改进型小波神经网络在变频系统故障诊断中的应用

工业技术20071中D.16SC〔限尧&TEO钊000YINF(】刁明A丁10N小波神经网络技术在故障诊断中的应用

班国斌，赵亮2伉大翻3(，.大连空诵大学机械工程学院大连，16028;2大连交通大学机械工程学院大连1160283大连圣力来检侧技术有限公司大连116033)摘要:针对故障诊断技术的不断发展，文章通过阐述小波分析和人工神经网络的概念和特点以及在二者在不同条件下结合的情况，综述了故障诊断系统的现状和进展，并展望了这种技术的前景。关键词:小波分析神经网络故障诊断中图分类号:TH16文献标识码:A文章编号:167卜3791(2007)06(a卜0052一01现代工业对故障诊断技术的要求越来越高，需求决定技术的发展。故障诊断技术随着计算机技术、现代测量技术和信号处理技术的迅速发展，不断的融合新的理论和方法，已经从对零部件的诊断发展到对整台设备、机组、甚至是整条生产线进行诊断，近而使整个企业真正实现全盘数字化、智能化成为可能川。小波变换理论是进十年来影响最大的新的信号处理方法，其应用非常广泛，基本上取代了傅立叶变换。近年来，小波分析在故障诊断领域应用已经比较多了，实践证明，小波分析是最先进的故障诊断工具之一，尤其在振动信号的监测和处理中的应用，实现了信号处理的时频域分析，解决r多年来处理不善的非平稳信号处理问题，使信号处理技术登上了新的高度。人工神经网络理论进入状态识别和信号处理领域，使智能诊断系统有了突破性的进展。小波分析和人工神经网络的强强联合一直是科技工作者的目标，而实际L这已经代表了信号处理技术和神经网络融合的主要发展方向，得到国内外学术界的共同认可。1小波分析小波分析源于信号分析，源于函数的伸缩和平移，它是Fourie分析、Gabor分析、短时Fourier分析发展的直接结果。其研究思想最早可追溯到1910年Har提出的小“波”正交基，不过它真正起源于二十世纪80年代中期。1984年法国地球物理学家Moriet在分析地震波的局部性质时，发现传统的Fourier变换难以达到要求，因此，他引入小波概念于信号分析中对信号进行分解。1986年，Meyer在证明不可能存在时频域都具有一定正则性的正交小波基时，却意外地发现了具有一定衰减性的光滑函数中，构成规范正交基，从而证明了确实存在小波正交系。在此之前，人们认为具有如此好的性质的小波函数仅仅是一个数学神话，是不可能存在的。可见科学工作者们对小波的评价之高。1990年，崔锦泰和王建忠构造了基于样条函数的所谓单正交小波函数，1992年cohen、oaulx℃hi晶、Feauveau提出了具有紧支撑的双汇交小波基，至此，小波分析的系统理论基本形成12。小波变换能把任何信号映射到由一个母小波伸缩，平移而成的一组基函数上去，在各个频带，时刻，对信号进行合理分离，相当于一个低通滤波器和数个带通滤波器。可以说是信号处理理论中的“显微镜”。知机模型，即神经网络的雏形，其原理是在功能上对人类大脑的机构模拟，其中最有代表性的是1974年，Dua1T.Werbos发明的BackProgaPation算法(即BP算法)13]。后经证实，在神经科学领域内，BP法是解释大脑皮层中某些神经元功能的有用工具。因为用该算法构造出了自动识别，预测货币兑换率等网络，人们对神经网络兴趣和信心大涨，新的神经网络不断涌现，成了学术界的宠儿。2.2人工神经元人工神经元是人工神经网络的基本组成单位，其模型是生物神经元的抽象和模拟，是一个多输入单输出的非线性阂值元件，假定xl，xZ，…，xn表示某一神经元的n个输入，wl」表示第j个神经元与第1个神经元的突触连接强度，其值称为权值，Ai表示第1个神经元的输人总和，yi表示第1个神经元的输出，hi表示神经元的阔值，则人工神经元的输出可描述为:式中f(A)是表示神经元输入一输出关系的函数，称为作用函数或传递函数。常用的作用函数有:阑值函数，限幅线性函数，519一moid函数，高斯型函数，概率神经元模型等14]人工神经网络在物理结构上模拟人脑，所以具有并行、分布和强容错性的特点。日益受到关注，在各个领域内均有深入应用。在故障诊断方面，也早有尝试，效果还是另人相当满意的。分析。这种方法在统计的能量理论上更为完整，并且和FFT不同的是，它胜任各种非平稳信号的处理。如果在用这种方法之前，已经做好了大量的数据统计，那小波包分析就可以为后面的神经网络提供有效的特征向t。(2)小波和神经网络的紧致型融合紧致型融合，即用小波函数或尺度函数作为神经网络的激励函数，形成神经元。就是狭义上的小波神经网络。故障诊断就是要实现症状空间到故障空间的映射，为了方便，用函数逼近来表示。实际三层的神经网络就可以逼近任何函数，但后来发现在过去应用的紧致型融合激励函数一Sigmoid函数的多层感知器并不是最好的逼近，激励函数具有局部性特征的径向基函数网络(RBF)有更好的效果。它克服了全局激励函数神经网络收敛速度过慢、易陷入局部最小和对信号分布的不均匀性考虑不足的缺点，而且由于径向基函数的非正交性，逼近函数的表达式有多种。理论上看来，小波和人工神经网络的结合方式中，紧致型融合更具有竞争力是未来发展的主要方向。而松散型融合因为总结了以前神经网络的应用经验，所以在目前现实应用的更为广泛。4展望故障诊断是一个涉及机械、电子、计算机、信号处理等许多学科的综合性新兴学科，其研究和应用将是一个漫长的过程。其中借助计算机的强大计算能力，小波神经网络以其独有的特点，已经成了故障诊断技术的未来之星。以小波神经网络为中心的智能故障诊断系统必然是发展的重中之重。参考文献【1]虞和济，韩庆大，李沈.设备故障诊断工程.北京:冶金工业出版社，2001.6.I21A.M.Reza，“FromFourlertranslorr。towavelettransform”，WhitePaperofUWM，oct.1999.2.[3]赵纪元.基于小波理论.神经网络的实用诊断技术研究:[博士学位论文].西安交通大学，1997.【4]吴今培，肖健华.智能故障诊断与专家系统.北京:科学出版社，1997.9.[5】王江萍.机械设备故障诊断技术及应用.西安:西北工业大学出版社，2001.8.【61高隽.人工神经网络原理及仿真实例.北京:机械工业出版社，2003.8.2人工神经网络2.1人工神经网络20世纪50年代，科技工作者们提出了感3小波神经网络3，1小波神经元相对于神经元是人工神经网络的基本组成单元，小波神经元就是小波神经网络的细胞。小波神经元实际上是作为对前馈神经网络逼近任意函数变换的替换.其基本思想是:利用小波元(waveron)来代替神经元(neuron)，通过作为一致逼近的小波分解来建立起小波变换与神经网络的连接{51。3.2小波神经网络由于小波分析是处理非平稳随机过程的时变特性信号的有利工具，小波神经网络通过将小波分析与神经网络结合而使专家系统更具职能性16)。小波分析和神经网络的融合有两种途径:松散型融合，即小波分析作为神经网络的前置处理手段，为神经网络提供输人特征向量.紧致型融合，小波和神经网络直接融合，即用小波函数和尺度函数形成神经元。其中，两者都可以称之为小波神经网络。如果狭义的讲，后者才是真正的由小波神经元形成的小波神经网络。(1)小波和神经网络的松散型融合这种结合式和以往FFT频谱向量井没有本质的区别，是把前边的FFI，变成了，J、波包SCIENCE&TECHNOLOOY!NFORMAT!ON

青岛农业大学

毕业论文(设计)开题报告

题 目： 神经网络在系统故障诊断中的应用研究

姓 名：

2010年 3月 8日

一、选题依据(拟开展研究项目的研究目的、意义等)

随着现代科学技术的飞速发展，工程设备日趋复杂，自动化程度越来越高，设备运行的安全性和可靠性越来越受到人们的重视，安全保障已经成为系统征程运行的重要组成部分。系统中出现的某些微小的故障若不能及时检测并排除，就有可能造成整个系统的失效、瘫痪，甚至导致巨大的灾难性后果，所以人们总是期望建立一套检测、预警、容错和维修机制，伴随系统运行的全寿命周期，防止和杜绝影响系统正常运行的故障的发生和发展。

在过去几十年里，传统的故障诊断技术得到了飞快的发展并在工程中发挥了重要的作用。传统故障诊断技术对于比较简单的设备或单一故障，能够发挥其独特的作用，但对于大型复杂设备多多个故障交互情况，却无能为力。人工智能智能故障诊断技术就是为了解决这样大而复杂为题而产生的一门新型技术，其中基于人工神经网络的故障诊断技术是目

前比较流行故障诊断技术。

基于神经网络的故障诊断技术具有五大特点，首先，并行结构与并行处理方式。神经网络采用类似人脑的功能，它不仅在结构上是并行的，而且其处理问题方式也是并行的，诊断信息输入之后可以很快地传递到神经元进行处理，提高了计算速度，特备适合处理大量的并行信息。其次，具有高度的自适应能性。系统在知识表示和组织、诊断求解策略与实施等方面可根据生存环境自适应自组织到自完善。再次，具有很强的自学能力。神经网络是一种变结构系统，神经元连接形式的多样性和连接强度的可塑性，使其对环境的适应能力和对外界事物的学习能力非常强。系统可根据环境提供的大量信息，自动进行联想、记忆及聚类等方面的自组织学习，也可在导师指导下学习特定的任务。其次，具有很强的容错性。神经网络的诊断信息分布式的储存于整个网络中相互连接的权值上，且每个神经元储存信息的部分内容，因此即使部分神经元丢失或外界输入到神经网络中的信息存在某些局部错误，也不影响真个系统的输出性能。最后，实现了将知识表示、存储、推理三者融为一体。它们都由一个神经网络来实现。

山西电子技术　

２００８年第３期　应用实践　

小波一神经网络在故障诊断中的应用　

宋国清　

（太原科技大学电子信息工程学院，山西太原０３００２４）　

摘要：根据旋转机械振动信号特点，提出了小波分析和概率神经网络相结合的故障诊断方法。该诊断方法　

利用小波分析进行预处理一获取机械故障特征向量，概率神经网络应用该特征及对应的故障类型建立非线性映射，　实现故障诊断。通过计算机仿真和试验的结果，表明该方法运算速度快、对样本噪声有较强的鲁棒形，结构简单，　

工程上易于实现，为旋转机械故障诊断提供了实践方法。　关键词：小波概率神经网络；旋转机械；故障诊断　

中图分类号：　９ｌ　文献标识码：Ａ　

０引言　

机械故障诊断过程中，由于旋转机械振动信号的频率成　

分通常与相应的振动故障类型有关，根据频率成分的幅度强　

弱和设备零部件特性及历史状况，可以对设备的故障部位、　

产生原因及发展趋势做出判断，实现机械故障诊断。近年来　

兴起的小波分析技术具有良好的时频局部化特性和处理非　平稳随机信号的能力，成为故障诊断中比较理想的信号处理　

工具。本文采用小波变换和概率神经网络的松散性结合方　

式，用小波分析作为概率神经网络的前置处理手段，对故障　

信号进行分析，为网络输入提供故障特征向量。然后应用神　

经网络建立故障特征向量和故障类型的非线形映射，实现了　

旋转机械故障诊断。　

１小波变换方法　

小波分析是近年来发展起来的一个数学理论，数学发展　

史上的重要成果。它的基本思想是用一组小波基函数去表　

示或逼近信号。如果小波分析函数　（．２７）∈Ｌ　（Ｒ）满足如　

下条件［６】：　：Ｉ　ｄｗ＜Ｏ０　（１）　

则函数　（　）成为一个基本小波或母小波，通过其伸缩平移　

可产生一组小波函数基：　

亿，６）（　）＝　１　Ｉ　Ｉ　（２）　ａ　式中。，ｂ分别为伸缩、平移尺度因子。对于任意函数　

ｆ（ｘ）∈Ｌ　（Ｒ），其连续小波变换可表示为：　

１　ｒ＋ｏｏ　ｗｉ（ａ，ｂ）＝（ｆ，亿，６）＝　≠ｉＩ　亿．６（　）ｆ（ｘ）ｄＪｃ　Ｖ　ｌ口ｌ…　（３）　

总第２０３期　

２０１１年第５期　舰船电子工程　Ｓｈｉｐ　Ｅｌｅｃｔｒｏｎｉｃ　Ｅｎｇｉｎｅｅｒｉｎｇ　Ｖｏ１．３１　ＮＯ．５　１４６　

一种改进的小波网络及其在故障诊断中的应用　

刘超　

（９２１２４部队大连１１６０００）　

摘要为了提高故障诊断的准确性，提出改进的小波网络，增加基本小波网络输入层至输出层的直接连接权。结合　

抽油机井故障实例，进行仿真研究，结果表明改进的小波网络较ＢＰ网络和未改进的小波网络收敛速度快，且对故障诊断识　别能力强。　关键词小波网络；ＢＰ网络；抽油机井；故障诊断　中图分类号ＴＰ３９３．１　

Ａｎ　Ｉｍｐｒｏｖｅｍｅｎｔ　ｏｆ　Ｗａｖｅｌｅｔ　Ｎｅｔｗｏｒｋ　ａｎｄ　Ａｐｐｌｉｃａｔｉｏｎ　ｉｎ　Ｆａｕｌｔ　Ｄｉａｇｎｏｓｉｓ　

ＬｉｕＣｈａｏ　（Ｎｏ．９２１２４　Ｔｒｏｏｐｓ　ｏｆ　ＰＬＡ，Ｄａｌｉａｎ　１１６０００）　

Ａｂｓｔｒａｃｔ　Ｉｎ　ｏｒｄｅｒ　ｔｏ　ｉｎｃｒｅａｓｅ　ｔｈｅ　ｃｕｒｒｅｎｃｙ　ｏｆ　ｆａｕｌｔ　ｄｉａｇｎｏｓｉｓ。ａ　ｋｉｎｄ　ｏｆ　ｗａｖｅｌｅｔ　ｎｅｕｒａｌ　ｎｅｔｗｏｒｋ（ＷＮＮ）ｉｓ　ｇｉｖｅｎ、＾ｒｉｔｈ　ｉｔｓ　ｉｍ—　

ｐｒｏｖｅｄ　ｓｔｒｕｃｔｕｒｅ，ｉｎｃｒｅａｓｉｎｇ　ｔｈｅ　ｃｏｎｎｅｃｔｉｏｎｓ　ｂｅｔｗｅｅｎ　ｔｈｅ　ｉｎｐｕｔ　ａｎｄ　ｔｈｅ　ｏｕｔｐｕｔ　ｌａｙｅｒｓ　ｏｆ　ｔｈｅ　ｍｏｄｅｌ　ｉｎ　ｐａｒｔ．Ｃｏｍｂｉｎｅｄ　ｗｉｔｈ　ｔｈｅ　ｅｘａｍ－　ｐｌｅ　ｏｆ　ｆａｕｌｔ　ｄｉａｇｎｏｓｉｓ　ｆｏｒ　ｐｕｍｐｉｎｇ　ｗｅｌｌｓ，ｔｈｅ　ｒｅｓｕｌｔ　ｉｎｄｉｃａｔｅｓ　ｔｈａｔ　ｔｈｅ　ｉｍｐｒｏｖｅｄ　ＷＮＮ　ｈａｓ　ｔｈｅ　ｑｕｉｃｋｅｒ　ｃｏｎｖｅｒｇｅｎｃｅ　ｓｐｅｅｄ　ｔｈａｎ　ＢＰ－ｎｅｔ—　

ｗｏｒｋ　ａｎｄ　ｕｎｉｍｐｍｖｅｄ　ｗａｖｅｌｅｔ　ｎｅｕｒａｌ　ｎｅｔｗｏｒｋ，ｉｔｓ　ｄｉａｇｎｏｓｉｓ　ｒｅｓｕｌｔｓ　ａｒｅ　ａｃｃｏｒｄ　ｗｉｔｈ　ｔｈｅ　ｆａｃｔｓ　ｆｏｒ　ｆａｕｌｔ　ｄｉａｇｎｏｓｉｓ．　Ｋｅｙ　Ｗｏｒｄｓ　ｗａｖｅｌｅｔ－ｎｅｔｗｏｒｋ，ＢＰ－ｎｅｔｗｏｒｋ，ｐｕｍｐｉｎｇ　ｗｅｌｌｓ，ｆａｕｌｔ　ｄｉａｇｎｏｓｉｓ