资源描述
基于神经网络的传感器故障诊断基于神经网络的传感器故障诊断目录神经网络诊断方法概述神经网络诊断法的网络结构传感器故障检测和诊断传感器故障诊断的仿真研究目录神经网络诊断方法概述1神经网络诊断方法概述为了能够在线、实时监测各传感器的运行状态,采用BP神经网络设计了由主、从神经网络构成的故障诊断算法,对传感器故障的检测、识别及恢复。1神经网络诊断方法概述为了能够在线、实时2神经网络诊断法的网络结构1)基于BP算法的主、从网络结构为了提高实时性,本算法的神经网络结构包括一个主神经网络(MNN)和n个从网络(DNN),n是系统中非冗余的传感器数目。主神经网络负责检测有无传感器故障发生,各从网络负责故障定位及故障传感器信号恢复。2神经网络诊断法的网络结构1)基于BP算法的主、从网络22)BP算法的主网络结构主神经网络结构如图1所示,它包括1个输入层、1个隐层和1个输出层。其输入层共有np个节点,分别为n个传感器从(t-p)(t-1)时刻的输出,p为步长。其输出分别对应n个传感器在t时刻的相应输出估计值。网络学习采取有导师学习算法。图1主神经网络结构神经网络诊断法的网络结构22)BP算法的主网络结构主神经网络结构如图1所示23)BP算法的从网络结构从网络有n个,分别对应n个传感器,它们都是3层前馈网络。输入节点数有(n-1)p个,输出节点数1个。其中第i个从网络的输出节点为第i个传感器在时刻t的输出估计值,而从网络的输入共有(n-1)p个,分别是其余n-1个传感器从(t-p)(t-1)时刻的输出,即:第i个DNN的输入是除了第i个传感器以外的n-1个传感器的测量值。图2从神经网络结构神经网络诊断法的网络结构23)BP算法的从网络结构从网络有n个,分别对应3传感器故障检测和诊断1)传感器故障检测3传感器故障检测和诊断1)传感器故障检测32)传感器故障的识别:传感器故障检测和诊断32)传感器故障的识别:传感器故障检测和诊断3传感器在线故障诊断方法如图所示对于主神经网络和3个局部网络,系统正常运行时可以利用若干组正常传感器输出值进行学习,以掌握它们之间的关系。对局部神经网络而言,在未发现传感器发生故障之前,一直处于学习状态。2)传感器故障的识别:传感器故障检测和诊断图3传感器故障检测和识别框图3传感器在线故障诊断方法如图所示2)传感器故障的识别:传感器33)传感器故障容错研究:传感器局部网络q通过前一阶段的学习,掌握了该传感器与p、r传感器输出之间的冗余关系,在故障传感器信号恢复阶段,它利用其余2个传感器的输出来推理q传感器在t+1时刻以后的输出值。此外,控制逻辑将局部网络q接入控制系统,以代替传感器q,并将局部网络q的输出接入主网络的输入。同时将它作为主网的输出,主网继续进行学习和工作,以发现新的传感器故障。如果发生故障的传感器恢复正常,局部网的DQEE值变小,控制逻辑可以重新将传感器q接入控制系统和主网的输入和输出端。传感器故障检测和诊断33)传感器故障容错研究:传感器局部网络q通过前一阶段的学习4传感器故障诊断的仿真研究1)条件设置以传感器q为对象,进行仿真分析。样本学习数据:600s数字仿真数据:100s人工注入传感器卡死故障:50s主神经网络结构:输入层单元数,隐层单元数,输出层单元数分别为9、16、3,学习速率为0.1。局部神经网络结构:输入层单元数、隐单元数、输出层单元数分别为6、10、1,学习率速为0.02。4传感器故障诊断的仿真研究1)条件设置以传感器q为对象,进42)仿真结果图4MQEE随时间变化曲线图图5q传感器的各种输出传感器故障诊断的仿真研究42)仿真结果图4MQEE随时间变化曲线图图543)总结采用主、从神经网络结构,提出了一种传感器故障在线检测和识别的算法,并对传感器卡死故障进行了仿真研究,结果表明本算法可有效地检测、识别出故障,并能给出故障传感器估计值用于容错控制。该算法也可实现漂移等其它故障类型的传感器故障诊断。问题:神经网络法需要系统在各故障状态下的样本进行训练,但实际生产过程中控制器故障的样本十分缺乏传感器故障诊断的仿真研究43)总结采用主、从神经网络结构,提出谢谢谢谢
展开阅读全文