Petri網(wǎng)故障診斷應(yīng)用論文
時(shí)間：2022-03-12 10:03:00
導(dǎo)語：Petri網(wǎng)故障診斷應(yīng)用論文一文來源于網(wǎng)友上傳，不代表本站觀點(diǎn)，若需要原創(chuàng)文章可咨詢客服老師，歡迎參考。
摘要本文針對(duì)模糊petri網(wǎng)在故障診斷中缺乏較強(qiáng)的自學(xué)習(xí)能力的缺點(diǎn)，將人工神經(jīng)網(wǎng)絡(luò)引入到模糊Petri網(wǎng)中，定義一種模糊神經(jīng)Petri網(wǎng)，并以船舶主機(jī)燃油子系統(tǒng)過程為例，對(duì)過程中的故障診斷進(jìn)行建模，通過分析說明該方法的可行性。
關(guān)鍵詞Petri網(wǎng)；模糊理論；神經(jīng)網(wǎng)絡(luò)；故障診斷
1引言
Petri網(wǎng)與模糊理論相結(jié)合，以及Petri網(wǎng)與神經(jīng)網(wǎng)絡(luò)相結(jié)合已經(jīng)在故障診斷過程中得到了應(yīng)用，雖然模糊Petri網(wǎng)具有很強(qiáng)的模糊推理能力，但是其缺乏較強(qiáng)的自學(xué)習(xí)能力，該缺點(diǎn)嚴(yán)重制約了模糊Petri網(wǎng)在各個(gè)領(lǐng)域的應(yīng)用，所以將人工神經(jīng)網(wǎng)絡(luò)引入到模糊Petri網(wǎng)中，建立故障診斷的模糊神經(jīng)網(wǎng)絡(luò)Petri網(wǎng)模型，提高了故障診斷系統(tǒng)的精度。本文以船舶主機(jī)燃油子系統(tǒng)過程為例，利用模糊神經(jīng)網(wǎng)絡(luò)Petri網(wǎng)對(duì)該過程中的故障診斷進(jìn)行建模。
2模糊神經(jīng)Petri網(wǎng)模型
2.1模糊神經(jīng)Petri網(wǎng)網(wǎng)定義
模糊神經(jīng)Petri網(wǎng)定義為一個(gè)十二元組，
。其中，
為有限庫所集；
為有限變遷集；
為有向弧集；
為權(quán)值；
Kp為隱含和輸出層庫所的活動(dòng)狀態(tài)集；
Kt為變遷集到規(guī)則集的一一映射；
為初始模糊標(biāo)識(shí)；
為有限命題集；
為置信度集，它與每個(gè)變遷一一映射；
為庫所到真值的一一映射；
為庫所到命題的一一映射；
為變遷到閾值的一一映射。
2.2模糊神經(jīng)Petri網(wǎng)模型的學(xué)習(xí)功能
模糊神經(jīng)Petri網(wǎng)（參見圖1），具有神經(jīng)網(wǎng)絡(luò)的某些特性，因此可先用神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)算法進(jìn)行訓(xùn)練，再調(diào)整網(wǎng)絡(luò)結(jié)構(gòu)中的權(quán)值，從而獲取知識(shí)。圖2為模糊神經(jīng)Petri網(wǎng)轉(zhuǎn)化為神經(jīng)元模型。
圖1模糊神經(jīng)Petri網(wǎng)模型圖2神經(jīng)元模型
3應(yīng)用實(shí)例
3.1生產(chǎn)過程
船舶主柴油機(jī)是機(jī)艙系統(tǒng)最為關(guān)鍵的設(shè)備,也是一種非常復(fù)雜的動(dòng)力裝置系統(tǒng)。它既是一個(gè)由往復(fù)式機(jī)械與其他機(jī)械構(gòu)成的動(dòng)力裝置系統(tǒng)，也包括了由控制裝置、伺服系統(tǒng)、檢測(cè)與顯示儀表以及安全保護(hù)和報(bào)警系統(tǒng)等組成的電氣控制系統(tǒng)，同時(shí)它還是一個(gè)復(fù)雜的熱工過程。由于船舶主機(jī)的極端重要性，其故障診斷和工礦監(jiān)視問題歷來深受重視。目前人們至少已從三個(gè)不同的方面探索研究了船舶主機(jī)的故障診斷問題，其一是振動(dòng)分析，其二是通過潤滑油品質(zhì)指標(biāo)的分析來判斷主機(jī)機(jī)械磨損情況，其三就是從熱工參數(shù)出發(fā)診斷船舶主機(jī)系統(tǒng)的故障。本文利用第三種方法，選用燃油流量、燃油壓力和燃油黏度，診斷燃油子系統(tǒng)故障。其流程圖如圖3所示。
3.2模糊神經(jīng)Petri網(wǎng)模型
船舶主機(jī)燃油子系統(tǒng)故障診斷的模糊神經(jīng)Petri網(wǎng)模型如圖4所示。4實(shí)例分析
下面以船舶主機(jī)燃油子系統(tǒng)的故障診斷為例，燃油流量、燃油壓力和燃油黏度作為該子系統(tǒng)神經(jīng)網(wǎng)絡(luò)的輸入，即。每個(gè)輸入變量用三種狀態(tài)表示，即正常（N），偏高（H）,偏低（L）,該系統(tǒng)有6各種基本故障現(xiàn)象，記為，其中表示無故障，下面以為例，說明神經(jīng)網(wǎng)絡(luò)在模糊Petri網(wǎng)的學(xué)習(xí)能力。
表1是故障現(xiàn)象的學(xué)習(xí)樣本，當(dāng)模型完成了故障診斷的學(xué)習(xí)和訓(xùn)練，就可以根據(jù)模型輸入量進(jìn)行故障診斷推理，表2和表3為一組故障診斷的運(yùn)行實(shí)例。
由表2可以得出，當(dāng)輸入量時(shí)，故障現(xiàn)象的診斷結(jié)果為，它的可能性為96%，當(dāng)輸入數(shù)據(jù)發(fā)生變化時(shí)，從表2可能看出，故障分類的結(jié)果依然是，但是輸出值產(chǎn)生了變化，從表中可以看出故障的可能性下降為69%，這說明，神經(jīng)網(wǎng)絡(luò)在模糊Petri網(wǎng)的故障診斷系統(tǒng)中對(duì)偏離訓(xùn)練樣本的輸入數(shù)據(jù)依然具有較強(qiáng)的處理能力。把神經(jīng)網(wǎng)絡(luò)引入到模糊Petri網(wǎng)故障診斷過程中，可以提高診斷結(jié)果的正確性。
表1故障現(xiàn)象的學(xué)習(xí)樣本表
輸入輸出故障
原因
P1XP7P8P9P10P11
0X10000正常
1X101000超負(fù)荷
1X200100后燃
1X300010提前著火
1X400001燃油管路泄露
表2燃油子系統(tǒng)的故障診斷實(shí)例
序號(hào)輸入輸出（%）
QPuP0P1P2P3P4P5P6
1HNN39600010
2H0.6N0.6N97419232
3H-0.4N-0.4N476000200
41.2H-0.4N-0.4N179000200
50.8H-0.4N-0.4N969000211
表3故障現(xiàn)象的診斷實(shí)例
序號(hào)輸入輸出（%）
P1XP8P9P10P11
11X197300
21X219360
31X304906
41X400892
51X5683200
5結(jié)束語
本文將人工神經(jīng)網(wǎng)絡(luò)引入到模糊Petri網(wǎng)中，并以船舶主機(jī)燃油子系統(tǒng)過程為例，對(duì)過程中存在的故障進(jìn)行診斷，通過實(shí)例說明該方法可以提高故障診斷系統(tǒng)的精度。
參考文獻(xiàn)
[1]胡志剛等,基于模糊神經(jīng)Petri網(wǎng)的故障診斷模型[J].小型微型計(jì)算機(jī)系統(tǒng)，2005,11(26)
[2]王磊等,甲醇合成過程中基于MAS的故障診斷方法[J].華東理工大學(xué)學(xué)報(bào)，2006,1（32）
[3]KoriemSM.AfuzzyPetrinettoolformodelingandverificationofknowledge-basedsystems[J].TheComputerJournal,2000,43(3):206-223
[4]大衛(wèi)R,奧蘭H.（黃建文，趙不賄譯）佩特利網(wǎng)和邏輯控制器圖形表示工具(GRAFACET)[M].北京：機(jī)械工業(yè)出版社,1996
[5]AhsonSI.PetriNetModelsofFuzzyNeuralNetworks.IEEETransonSMC,1995,25(6):926-932
[6]韓光臣等,基于模糊概率Petri網(wǎng)系統(tǒng)的故障診斷仿真研究.計(jì)算機(jī)集成制造系統(tǒng).2006,4(12)
[7]TsangECC,YeungDS,LeeJWT.LearningcapabilityinfuzzyPetrinet[J].InProceedingofthe1999IEEEInternationalConferenceonSystems,Man,andCybernetics,Tokyo,1999:355-360
[8]J.IEBAIL,H.ALLA,R.DAVID,“HybridPetriNets”,EuropeanControlConference,Grenoble(F),July1991,pp.1472-1477
[9]Champagnat.R,Estebah.P,Pingabld.H,putersInIndustry,36(1998):139-146