今日頭條
官方微信
官方抖音
案例頻道
劉紀新（1979－）
男，青島黃海職業學院，學士。現從事計算機網絡智能控制及橡膠行業機電一體化設備的開發與研制。
摘要：利用BP神經網絡的自適應、自學習和對非線性系統超強的分析能力等特點，將其應用到橡膠配料系統中，有效的實現了配料系統的故障診斷，填補了國內在配料系統故障診斷應用上的空白，對其他行業也有一定借鑒作用。
關鍵詞：配料系統；BP神經網絡；故障診斷
Abstract: BP neural network has the abilities of self-adaption, self-learning and good analysis of nonlinear systems, etc.. Applying BP neural network in dosing system can realize the fault diagnosis, filling in the gaps in fault diagnosis of dosing system of China. The strategy proposed in this paper also can serve as a guide and reference to dosing system in other industries.
Key words: dosing system；BP neural network；fault diagnosis
1 研究背景
在橡膠、印鈔、油墨等行業的生產中，按固定的配方準確配料是保證產品質量的關鍵工序之一[1]。配料系統是這些行業生產中常用的機電設備，其功能和可靠性決定了產品的均一穩定性，因此倍受重視。在配料系統運行時，會出現一些可預見和不可預見的故障，如何有效地探測故障并使系統運行良好是目前研究的熱點。
神經網絡是近年來出現的一種新方法，可以利用神經網絡強大的分類能力，進行故障模式的分類與學習，診斷出故障。本文采用了BP神經網絡實現了對配料系統各種故障的快速定位，為系統維修維護提供了可靠指導。該系統的成功應用改變了橡膠、印鈔、油墨生產裝備的水平，創造了民族工業的品牌，為橡膠、印鈔、油墨行業做出了突出的貢獻。
2 配料系統的結構
配料系統單料秤結構如圖1所示，由給料機構、料斗、卸料機構、稱和配料控制器組成，采用多工位、環形結構設計，根據配方設定，多種物料單獨、分別同時稱量，混合配比，全自動化生產運行方式。
圖1 單工位稱量工藝圖
3 配料系統故障描述
配料系統的故障表現為多種類型，為了便于進行故障診斷，下面將從不同的角度進行配料系統的故障分類。
（1）從故障的時間歷程上來分，配料系統故障可分為突發性故障和漸進性故障。突發性故障發生時間上是突然的，故障前沒有明顯的征兆表現，這類故障不能提前預測及測試。如控制器反饋丟失、下位機程序運行異常等。漸進性故障發生時間是一個漸變的過程，故障發生前已經有相應的征兆表現，根據這些征兆在一定程度上可以進行這類故障的早期預測。如控制回路參數變化、驅動器調節回路異常等。
（2）從故障的危害程度上來分，配料系統故障可分為嚴重故障和一般故障。嚴重故障是指故障危害程度巨大，危及到人身安全、環境安全或者配料系統本身安全的故障，這些故障必須采取緊急措施加以處理。如一般故障是指不引起安全問題，但對配料精度有一定影響的故障。
（3）從故障的學科領域上來分，配料系統故障可分為電子、電氣和機械類型的故障。如各種器件或邏輯故障屬電子類故障，涉及控制調節的故障屬電氣類故障，而涉及系統機械力學的故障屬機械類故障。
（4）從故障發生的原因上來分，配料系統故障可以分為內在故障和環境故障。內在故障是由于內部結構不協調或結構劣化引起的，如由于元器件的老化引起的控制參數的變化；環境故障是由于輸入異常引起的，如氣源氣壓降低，使系統無法運行等等。
綜觀配料系統的故障，可以總結出以下幾個方面的特點：
層次性 由于配料系統是一個具有多層次的復雜系統，而故障的產生對應于系統的不同層次，表現為層次性，下一層次的故障一般能在上一層次得以顯現。
相關性 配料系統這類復雜系統是由若干個相互聯系的子系統組成的整體，某些子系統的故障常常是由于與之相關子系統或下級子系統故障傳播所致，從而表現為相關性。
模糊性 配料系統運行狀態中的模糊性，以及人們在狀態監測和技術診斷中存在許多模糊的概念和方法。
多樣性 從配料系統常見故障中可以看出，既有硬件方面的故障，也有軟件方面的故障，故障產生的機理不盡相同，表現為多樣性。
多領域性 由于配料系統的系統組成涉及電控、物料稱量、氣力驅動和機械結構幾個部分，而這些部分又屬于不同的領域，由此配料系統的故障涉及電子、電氣和機械等多個學科領域，表現為多領域性。
4 BP網絡設計
三層BP網絡可以很好的解決一般的模式識別問題，其結構如圖2所示。
圖2 BP網絡結構
三層BP網絡由輸入節點、輸出節點和隱節點組成，其中，隱含層神經元個數n2和輸入層神經元個數n1之間有以下近似關系：
n2=2n1+1
在本文中，實際選取的網絡的輸入層神經元個數為15個，輸出層神經元個數為3個，所以隱含層的神經元個數近似為31個。隱含層的神經元個數并不是固定的，需要經過實際訓練的檢驗來不斷調整。
5 配料系統故障特征量提取
配料系統的故障主要集中在配料控制器故障及稱量回路的機械故障，所占的故障比率在90%以上。因此故障診斷的主要目的集中在如何區分配料控制器故障和稱量回路的機械故障，并在上位機系統進行顯示，通知操作人員。對于配料控制器故障和稱量回路的機械故障，我們選取了配料控制器輸出電壓、固態繼電器輸出電壓、移向觸發器相位角、擺桿電磁閥、變頻器輸入控制信號、變頻器輸出頻率等15個測量點的數據作為特征量。選取這些特征量，可以完全反應配料系統的故障。這樣，配料系統的故障狀態樣本數據就是一個15維的向量。這些數據具有不同的單位和量級，所以在輸入神經網絡之前應該首先進行歸一化處理。表1給出了輸入向量的9組數據，它們都是已經歸一化后的樣本數據。
表1 測角系統狀態樣本數據
6 仿真結果分析
使用MatLab進行仿真，訓練次數為1000次，訓練目標0.01，學習速率0.1，仿真結果如圖3所示。可見，大約經過30次訓練后，網絡的性能就達到了要求。收斂速度快的一個重要原因在于學習速率的設定值比較大。
圖3 訓練結果
下面需要對訓練好的網絡進行測試。抽取3組新的數據作為網絡的測試輸入數據，如表2所示。
表2 測試輸入數據
表2 測試數據
測試結果為：
Y=
0.9728 0.0023 0.0190
0.0000 0.8951 0.0000
0.0001 0.0000 0.9982
按照歐式范數理論，這三次測試的誤差分別為0.0272、0.1049和0.0018，可以看出這些誤差是非常小的。因此，可以判定，經過訓練后，網絡是完全可以滿足配料系統故障診斷要求的，對故障的診斷正確率在90%以上。
7 結論
利用BP神經網絡的自適應、自學習和對非線性系統超強的分析能力等特點，將其應用到橡膠配料系統中，有效的實現配料系統的故障診斷。該系統工作穩定可靠，對故障的診斷正確率在90%以上，可以滿足各種配料生產的要求，已在“十五”國家重大技術裝備載重子午胎成套設備研制“小料自動配料稱量系統”和“印鈔油墨配料系統”中得到應用，并通過國家驗收。
其它作者：
胡鳳菊（1979- ），女，青島黃海職業學院，學士。
賈曉芬（1979- ），女，安徽碭山人，哈爾濱工業大學，碩士。
趙佰亭（1981- ），男，哈爾濱工業大學，博士。
參考文獻
[1] 趙佰亭，杭柏林，申洪雷.配料系統三級計算機管理控制與實現［J］.自動化博覽，2004，09增刊：86-87.
[2] 杭柏林，袁仲雪，高彥臣.配料系統給料速度的自動控制［J］.世界橡膠工業，2001，27（2）：55-56.
[3] 袁仲雪，杭柏林，張文軍.小料自動配料稱量系統的研制［J］.世界橡膠工業，2000，27（4）：20-21.
北京市公安局海淀分局備案號：11010802023656號