基于神经网络技术的CUMS-AVR可控硅电压调节器故障诊断的研究.pdfVIP

!!丝兰全里茎苎!兰堑：堡查：墨兰皇竺塑垫查兰!三堡墨生生兰查全堡垒奎苎一———————．——生查二兰竺生坐』!二生 基于神经网络技术的CUMS．AVR可控硅电压调节器故障诊断研究 南栋祥 邱惠清 (同济大学机械T程学院【：海，200092) 摘要在基于神经网络的智能故障诊断进行充分研究的基础上，通过改进BP训练算法，采甩带有偏盖单元的递归神 经网络的算法和诊断模型，对CUMS．AVR发电车典型故障进行神经网络的建模，经仿真取得了良好的效果． 关键词ANN，故障诊断，CUMS 中国图文分类号1飞7 1．引言 CUMS(康明斯1发电车是Y25型列车的关键设稀，在空调列车qJ起着提供能源的作用。在列车运行中， 常常由于CUMS发电车出现故障而又未能及时发现和排除，其结果是不仅会导致其本身损坏、不能继续运 行，往往还会导致牾个列车的供电系统中断，严重影响列车的安全运行。对于CUMS可控硅电压调节器的 故障诊断．是CUMS发电车能保证正常运行的关键部件，及时准确无误的故障诊断具有特别重要的意义。 基于神经网络的故障诊断问题可以看成模式识别，通过一系列状态参数的测量，然后用神经网络从测 最空间映射到故障空问，实现故障诊断。另‘方面人工神经网络具有“自学习”的能力，能直接从定量的、 历史故障信息中学习．从中提取出故障所包含的基本特征和规律，并把这些故障的基本特征和规律以权值 的形式储存在神经网络中，用于故障的诊断。同时，人工神经网络具有滤除噪声的能力，使其可在有噪声 环境中有效地丁作。因此，对于处理丁况变化大、故障复杂、噪声干扰严重的CUMS—AVR系统的故障诊 断问题十分有利。 目前在故障诊断中应用最广泛的算法是BP算法川，BP算法是一种有导师的训练算法，它在给定输出目 标的情况F，按其实际输出与目标值之差的平方和为目标函数，通过调整权值使目标函数达到最小值。BP 训练算法已得到了广泛的应用，但存在明显的缺陷：学习速度慢，不能保证收敛到全局最小值，网络的学 习具有不稳定性”】。 本文针对普通BP训练算法不尽合理的现象，采用带有偏箍单元的递归神经网络来训练网络，并用训 练好的带有偏筹的递归神经网络应用于实际的CUMS发电牟的故障诊断中，取得了比较好的效果。 2．带有偏差单元的递归神经网络的算法原理 2．1网络结构 带有偏最单元的递归神经网络模型的结构．它由3层节点组成：输入层节点、隐层节点和输出节点， 两个偏筹节点分别被加在隐层和输出层上，隐层节点不仅接收来臼输入层的输出信号，还接收隐层节点自 身的·步延时输出信号，称为关联节点，如图1所示‘3】： V-DIvlNS’2002-01·05 三塑王±全里薹兰』兰堕．’-茎查：．墨主兰苎塑望之兰2三垒墨皇望兰查垒堡垒茎叁 些塞：!!丝：!!：!!：!! 计算节点嘲 输 入 关联节点 模糊偏差单元 o△口O 输八单元 田I带有偏差单元的递归神经网络结构 2．2算弦原理 带有偏筹单元的递归神经网络可由F列数学公式描述： ，@)=∑暇z，(k)+WOb。 Xj以)=仃p，G)) (2．1) Sj(k)=ZWRox,(k-1)+ZWIoIi(k)+WI／b。 式中盯()是隐层节点的非线性激活函数，WI，WR，∥o分别为从输入层到隐层、回归信号、从隐层到 输出层的权系数，WIb。、彤0k分别为加在隐层和输出层上的偏差单元的权系数。 堤输入模式向基A。=0．，口：，…，口。)，希望输出向最K=b。，y：，…，，。)；中间层单元输入向量 钞，kf=1，2，…，q。以上t=1,2，…，肌。 设网络的全局误差为E。则