基于RBF神經(jīng)網(wǎng)絡(luò )的控制系統傳感器故障診斷方法

由于表1中的4個(gè)參數的物理意義、量級各不相同，必須經(jīng)過(guò)歸一化處理后才能用于神經(jīng)網(wǎng)絡(luò )的訓練，用Mat-lab的Simulink仿真工具箱提供的函數對數據進(jìn)行歸一化處理使數據位于[-1，1]之間。訓練結束后切斷學(xué)習過(guò)程使網(wǎng)絡(luò )處于回想狀態(tài)，將系統實(shí)際輸出與網(wǎng)絡(luò )模型的輸出相減就可以獲得殘差。以合型力傳感器為例，采樣時(shí)間為O．5 s，利用上面的學(xué)習樣本在時(shí)間T∈[1 s，1 000 s]內對RBF神經(jīng)網(wǎng)絡(luò )進(jìn)行訓練，結果經(jīng)過(guò)約50步訓練誤差就達到10_并急劇減少，如圖3所示。

圖4為用后12組數據對RBF神經(jīng)網(wǎng)絡(luò )進(jìn)行測試時(shí)，Y跟蹤正常合型力傳感器測量值y的情況，其最大誤差不超過(guò)1．5 MPa，所以訓練好的RBF神經(jīng)網(wǎng)絡(luò )具有一定的泛化能力，可以較好的觀(guān)測、跟蹤合型機構現狀?，F針對傳感器經(jīng)常發(fā)生的卡死故障、漂移故障和恒增益故障進(jìn)行模擬仿真實(shí)驗。當合型力傳感器正常工作時(shí)，RBFNN觀(guān)測器輸出Y與合型力傳感器測量值y之間的殘差δ=|y-y|近似為高斯白噪聲序列，其均值近似為零；當傳感器發(fā)生故障時(shí)，由于y不能準確反應合型力數據，導致δ突變，不再滿(mǎn)足白噪聲特性。根據上面所述的傳感器故障診斷原理，設定閥值θ=2．7 MPa，圖5表示合型力傳感器在T∈[400 s，600 s]內發(fā)生卡死故障時(shí)的輸出殘差曲線(xiàn)；圖6表示傳感器在T∈[600 s，1 000 s]內發(fā)生漂移故障；圖7表示傳感器在T∈[800 s，1 000s]內發(fā)生恒增益故障時(shí)的輸出殘差曲線(xiàn)。通過(guò)對各類(lèi)典型故障的仿真實(shí)驗，能夠準確檢測到合型力傳感的各類(lèi)故障。

4 結 語(yǔ)
在此依據徑向基(RBF)神經(jīng)網(wǎng)絡(luò )原理，以壓鑄機控制系統各傳感器的輸出參數作為RBF神經(jīng)網(wǎng)絡(luò )的輸入，采用模糊K均值聚類(lèi)算法選取聚類(lèi)中心，建立傳感器 RBF神經(jīng)網(wǎng)絡(luò )觀(guān)測器模型對控制系統傳感器進(jìn)行故障診斷，仿真實(shí)驗表明徑向基神經(jīng)網(wǎng)絡(luò )具有較強的非線(xiàn)性處理和逼近能力，泛化能力強，網(wǎng)絡(luò )運算速度快，能夠準確發(fā)現和處理故障信號，性能穩定。因此，RBF神經(jīng)網(wǎng)絡(luò )故障診斷是壓鑄機控制系統一個(gè)必不可少的新管理工具。