刘红军 张晓刚

(新疆西部明珠工程建设有限公司)

基于模糊神经网络的离心式压缩机故障诊断①

刘红军 张晓刚

(新疆西部明珠工程建设有限公司)

利用模糊神经网络建立离心式压缩机故障诊断模型，使用梯度下降法进行学习训练，引用万能逼近定理设计离心式压缩机非线性系统函数逼近误差公式。仿真结果表明：出现故障后，逼近误差函数能够精确诊断离心式压缩机故障。

模糊神经网络 离心式压缩机 故障诊断 万能逼近定理 逼近误差

近年来，随着石油化工产业装置的大型化，对离心式压缩机提出了高压、高速及高度自动化等一系列要求，这促进了离心式压缩机的发展和研究。随着科技的不断进步，压缩机功能的可靠性和安全性得到了极大的提高[1]，但是压缩机本身仍存在稳定工况区域较小、易喘振等问题。另外，离心式压缩机的稳步工作也会由于部分外在因素而受到波动，如室内温度、负荷及不同气体特性等[2]，所以设计一个自动化程度高、功能齐全、稳定可靠的控制系统对提高压缩机的使用寿命和企业的经济效益至关重要[3,4]。在此，笔者利用模糊神经网络建立离心式压缩机故障诊断模型，设计离心式压缩机非线性系统函数逼近误差公式，从而实现精准的离心式压缩机故障诊断。

1 神经网络结构

神经网络的拓扑结构可以分为两大类：层状结构和网状结构。层状结构神经网络(图1)包括输入层、隐含层和输出层，其中输入层用于接收样本值并传递给隐含层，隐含层的神经元个数根据实际问题的需求而定。每一层包括固有数目的神经元，不同层之间的神经元是单向运行连接的，而同一层的神经元之间无关系。

图1 层状神经网络结构

前馈网络(前向网络)的特点是输入层接收到样本值后传递给隐含层然后直接送入输出层，整个网络不含有任何反馈结构。其中有两种网络应用比较广泛：反向传播(Back Propagation,BP)神经网络(图2)和径向基函数(Radial Basis Function,RBF)网络。它们的不同之处是隐含层每个节点用的激励函数不同。

图2 三层BP神经网络

反馈网络具有反馈连接作用，分别在输出层与隐含层、隐含层与隐含层当中。反馈网络一般分为两类：Hopfield网络和递归神经网络(Recurrent Neural Network,RNN)。根据反馈网络的状态，反馈方式分为Jordan型和Elman型，结构如图3所示。

图3 反馈方式

2 T-S模糊系统

T-S模糊系统定义如下：

(1)

(2)

3 非线性系统建模

考虑如下非线性系统：

y(t)=f(u,t)+η(u,t)

(3)

其中，u∈Rm、y(t)∈Rr分别为输入向量和输出向量；f(u,t)为系统的非线性函数；η(u,t)为平滑非线性向量，可以说明建模误差和干扰特性,且‖η(u,t)‖≤ηmax。系统的T-S模糊模型可表示为：

则整个系统的方程为：

(4)

4 仿真与结果分析

离心式压缩机非线性函数的表达式为：

u1(t)=0.5sin(6πt)

u2(t)=0.3cos(6πt)

对输入量u1(t)、u2(t)采用9个不同的模糊集进行模糊化，网络式学习参数η=0.5,α=0.05，采样时间取1ms。空气压力逼近误差的仿真结果如图4所示，可以看出，误差‖yd(t)-yn(t)‖刚开始逼近时，波动较大，但是随着时间的推移逼近误差逐渐趋近于零，这表明离心式压缩机逼近误差随着模糊规则的不断增加而达到预期的结果。

图4 空气压力逼近误差

5 结束语

笔者设计了一种基于模糊神经网络的离心式压缩机故障诊断方法。使用T-S模糊系统，建立模糊神经网络模型，使用梯度下降法进行学习训练，引用万能逼近定理设计离心式压缩机非线性系统函数逼近误差，实现了离心式压缩机的故障诊断。

[1] 闻新,张洪钺,周露.控制系统的故障诊断和容错控制[M].北京:机械工业出版社,2000:26～36.

[2] 周东华,孙优贤.控制系统的故障检测与诊断技术[M].北京:清华大学出版社,1994.

[3] 郭其一,王立德.一种基于解析性冗余的传感器故障诊断技术[J].铁道学报,2000,22(4):16～19.

[4] 张爱玲,张文英,张端金.控制系统故障检测与诊断技术的最新进展[J].系统工程与电子技术,2007,29(4):659～664.

[5] 陈玉东,施颂椒,翁正新.动态系统的故障诊断方法综述[J].化工自动化及仪表,2001,28(3):1～14.

[6] 周东华,叶银忠.现代故障诊断与容错控制[M].北京:清华大学出版社,2000.

FaultDiagnosisofCentrifugalCompressorBasedonFuzzyNeuralNetwork

LIU Hong-jun, ZHANG Xiao-gang

(XinjiangWestPearlEngineeringConstructionCo.,Ltd.)

Making use of fuzzy neural network to establish a fault diagnosis model for the centrifugal compressor was implemented, including the application of gradient descent method to the learning training, and citing the universal approximation theorem to design nonlinear function approximation error formula for the centrifugal compressor system. The simulation results show that, the approximation function can accurately diagnose the fault of centrifugal compressor when any failure emerges there.

fuzzy neural network, centrifugal compressor, fault diagnosis, universal approximation theorem, approximation error

刘红军(1970-)，高级工程师，从事电气自动化工作。

TH865

A

1000-3932(2017)03-0271-03

联系人张晓刚(1974-)，工程师，从事工业自动化与仪表工作，474439890@qq.com。

2016-10-31，

2016-11-28)