作，达到了指定的目 速度快，运行时间短。虽然这里只有9个样本，但 标值占甄=5．0，其训练目标曲线，遗传算法误差平 随着样本数的增加，BP神经网络有可能陷入局部 方和曲线和适应度曲线分别如图2，图3所示。 最小值，而利用GA．BP神经网络基本