输出自校正学习算法的设计和实现.pdfVIP

输出自校正学习算法的设计与实现 王家全黄厚宽 00044 (北方交通大学计算机科学技术系．北京，1 摘要 本文针对当今出现的各种各样复杂的高科技设备及产品的可靠性以及如何对其进行故障 诊断的问题，设埋头苦干实现了一种利用系统远行数据来拟合出系统输出随时间变化数学曲线模型的 学习算法。之后由输出与输入的对应关系得到输入随时间变化的曲线模型．并利用该曲线模型对系统 进行控制，从而提高对系统控制的可靠性和精确性，并可延长设备的使用寿命。 关键词 GN迭代算法故障诊断 聚类分析 曲线拟事 引言 随着科学技术的发展，产生了各种各样的结构复杂、精确度高的产品和设备。它们 大大地提高了人类的劳动生产力，但同时也给我们提出了更人的挑战——设备的复杂性 加大了其出现故障的可能性，设备的高精确度使设备变得更加“娇贵”，更容易受到故 障的损害。这就对专家诊断系统提出了新的要求——对故障诊断的实时性和早期预警。 对于传统的专家诊断系统结构模式，由于建造1．作繁重、规则集不易完备、系统容 易陷入困境、结构过于复杂、运行效率低下等缺点，而无法满足当今的高科技精确设备对 故障诊断的实时性的要求。另一方面，传统诊断系统的故障诊断知识的学习算法对领域专 家的水平、专家的表达能力具有很大的依赖性，一个实用的专家系统的建立往往需要很 长的时间，而且知识库十分庞大，效率低下。 为了达到故障诊断实时性，在进行故障诊断时大量地引入了数值运算。数值运算较 字符运算具有很多的优越性——雅理简单、运行效率高，而且故障诊断规则的学习算法 也相对简单。因此发展出了一些从系统运行数据中或附加输入信号故障进行检测和隔离 的方法。这种根据运行数据和辅助输入信号进行故障检测和隔离的方法推理简单、运行 效率高，因而可以实现对故障的快速检测和隔离，且可达到系统所要求的实时性。 笔者设计了一种可对系统的运行数据进行跟踪采样、实时数据分析、实时故障检测 方法，来对系统可能发生的故障进行监测和诊断，从而实现了对设备故障诊断的实时性。 2 输出曲线学习算法 对于设各的输出随时间的变化曲线模型来说，最为常见的形式即为不规则的波动曲 线模型。对于这种模型来说，只能使用分段曲线来进行近似的拟台，对曲线拟台效果的 好坏则取决二拟合曲线段的数学模型的选取。对于波动模型的变化曲线我们选取用 曲线。 2 对于给定的输出变化曲线模型，首先我们对其求～阶导数，并以导数的极大值和极 小值为分割点，将该曲线划分为多个曲线段，然后对每个曲线段进行分段拟合。下面给 出对于单个曲线段的拟合算法。 对于波动型的曲线模型经分段后会被分解为多个S型或倒S型的曲线，为对其进行 拟合，我们使用G—N迭代方法来近似地求得其数学曲线模型。G--N迭代算法的具体 做法如下： 为便于以后的讨论，特引入以下记号 厂伍，口)=厂p)=∽) O=I，…，”) Pp)=Y一，p)(若日为真参数，．Ⅲpje(O)=占) 荆剖掣l㈣，…川川，…p) s(o)=JJy一，pⅫ2=(Y一，pHp一厂p” 本文中一律用…表示向量或矩阵的转置。以上v(o)xnxP阶距阵。 法(证明详见参考文献[4l 尉=in岛后可得渐近回归模型： ：=风一Ae叩，7+s (1) 此时， 口=慨，届，见}a 进一步可得到： 俐：掣 ㈣2，…一j}=0，l，2) ：4，衄，flttte-m} D=Dp)：Iv’p沙p)rlyp)ep)(2) 月 一曼。m P1至fle-且‘ 量y．一一P。+声兰e一儿‘ ，=1