基于并行算法的证据理论合成器的复合故障诊断.pdfVIP

３２　　　　　　　　　　　　　　ＦＬＵＩＤＭＡＣＨＩＮＥＲＹ　　　　　　　　　　　Ｖｏｌ４２，Ｎｏ．４，２０１４ 文章编号：　１００５－０３２９（２０１４）０４－００３２－０５ 基于并行算法的证据理论合成器的复合故障诊断 汪醒鹏，屈　波，文亚南 （河海大学，江苏南京 ２１１１００） 摘　要：　针对旋转机械复合故障的不确定性和模糊性，在蚁群神经网络的基础上，引入并行机制改进算法。利用多线 程技术增大蚁群的搜索区域，同时采用编码映射匹配法则（ＥＭＭ）提高匹配效率，缩短蚁群寻路时间，加快算法收敛速 率，并对 ＢＰ神经网络进行优化，结合概率转化（ＢＰＡ）辅助决策。计算结果表明，合成器对复合故障识别率高，与人类决 策一致，对其他模拟进化算???有借鉴意义。 关键词：　复合故障；蚁群算法；ＥＭＭ；多线程；ＢＰＡ 中图分类号：　ＴＨ１３；ＴＰ２７３．３　　　　文献标志码：　Ａ　　　　ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１００５－０３２９．２０１４．０４．００７ ＦａｕｌｔＤｉａｇｎｏｓｉｓｆｏｒＣｏｍｐｌｅｘＦａｕｌｔＢａｓｅｄｏｎｔｈｅＰａｒａｌｌｅｌＡｌｇｏｒｉｔｈｍ ｏｆＥｖｉｄｅｎｃｅＴｈｅｏｒｙＳｙｎｔｈｅｓｉｚｅｒ ＷＡＮＧＸｉｎｇｐｅｎｇ，ＱＵＢｏ，ＷＥＮＹａｎａｎ （ＨｏｈａｉＵｎｉｖｅｒｓｉｔｙ，Ｎａｎｊｉｎｇ２１１１００，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：　Ｃｏｎｓｉｄｅｒｉｎｇｔｈｅｕｎｃｅｒｔａｉｎｔｙａｎｄｆｕｚｚｉｎｅｓｓｏｆｃｏｍｐｏｕｎｄｆａｕｌｔｏｆｒｏｔａｔｉｎｇｍａｃｈｉｎｅｒｙ，ａｎｔｃｏｌｏｎｙｎｅｕｒａｌｎｅｔｗｏｒｋａｌｇｏ ｒｉｔｈｍｉｓｍｏｄｉｆｉｅｄｂｙｔｈｅｉｎｔｒｏｄｕｃｔｉｏｎｏｆｐａｒａｌｌｅｌｒｅａｓｏｎｉｎｇａｌｇｏｒｉｔｈｍｉｎｔｈｉｓａｒｔｉｃｌｅ．Ｔｈｅｒｅｇｉｏｎｏｆｓｅａｒｃｈｏｆｔｈｅｈｉｖｅｉｓｅｎｈａｎｃｅｄｂｙ ｍｕｌｔｉｔｈｒｅａｄｉｎｇｔｅｃｈｎｏｌｏｇｙ，ａｎｄｔｈｅａｐｐｌｉｃａｔｉｏｎｏｆＥＭＭｉｍｐｒｏｖｅｓｔｈｅｍａｔｃｈｉｎｇｅｆｆｉｃｉｅｎｃｙｔｏａｃｅｒｔａｉｎｄｅｇｒｅｅ．Ｍｅａｎｗｈｉｌｅ，ｔｈｅｔｉｍｅ ｏｆｆｉｎｄｉｎｇｔｈｅｒｏｕｔｅｉｓｏｂｖｉｏｕｓｌｙｓｈｏｒｔｅｎｅｄ，ｔｈｕｓａｃｃｅｌｅｒａｔｉｎｇｔｈｅｒａｔｅｏｆｃｏｎｖｅｒｇｅｎｃｅ．Ｍｏｒｅｏｖｅｒ，ＢＰｎｅｕｒａｌｎｅｔｗｏｒｋｉｓａｌｓｏｏｐｔｉ ｍｉｚｅｄ．Ａｓｆｏｒａｉｄｄｅｃｉｓｉｏｎｍａｋｉｎｇ，ＢＰＡｉｓａｐｐｌｉｅｄ．Ａｓｔｈｅｒｅｓｕｌｔｓｈｏｗｓ，ｓｙｎｔｈｅｓｉｚｅｒｌｅａｒｎｓｐｒｅｔｔｙｆａｓｔａｎｄｃｏｍｂｉｎｅｄｆａｉｌｕｒｅｓｃａｎ ｅａｓｉｌｙｂｅｄｅｔｅｃｔｅｄ，ｗｈｉｃｈｓｅｅｍｓｔｏｂｅｉｎｌｉｎｅｗｉｔｈｈｕｍａｎｄｅｃｉｓｉｏｎｍａｋｉｎｇ．Ｃｏｎｓｅｑｕｅｎｔｌｙ，ｔｈｅｍｏｄｉｆｉｃａｔｉｏｎｐｒｏｖｉｄｅｓａｒｅｆｅｒｅｎｃｅ ｆｏｒｏｔｈｅｒｅｖｏｌｕｔｉｏｎａｒｙａｌｇｏｒｉｔｈｍｓｉｍｕｌａｔｉｏｎｓ． Ｋｅｙｗｏｒｄｓ：　ｃｏｍｐｌｅｘｆａｕｌｔ；ａｎｔｃｏｌｏｎｙａｌｇｏｒｉｔｈｍ；ＥＭＭ；ｍｕｌｔｉｔｈｒｅａｄ；ＢＰＡ １　前言 类融合诊断并验证了结果，文献［４］引入概率论 知识，将每个事实体引入一个权系数，再利用 Ｄ－ 风机工作过程中不同故障可能交叉出现，多 Ｓ证据理论，提高了对发动机概率诊断的准确性。 种故障并发出现可能会漏诊，单一故障多种类似 故对神经网络的演绎推理最好能基于一个全面的 原因可能会误诊。由于旋转机械动力学系统需要 对象特征环境，优先找出此类复合故障中发生概 采集的时域信号多，检测手段复杂。文献［