一種電機(jī)故障的智能診斷方法研究

喬維德

(常州市廣播電視大學(xué)，江蘇常州213001)

摘要：提出了一種基于改進(jìn)遺傳算法(IGA)和誤差反向傳播(BP)算法相結(jié)合的IGA—BP混合算法在電機(jī)故障診斷中的應(yīng)用，首先提取電機(jī)轉(zhuǎn)子振動(dòng)頻譜分量作為神經(jīng)網(wǎng)絡(luò)的訓(xùn)練樣本，將代表故障信息的數(shù)據(jù)作為輸入量代入已訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)后，通過(guò)輸出結(jié)果即可診斷故障類(lèi)型。仿真實(shí)驗(yàn)表明，該方法可以有效地識(shí)別電機(jī)常見(jiàn)故障，診斷準(zhǔn)確率高、速度快。

關(guān)鍵詞：IGA—BP混合算法；電機(jī)故障；診斷

中圖分類(lèi)號(hào)：TM307 1    文獻(xiàn)標(biāo)識(shí)碼：C

1  引言

    隨著現(xiàn)代工業(yè)和科學(xué)技術(shù)的迅速發(fā)展，電機(jī)拖動(dòng)系統(tǒng)已廣泛應(yīng)用到各個(gè)領(lǐng)域，電機(jī)是拖動(dòng)系統(tǒng)的重要部件；但由于電機(jī)在工作過(guò)程中，發(fā)生設(shè)備故障或失效的潛在可能性會(huì)隨著運(yùn)行時(shí)間而不斷增大，最終可能導(dǎo)致整個(gè)拖動(dòng)系統(tǒng)不能正常安全運(yùn)轉(zhuǎn)，甚至癱瘓。所以如何及時(shí)準(zhǔn)確地確定電機(jī)故障原因、類(lèi)別及其故障嚴(yán)重程度，是提高電機(jī)及其拖動(dòng)系統(tǒng)安全運(yùn)行的重要措施和可靠保證。

傳統(tǒng)的電機(jī)故障診斷專(zhuān)家系統(tǒng)雖然取得了一定成果，但存在著明顯的局限性，而在人工智能方法，如神經(jīng)網(wǎng)絡(luò)、遺傳算法等，能夠處理傳統(tǒng)故障診斷方法無(wú)法解決的問(wèn)題。基于此，本文提出了一種基于改進(jìn)遺傳算法(IGA)和誤差(BP)算法相結(jié)合的混合算法，并應(yīng)用于電機(jī)故障診斷，有效地減少了誤判、漏判的情況，保證了電機(jī)故障診斷的準(zhǔn)確性與快速性。

2 BP神經(jīng)網(wǎng)絡(luò)及算法

        BP神經(jīng)網(wǎng)絡(luò)是誤差反向傳播前饋型神經(jīng)網(wǎng)絡(luò)，其結(jié)構(gòu)由輸入層、輸出層和若干隱含層組成，網(wǎng)絡(luò)的學(xué)習(xí)洲練過(guò)程是按誤差由輸出層節(jié)點(diǎn)經(jīng)隱含層節(jié)點(diǎn)反向傳播的，網(wǎng)絡(luò)學(xué)習(xí)目的是使網(wǎng)絡(luò)盡量逼近所需要的映射，這種映射是通過(guò)學(xué)習(xí)樣本的輸入和輸出對(duì)反映出來(lái)的。但標(biāo)準(zhǔn)BP算法中網(wǎng)絡(luò)的權(quán)值和閾值采用梯度下降進(jìn)行調(diào)節(jié)，通常具有收斂速度慢、容易陷入局部極小等缺點(diǎn)，因此必須對(duì)BP算法進(jìn)行改進(jìn)。這里采用對(duì)每個(gè)連接權(quán)植和閾值增加一個(gè)矢量項(xiàng)，即慣性系數(shù)，增加有效的學(xué)習(xí)效率，且有效抑制振蕩現(xiàn)象。可以應(yīng)用式(1)實(shí)現(xiàn)：

3改進(jìn)遺傳算法(IGA)

  遺傳算法(GA)是一種基于自然選擇和自然遺傳的全局優(yōu)化算法，它模擬了自然選擇和遺傳過(guò)程中的繁殖、交雜和突變的現(xiàn)象。目前遺傳算法已成功解決了許多復(fù)雜的優(yōu)化問(wèn)題，它****的優(yōu)點(diǎn)是：即使對(duì)多態(tài)的和非連續(xù)性的函數(shù)，也能獲得全局****解?但仍存在著早熟和收斂速度慢等不足，因此本文對(duì)傳統(tǒng)的遺傳算法進(jìn)行了改進(jìn)，然后采用改進(jìn)遺傳算法(IGA)優(yōu)化神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)和權(quán)重等，來(lái)提高優(yōu)化效率。

3.l遺傳算法的編碼方式改進(jìn)

    神經(jīng)網(wǎng)絡(luò)的權(quán)重、閾值學(xué)習(xí)是一個(gè)復(fù)雜的連續(xù)參數(shù)優(yōu)化問(wèn)題，每個(gè)遺傳碼串代表一種神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)中的權(quán)重和閾值。如果采用二進(jìn)制編碼形式，每一個(gè)權(quán)重和閾值究竟用幾個(gè)二進(jìn)制表示就是一個(gè)比較難決定的問(wèn)題，位數(shù)太少，則訓(xùn)練時(shí)間可能很長(zhǎng)或可能找不到解；如果位數(shù)太多，則染色體長(zhǎng)度又很長(zhǎng)，訓(xùn)練時(shí)間就很長(zhǎng)或者不能實(shí)現(xiàn)，而且二進(jìn)制編碼占用空間較大，在求解適應(yīng)度值時(shí)還會(huì)遇到一個(gè)解碼問(wèn)題，這也在某種程度上增加算法計(jì)算時(shí)間，所以本文采用浮點(diǎn)數(shù)編碼方式。

3.2交叉算子和變異算子的改進(jìn)

    交叉概率Pc和變異概率Pm直接影響算法的收斂性。從種群的個(gè)體來(lái)看，如果交叉概率Pc過(guò)大，新個(gè)體產(chǎn)生的速度越快；如果交叉概率Pc過(guò)小，新個(gè)體產(chǎn)生的速度就越慢，GA搜索過(guò)程較慢。對(duì)于變異概率Pm，如果變異概率Pm過(guò)大，GA搜索過(guò)程就變成了隨機(jī)過(guò)程，若變異概率只過(guò)小，則其產(chǎn)生新個(gè)體的抵制早熟現(xiàn)象的能力便會(huì)削弱。因此設(shè)計(jì)自適應(yīng)變化的交叉概率P和變異概率只很有必要。本文采用一種交叉概率和變異概率的自適應(yīng)調(diào)整規(guī)則，使得每個(gè)個(gè)體根據(jù)在遺傳過(guò)程中按其適應(yīng)度選擇不同的交叉概率和變異概率，并加以自動(dòng)調(diào)節(jié)。自適應(yīng)交叉概率Pc和變異概率

    式中，f_max表示種群****適應(yīng)度值；f_avg為種群平均適應(yīng)度；f表示在要交叉的兩個(gè)個(gè)體中較大的適應(yīng)度值；f表示要變異的個(gè)體適應(yīng)度；這里，k₁、k₂、k₃、k₄是O一1之間的常數(shù)，k₃和k₄較大。

3．3適應(yīng)度的調(diào)節(jié)

  種群適應(yīng)度的平均值f_avg和方差δ的計(jì)算公式為