一种通用电器故障诊断仪器研究和实现.docVIP

一种通用电器故障诊断仪器的研究和实现 　　[摘要]课题研究的内容是通过PC端提取电器测试点信号的电压/电流信息，然后通过神经网络建立信息处理系统模型；基于故障信息的训练和诊断，实现系统的自适应过程；通过对数据库的信息并行处理和自修改能力，即完善和提高诊断的效率和速度。 　　[关键词]神经网络算法 PC端数据提取 自适应训练 　　 　　一、引言 　　 　　随着现今技术的发展，电器的智能水平也日益提高。而对于电器故障的维护和诊断也日趋复杂化。国内目前的大部分电器系统中无故障诊断系统，当电器出现故障后，维护人员往往不能及时，准确地了解出现故障的原因及相关信息，电器也无法得到及时修复，这种情况急需得到改善。 　　神经网络是模仿人脑智能、思维等功能的非线性自适应动力学系统，它类似于生物系统，以神经元为基本运算单元，组成了一种互连的分布式存贮信息的计算智能信息处理系统，具有很强的自学习性，自组织性。本文提出和设计一种采用PC平台并结合硬件系统的方式来实现多层神经网络模型及BP学习算法在故障诊断中的应用。 　　 　　二、BP神经网络结构 　　 　　人工神经网络方法的关键是选择神经网络结构以反映问题特点和具有较好的收敛性。多层BP网络各层的输入与输出关系满足非线性单调上升的函数，它对分类问题比线性划分精确、合理，容错性好。另外，其变换函数f（u）是连续可微，可以严格利用梯度法进行推算。因此，采用BP网络作为故障诊断的网络结构是切实可行的选择。 　　 　　三、系统故障诊断的BP网络建立 　　 　　这里以电器洗衣机的故障诊断为例，在实践中对于最常见故障原因仍可概括如下： 　　F1:排水泵堵塞；F2:排水泵可控硅短路（开路）；F3:加热管失效；F4:加热管可控硅短路（开路）；F5:电机控制模块（可控硅，IGBT，IPM）短路（开路）；F6:进水口堵塞；F7:进水阀可控硅短路（开路）；F8:水位开关失效；F9:温度传感器失效；F10:门开关失效；F11:晶振回路失效；F12:电压波动(电压不稳)。 　　在控制电路板上，共选取8控制回路个测试信号作为网络的8个输入节点。即以测试信号X＝（x1，x2，x3，x4，x5，x6，x7，x8）输入，故障原因F＝（f1，f2，f3 ```` f12）作为输出，以不同的故障原因导致的故障模式为训练样本进行学习，从而建立故障模式与故障原因之间的映射关系。 　　这里选取Sigmoid函数来构建神经网络，具体步骤如下 　　1．构造网络拓扑结构，选取合理的网络学习参数。 　　2．置网络各权值和阈值的初始值Wij(0), θi(0)为[-1,1]区间内的随机数。 　　3． 加载训练用的学习样本：输入向量Xp(p=1,2,…,k)和期望输出Fp(p=1,2,…,k)，对每个每个样本重复步骤４～８。 　　4．计算网络的实际输出及隐层单元的状态: Opj=fj(ΣwjiOi-θj)=1/{1+exp[-(ΣwjiOi-θj)} 　　5．计算网络输出误差：Ep=1/2Σ(Fpj-Opj) E=1/KΣ(p=1-k)Ep 　　6．若EEs(系统平均误差容限)或Ep=Eps(单个样本的误差容限)或达到指定的迭代步数，学习结束。否则进行误差反向传播，转向(7) 　　7．计算训练误差:δpj=Opj(1-Opj)(Fpj-Opj), (输出层)δpj=Opj(1-Opj)ΣkδpkWjk, (隐层) 　　8．修正权值和阈值： 　　Wji(n+1)=Wji(n)+ηδpjOpj+α(Wji(n)-Wji(n-1)) 　　θj(n+1)= θj(n)+ηδpj+α(θj(n)- θj(n-1)) 　　式中：η为学习步长,本模型取0.5;α为势态项,本模型取0.5。 　　9．当p 经历1～P后,判断指标是否满足精度要求E,这里Eε.其中：E=Σ Ep,Ep=Σ(tpj-opj)2/2, ε为精度,本文取ε=0.0001 若满足要求则转到(7),否则转到(3)。 　　 　　四、系统框图和电路设计 　　 　　系统框图如下，通过数据信息采集器，从故障电器控制电路板测试点获取多路(现用8路)信号模拟值， 通过A/D转换，把数值传送至PC端处理。 　　 　　数据信息采集器选用Freescale 公司MCU芯片MC68HC908AP64，带有8路A/D转换，64K flash, 和通信接口。多路数据读取是通过光偶隔离产生的检测状态信号，并使用CF卡作为外部存贮器使用。数据信息采集器与PC机使用通用USB2.0通信接口，用以传输数据。 　　 　　五、系统软件设计 　　 　　（一）数据信息采集器底层软件 　　主要负责电器控制板测试点信号的读取，去抖和A/D转换，数据存储，与PC机