基于神经网络的控制系统故障诊断技术探究

王磊+++刘慧博

摘 要：现代社会的发展促进了神经网络控制系统的应用，但是由于网络系统本身存在较大复杂性，当出现运行问题或系统故障时，需要采取技术手段予以集中解决。针对神经网络控制系统在应用中出现的故障问题，需要在原因分析的基础上，检查主要部件包括执行器和传感器的使用情况，采集故障数据，建立数学模型，利用遗传算法等集中诊断分析神经网络控制系统的故障问题。文章在此基础上，主要对神经网络的控制系统故障诊断技术内容和要点进行研究与分析。

关键词：神经网络控制系统；故障诊断；技术分析

现代经济的发展和科技的进步促进了计算机技术的应用和进步，信息技术和网络控制系统为工业生产和科学研究带来巨大便利。现阶段，神经网络控制系统应用趋向于规模化、集中化和专业化，网络控制技术进步的同时，生产应用率提高，超负荷工作下，容易出现系统故障或瘫痪，造成企业经济损失，因而需要积极制定有效策略、运用先进技术和手段对神经网络控制系统故障问题予以集中解决。[1]

1 神经网络控制系统故障诊断技术发展

1.1 智能化

神经网络控制系统出现故障，一般需要专业工程师对系统的故障信号进行检测、搜集和分析，在了解系统故障的发生位置后即可分析研究故障原因。现代网络信息技术和智能技术的广泛应用提高了神经网络控制系统故障的诊断速率。神经网络控制系统在工业生产等领域应用广泛，关于系统故障的诊断技术也不断提高，逐步向智能化和数字化发展。神经网络控制系统在不同行业应用，但是产生的故障原因不同，采用的诊断方法也不同。一般系统在产生故障时会自动发出警报声，可第一时间确定系统的故障位置，这种属于系统故障智能定位。系统控制工作复杂，从应用企业的应用成本考虑，需要使用合理的神经网络控制系统，同时增加对神经网络控制系统故障研究成本的投入。

1.2 灵活性

神经网络控制系统产生故障大多是人工应用不当导致的，因而在故障诊断中由于人的主观意识，导致系统故障诊断过于单一，且人工判别技术有限，具有较大随机性和盲目性，对系统故障位置及成因分析判断的准确度不够，影响神经网络控制系统故障修理。然而采取智能技术对神经网络控制系统故障进行排查和定位具有较强灵活性，可以在假设的基础上建立数学模型，以数据分析的形式对系统故障部分予以诊断。神经网络控制系统研发和应用的复杂度不断提高，不同类型控制系统产生的故障原因也越来越复杂，采用数学建模的方法获取、分析故障系统数据，能够增强神经网络控制系统故障诊断的灵活性和针对性。[2]

2 神经网络控制系统故障诊断技术应用的内容和要点

2.1 数据建模，隔离故障源

神经网络控制系统出现故障后无法正常运行，系统某些功能也无法实现，最终导致系统瘫痪、影响工作。针对这种情况需要充分利用人工智能手段诊断系统故障原因，可以利用软硬件监控系统，在确定故障点后予以隔离，通过数据了解系统产生故障的人工原因和机能原因。技术人员一般需要根据系统工作参数输出，利用数据建模，以数学表示形式将系统故障信息进行验证和输出，作为故障诊断评价的理论依据。对于神经网络控制系统故障原因诊断后还要进行原因分类，检测系统变量是否存在异常，若异常则启动报警装置，以此排除不合理故障原因。神经网络控制系统故障发生需要在判断出原因后根据信息源位置隔离故障部分，对于神经网络控制系统不同的故障原因和故障程度均要进行量化评估，并采取有效措施解决故障问题。

2.2 BP神经网络和遗传算法

神经网络控制系统主要部分是执行器和传感器，执行器和传感器在运行中主要容易出现恒偏差、卡死和恒增益等不同类型的故障。因而在故障诊断中需要利用仿真建模的办法，将仿真人设定为故障类型，并以此获得系统变化信息。在神经网络控制系統故障中一般会应用BP算法，但这种算法单独使用效率不高，可结合遗传算法，利用遗传算法优化BP神经网络的权值阈值，最后在系统故障归一化处理后用作训练数据。遗传算法的主要特点是全局搜索能力强且运行高效、便捷。传统的BP算法在受到遗传算法数据优化后，能够提高神经网络控制系统故障诊断的有效率，诊断数据误差比对后可提高运算速率。[3]

2.3 残差序列和模型解析

神经网络控制系统动态模型建立能够有效提高系统故障诊断与检修准确率，一般是利用滤波器或观测器重构控制系统的参数或状态，并形成残差序列，对于残差序列中所包含的故障信息可以采取必要手段进行信息增强，对模型中的非故障信息需要抑制，正常情况下统计分析残差序列可直接检测出系统故障发生的位置和原因。系统故障正常值与估计值的偏差分析是研究系统故障程度的关键，在参数估计中相对简单实用的是最小二乘法，鲁棒性较强，因而是参数估计的首选方法。系统运行状态可由被控过程状态反映，被控过程状态在重构中形成残差数列，数列中也包含了不同的故障信息，利用模型统计检验出故障，最后用尔曼滤波器进行状态估计。关于模型等价空间的诊断一般使用无阀值的方法，这种方法是在1984年由willsky和Chow提出，主要是对测量信息进行分类，得到一致的冗余数据子集后，估计系统状态，并对不同的冗余数据进行识别，完成模型解析。

3 结束语

神经网络控制系统的应用广泛，属于人工智能研究领域的重要部分，要提高系统运行的安全性和稳定性，就要在系统出现故障后采用科学的诊断方法，以建立数学模型的形式对系统故障数据进行检测和分析。神经网络控制系统的故障诊断技术研究需要不断深入，根据系统不同的故障类型采取针对性的解决办法分析故障原因、定位故障源，并进行隔离排障。[4]

参考文献

[1]徐岩，秦波.LM-BP神经网络的叉车液压系统故障诊断技术研究[J].内蒙古科技与经济，2016（22）：90-91+93.

[2]祁涛，张彦斌，姚人前.神经网络技术在智能BIT故障诊断系统中的应用[J].火力与指挥控制，2016（06）：125-128.

[3]黄志强.基于BP神经网络技术开发港口设备故障诊断专家系统[J].软件导刊，2012（02）：77-79.

[4]樊立萍，石月，高士宏.基于模糊神经网络的感应电机控制系统的故障诊断[J].信息系统工程，2010（01）：26-28.

作者简介：王磊（1987-），男，汉族，内蒙古呼和浩特市人，内蒙古科技大学硕士研究生，从事运动控制方面的研究。

刘慧博（1972-），女，汉族，副教授，内蒙古包头市人，从事运动控制方面的研究。