模擬退火混合遺傳算法在機(jī)械故障診斷系統(tǒng)中的應(yīng)用

模擬退火混合遺傳算法在機(jī)械故障診斷系統(tǒng)中的應(yīng)用

目前，故障診斷技術(shù)已成為一個(gè)非常活躍的研究方向之一。而神經(jīng)網(wǎng)絡(luò)不僅可以表達(dá)復(fù)雜的非線性關(guān)系，而且不要求分析對(duì)象的數(shù)學(xué)模型，很適合故障診斷。其中誤差反向傳播神經(jīng)網(wǎng)絡(luò)（即BP神經(jīng)網(wǎng)絡(luò)）是目前在實(shí)際應(yīng)用中使用最廣泛的神經(jīng)網(wǎng)絡(luò)模型之一。但是，BP網(wǎng)絡(luò)算法由于采用梯度訓(xùn)練法，不可避免地存在著網(wǎng)絡(luò)的麻痹現(xiàn)象及易陷入局部極小的問(wèn)題。而遺傳模擬退火算法結(jié)合了遺傳和模擬退火全局尋優(yōu)和局部尋優(yōu)的特點(diǎn)來(lái)修正BP網(wǎng)絡(luò)前向傳播中的權(quán)值和閾值，這正好彌補(bǔ)了BP算法的不足。因此利用遺傳模擬退火的神經(jīng)網(wǎng)絡(luò)方法可以有效地提高故障診斷的效率和準(zhǔn)確性。1bp神經(jīng)網(wǎng)絡(luò)故障分類(lèi)方法近年來(lái)，神經(jīng)網(wǎng)絡(luò)理論在智能故障診斷中得到了廣泛的應(yīng)用。這里采用的是BP網(wǎng)絡(luò)。BP網(wǎng)絡(luò)算法是個(gè)非線性?xún)?yōu)化算法，能做到并行運(yùn)算，具有一定的泛化能力，又顯示了較好的容錯(cuò)性。但是存在著局部最小值，我們采用遺傳模擬退火算法使系統(tǒng)跳出誤差較大的局部最小值。這里提出的用神經(jīng)網(wǎng)絡(luò)進(jìn)行故障分類(lèi)的基本思想就是根據(jù)系統(tǒng)可用儀表測(cè)得的系統(tǒng)的輸入/輸出參數(shù)或狀態(tài)，構(gòu)成正常模式，故障1模式，故障2模式等等的樣本，這些樣本經(jīng)過(guò)歸一化處理后形成BP神經(jīng)網(wǎng)絡(luò)的輸入，而B(niǎo)P網(wǎng)絡(luò)的輸出則為模式；網(wǎng)絡(luò)輸出節(jié)點(diǎn)則采用0、1狀態(tài)輸出。通過(guò)學(xué)習(xí)，網(wǎng)絡(luò)將能夠?qū)Ω鞣N故障模式進(jìn)行區(qū)分。結(jié)構(gòu)如圖1所示。2遺傳模型和硝基燃燒優(yōu)化了神經(jīng)網(wǎng)絡(luò)的工作原理2.1改進(jìn)混合遺傳算法的優(yōu)缺點(diǎn)遺傳模擬退火算法是將遺傳算法與模擬退火算法相結(jié)合而構(gòu)成的一種優(yōu)化算法。既有遺傳算法較強(qiáng)的全局搜索能力，又有模擬退火算法較強(qiáng)的局部搜索能力，互相取長(zhǎng)補(bǔ)短，得到的一種性能優(yōu)良的新的全局搜索算法。而我們提出的混合遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)的基本思想就是利用其優(yōu)點(diǎn)來(lái)解決了在故障診斷系統(tǒng)中，BP算法收斂速度慢，容易陷入局部極小值的問(wèn)題。用模擬退火的混合遺傳算法代替BP網(wǎng)絡(luò)的反向傳播過(guò)程，這樣搜索點(diǎn)不是從一點(diǎn)出發(fā)，而是從一個(gè)初始點(diǎn)的群體出發(fā)，不斷迭代計(jì)算，逐步逼近最優(yōu)解，結(jié)合遺傳和模擬退火全局尋優(yōu)和局部尋優(yōu)的特點(diǎn)來(lái)修正BP網(wǎng)絡(luò)前向傳播中的權(quán)值和閾值。2.2優(yōu)化流程本文以?xún)?nèi)燃機(jī)燃油供給系統(tǒng)的故障診斷為例，說(shuō)明權(quán)值學(xué)習(xí)的過(guò)程。2.2.1基于數(shù)據(jù)的模型這里具體編碼方法是對(duì)于權(quán)值和閾值以十進(jìn)制數(shù)字串代替GA中的二進(jìn)制數(shù)字串來(lái)直接表征參數(shù)，因而，便于較大空間的遺傳搜索；同時(shí)，由于取消了編碼、譯碼過(guò)程，進(jìn)而提高了算法學(xué)習(xí)的速度。2.2.2個(gè)體適應(yīng)度函數(shù)在遺傳算法中，判斷個(gè)體優(yōu)劣性的尺度是適應(yīng)度。適應(yīng)度的大小，決定某些個(gè)體的繁殖和消亡，即保留適應(yīng)度大的個(gè)體，淘汰適應(yīng)度小的個(gè)體。個(gè)體適應(yīng)度采用網(wǎng)絡(luò)的函數(shù)誤差，即誤差大的個(gè)體其適應(yīng)度小，具體表示為：Fi=1/Ei；其中Fi為第i個(gè)樣本適應(yīng)度；Ei為網(wǎng)絡(luò)的第i個(gè)樣本實(shí)際輸出與期望輸出的誤差。適應(yīng)度越大，網(wǎng)絡(luò)的實(shí)際輸出與期望輸出的誤差越小。2.2.3群體選擇繼承個(gè)體適應(yīng)度的計(jì)算完成后，選擇適應(yīng)度大的個(gè)體遺傳到下一代，從而使權(quán)值越來(lái)越接近最優(yōu)解空。在本例中，采用輪盤(pán)賭選擇方法。2.2.4選擇相對(duì)重要性的解為了克服搜索過(guò)程極易陷入局部解的特點(diǎn)，我們采用基于概率的雙向隨機(jī)搜索技術(shù)；以一定的概率Pc，隨機(jī)地從父本種群中選取兩條染色體進(jìn)行交叉操作。當(dāng)新染色體使當(dāng)前解質(zhì)量提高時(shí)，就接收這個(gè)被改進(jìn)的解作為新的當(dāng)前解；在相反的情況下，就以一定的概率exp（-C/T）接收相對(duì)當(dāng)前解來(lái)說(shuō)質(zhì)量較差的解作為新的當(dāng)前解。其中，C為鄰域操作前后解的質(zhì)量差，T為退火過(guò)程的控制參數(shù)。變異過(guò)程也照此接受當(dāng)前解。若滿足要求，過(guò)程結(jié)束。否則Tx+1=aTx，繼續(xù)進(jìn)行優(yōu)化過(guò)程。3燃油系統(tǒng)故障內(nèi)燃機(jī)燃油供給系統(tǒng)主要由低壓燃油泵、高壓燃油泵、高壓油管、噴油器等組成，是內(nèi)燃機(jī)中的重要部分，也簡(jiǎn)稱(chēng)燃油系統(tǒng)。由于它決定了每次循環(huán)噴油量的多少，因而直接影響燃油過(guò)程，決定內(nèi)燃機(jī)性能。但由于它結(jié)構(gòu)復(fù)雜，又處于高壓狀態(tài)下工作，故障率也高。根據(jù)英國(guó)燃油機(jī)工程師與用戶(hù)協(xié)會(huì)提供的內(nèi)燃機(jī)停機(jī)故障資料，在造成停車(chē)的故障中，燃油系統(tǒng)故障占27%。因此對(duì)內(nèi)燃機(jī)燃油系統(tǒng)及時(shí)進(jìn)行性能檢測(cè)和故障診斷是十分重要的。3.1油壓波形結(jié)構(gòu)的特點(diǎn)燃油系統(tǒng)的故障是與結(jié)構(gòu)和燃油方式緊密相關(guān)的。當(dāng)系統(tǒng)某處發(fā)生故障時(shí)，燃油壓力波的參數(shù)必然發(fā)生變化。因此燃油壓力波動(dòng)過(guò)程蘊(yùn)含了燃油系統(tǒng)性能及故障的許多信息。如圖2所示，為12150L內(nèi)燃機(jī)在轉(zhuǎn)速為n=500r/min采樣頻率為50kHz時(shí)所采用夾持式壓力傳感器測(cè)取的燃油系統(tǒng)正常時(shí)的油壓波形，圖中a點(diǎn)是高壓油泵開(kāi)始供油點(diǎn)。B點(diǎn)為噴油器針閥開(kāi)啟壓力點(diǎn)。針閥開(kāi)啟后，由于針閥上升及燃油開(kāi)始向汽缸噴射，油管油壓下降到c點(diǎn)。以后由于噴油泵壓油的速度增加，管中油壓繼續(xù)上升到最大點(diǎn)d。此后由于泵速下降，管中油壓下降，當(dāng)油壓低于針閥關(guān)閉壓力時(shí)，針閥關(guān)閉（點(diǎn)e）。e點(diǎn)后，油泵仍工作，油壓有所回升（點(diǎn)f）。直到油泵出油閥關(guān)閉，油壓下降到剩余力。根據(jù)油壓波形結(jié)構(gòu)特點(diǎn)，選擇如下特征參數(shù)：Vm—油壓波峰值與殘余油壓波值之差；Vo—噴油器開(kāi)啟壓力波值與殘余油壓波值之差；Ta—高壓油泵開(kāi)始供油時(shí)間；Td—油壓波峰值對(duì)應(yīng)的時(shí)間；Ts=Te-Tb；△Vm—兩波峰差值；If和Cf—脈沖因子與波峰因子；E—波壓波功率譜能量。3.2原始數(shù)據(jù)的歸一化由于選用的特征參量數(shù)值變化幅度很大，使得網(wǎng)絡(luò)對(duì)數(shù)值較小的分量的變化不敏感，從而，造成網(wǎng)絡(luò)學(xué)習(xí)精度的降低。同時(shí)，也將導(dǎo)致網(wǎng)絡(luò)收斂速度減慢，而且，由于搜索空間的范圍增大，容易使網(wǎng)絡(luò)陷入局部極小。所以，對(duì)原始數(shù)據(jù)采用下面的方法進(jìn)行歸一化處理，使其值在。以避免由于數(shù)據(jù)的不同量級(jí)而引起的偏差。式中：xi—從油壓波形中提取的特征參數(shù)；φi—標(biāo)準(zhǔn)特征參數(shù)，Ci=s2/3為方差。當(dāng)神經(jīng)網(wǎng)絡(luò)的輸出單元Oi值為1時(shí)，表示對(duì)應(yīng)的故障存在；其值為0時(shí)，表示故障不存在。神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)為多輸入多輸出系統(tǒng)，輸入層單元數(shù)為選擇的特征參數(shù)8個(gè)，隱層為16個(gè)，輸出層為故障的類(lèi)型8個(gè)。3.3溫度適宜應(yīng)選取的原則參數(shù)的設(shè)定是經(jīng)過(guò)反復(fù)的實(shí)驗(yàn)確定的，溫度過(guò)高，收斂速度慢；溫度過(guò)低，又不能全局收斂。當(dāng)T0取300時(shí)，溫度適中。交叉和變異概率，如果選的過(guò)大，結(jié)果不穩(wěn)定；太小，又不能起到作用。這里我們選Pc為0.8,Pm為0.01。3.4故障發(fā)生設(shè)備待診參數(shù)歸一化后的數(shù)據(jù)，如表1所示。診斷結(jié)果，如表2所示。表中0.900就表示故障發(fā)生了。實(shí)際測(cè)試結(jié)果表明，通過(guò)提取夾持壓力傳感器油壓波的特征參數(shù)可以有效地對(duì)內(nèi)燃機(jī)的故障做出診斷。4．綜合搜索能力的發(fā)揮(1）將BP算法與遺傳模擬退火算法相結(jié)合，用遺傳模擬退火算法優(yōu)化BP網(wǎng)絡(luò)的權(quán)值，使算法既有神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)能力和魯棒