Direct-current Lifter’s Fault Diagnosis Using ART Net
YANG Tian-qi
(Dept.of Compater Science,Jinan University,Guangzhou 510632)
Abstract:ART strengths include its ability to place an arbitrary number of patterns into categories of varying degrees of complexity, its stable encoding, and its online learning abilities. It is extremely well suited to applications of dignostics, such as direct-current lifter’s fault diagnosis.
Key words:ART net;fault diagnosis;direct-current lifter
1 最大似然分类器
MAXNET的结构如图1所示，图中网络可分为上下两部分，下边部分用于计量Hamming距离，上边部分为横向抑制子网络。各类样本的特征值信息通过编码存储在各连接权uji中。对于任何一个模式x，其所有特征值分量xi将作为各节点的输入。这些特征值通过网络的加权求和，然后输入上边一层的节点。上述经过加权求和并输入上一层节点的值就恰好等于输入特征值与相应连接权中具有相同值的数值。
图1 MAXNET的结构
在MAXNET子网络中，设tjk是从第j个节点到k节点的连接权，取
(1)
其中，M表示可出现的类别数，它也是子网络中节点的个数。
子网络根据各节点的输出值通过连接权相互作用迭代处理，节点j在t+1时刻的输出值取决于各节点在t时刻的输出值，即：
yt(t+1)=ftyj(t)-ε
其中
(3)
任何一个输出yj(t)均受到所有其它输出的横向抑制。如果函数ft(a)的自变量a为正，则输出yj(t+1)也为正；而所有那些自变量a为负的节点，其输出将为零。
2 神经网络自组织聚类的一种算法
(1)将一个新模式x={xi}置入输入节点，对于所有i,xi=0或1。
(2)采用自下而上处理，求得加权和yi=∑bjixi；
(3)运用MAXNET处理过程，找出具有最大值yi的上层节点。
(4)通过执行自上而下处理检验x是否确实属于第j类，即：先计算加权和∑itjixi，如果
则x属于第j类，其中ρ是警戒参量。如果上式成立，转至第5步，否则，转至第6步。
(5)对于特定的j和所有的i,更新bji和tji；
(6)因为x似乎属于，但并不属于该节点，所以要抑制该节点并返回第2步，执行另一个聚类中心的处理过程。
3 直流提升机的故障诊断
直流提升机的故障通过总结和归纳共有9种。层次关系如图2所示。
图2 故障类型
接下来要按一定特征对故障类型进行数据编码，形成故障数据样本；因为这9种故障的诊断过程分为三级，故编码时位的定义也分成三级。第1，2位为第一级(包括一位冗余)；第3，4位为第二级，因为第二级只有4类故障，需要2位编码；第5，6，7位第三级编码9类故障。它们的树形编码如图3所示。
图3 树形编码
根据以上编码规则得到编码表1。
表1 故障样本数学编码
首先输入这9个样本编码让网络学习。之后，再输入一些已学习或未学习的样本编码以检证ART的诊断正确性。仿真结果见表2。
表2 计算结果
4 小结
这种方法可完成无监督自学习过程，在在线诊断中有着特别重要的意义；能够根据警戒线ρ，对噪声信号进行智能处理；新样本的加入不影响原有的权值，运行速度快。基于以上分析，神经网络的自组织模型将是一种很有效且实用的故障诊断方法。
基金项目：广东省自然科学基金资助项目(974023)
作者简介：杨天奇(1961-)，男，江西南昌人，工学博士，暨南大学计算机系副教授，主要从事模式识别和智能系统的研究。
杨天奇(暨南大学计算机科学系，广州 510632)
参考文献
［1］Matin T.Hagan,Neural Network Design［M］.PWS Publishing Company,1999:16-1～16-48.
［2］殷勤业，杨宗元等.模式识别与神经网络［M］.北京：机械工业出版社，1992.
本文关键字：提升机 电工文摘，电工技术 - 电工文摘
