一种改进的模糊极小极大神经网络在水电机组故障诊断中的应用.pdf

一种改进的模糊极小极大神经网络 在水电机组故障诊断中的应用 唐烨华 戴亚平 ， {北京理T大学 自动控制系 北京 100081) E-mail:tangyehu,@hit.edu.rn 摘 要 本文提出了 一种应用人工神经网络进行水电机组故障诊断的新方法，即采用一种经过改进的摸糊 极小极大神经网络，利用模糊集将确定性信息转化为模糊量，同时利用神经网络的自学习性和泛化能力，实 现对故障的快速检测，实验结果表明，经改进的网络与原来相比，具有识别率高，鲁棒性好的特点，改善了模 糊极小极大神经网络的适应能力，扩大了应用范围. 关扭词 水电机组。故障诊断，模糊极小极大神经网络 AKindofImprovedFuzzyMin-maxNeuralNetworkAppliedin Hydroelectric-generatorUnitFaultsDiagnosis TangYehua,DaiYaping (Dep- ,rentaJA-,made-.l BeijingI-iruerof孔动nuh,gy.Beijing100081) AbstractThepaperbringsanewmethodthatbasesonakindofimprovedfuzzymin-maxneuralnetworkinto hydroelectric-generatorunitfaultsdiagnosis.Faultscanbedetectedquicklybyusingfuzzysettochangecertain informationintofuzzyvalueandmeantimebyusingneuralnetworksself-studiedabilityandgeneralizationca parity.Theexamresultsindicatethattheimprovednetworkhasahigherrecognizingrateandrobustnesscom- paredtothepreviousnetwork,Itimprovesfuzzymin-maxneuralofadaptiveabilityandextendsthescopeof application. Keywordshydrodectri-cgeneratorunit;faultsdiagnosis;fuzzymin-maxneuralnetwork 1 引 言 神经网络用于设备故障诊断起源于20世纪80年代末期 我国许多学者对神经网络在旋转机械故 障诊断中的应用进行了探讨，取得了一定成果一批科找工作者对BP采用动态学习算法，引人了控制 因子，结果表明这种改进提高了网络的收敛速度，改善了网络的性能，具有实际使用意义川.另外，文献 「门也提到了采用小波神经网络进行故障诊断的方法，小波分析不仅可以分析平稳信号，而且非常适合 于分析非稳态信号.本文利用美国学者Simpson于1992年提出来的模糊极小极大((FMM)神经网络c,, 并尝试着对其中的模糊交叠判据与收缩过程进行了修改并进行了仿真试验.试验结果表明，这种改进后 的网络比原网络具有更好的收敛性，能够实现网络在给定任意初值均可经训练后实现较高的识别率.另 外，扩张方法的改进也改善了分类效果，提高了网络的抗干扰能力. 270 自动化理论、技术与应用 2 极大极小模糊神经网络分类器 2.1 极小极大“超盒子.，模糊子集 假设所有待分类的模式样本被归一化到超立方体I.则某个 “超盒子”模糊子集B可以被定 义为+: B={川xEI,bi(x,v,,w,)} (1) 式中b; )为输人模式x在 “超盒子”模糊子集B 的隶属度函数，一般简记为b;(x);x=[二;,xz, 二，]E1为输人