昆山市拓恒機(jī)電有限公司
馮先生 137-7635-6532
E-mail: [email protected]
江蘇省昆山市經(jīng)濟(jì)技術(shù)開發(fā)區(qū)
金沙江南路16號3號廠房
1 引言
電子平臺秤用于貿(mào)易結(jié)算的成品計量，保證電子平臺秤的稱重數(shù)據(jù)準(zhǔn)確性，減少計量異議的發(fā)生是一項重要的工作。電子平臺秤是以數(shù)字顯示重量的電子式測量儀表。它是由稱重傳感器、A/D轉(zhuǎn)換集成電路、運算放大器、智能單片機(jī)、顯示驅(qū)動和顯示電路、鍵盤電路、多功能接口電路、交流/直流/充電/蓄電/穩(wěn)壓電路等部分組成。通過檢查傳感器輸出信號值是否于標(biāo)準(zhǔn)內(nèi)是判斷電子平臺秤儀表不歸零和稱重量不準(zhǔn)等主要因素。數(shù)字傳感器能夠?qū)崿F(xiàn)自動采集數(shù)據(jù)并可以預(yù)處理、存儲和記憶，具有標(biāo)記的唯一性，以便對傳感器的故障診斷。利用Matlab軟件建立神經(jīng)網(wǎng)絡(luò)故障診斷的模型作為一種識別故障有效的方法
2 BP神經(jīng)網(wǎng)絡(luò)
BP神經(jīng)網(wǎng)絡(luò)模型是人工神經(jīng)網(wǎng)絡(luò)的重要模型之一。BP算法主要是運用一些學(xué)習(xí)規(guī)則來調(diào)整神經(jīng)元之間的連接權(quán)值，在學(xué)習(xí)過程中，學(xué)習(xí)規(guī)則和網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)無變化的。然而，一個神經(jīng)網(wǎng)絡(luò)的信息處理功能不僅取決于神經(jīng)元之間的連接強度，而且與網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu) (神經(jīng)元的連接方式) 、神經(jīng)元的輸入輸出特性和神經(jīng)元的閾值有關(guān)。首先，對實驗結(jié)果數(shù)據(jù)進(jìn)行預(yù)處理，其次利用模式識別算法進(jìn)行訓(xùn)練和分類，最后通過訓(xùn)練或者學(xué)習(xí)分類得到的判據(jù)對未知樣本進(jìn)行判別或計算機(jī)預(yù)報
圖1 BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖 下載原圖
人工神經(jīng)網(wǎng)絡(luò)模型中各個參數(shù)的確定：
1) 輸入層節(jié)點數(shù)的確定：特征參數(shù)組成了特征向量，特征向量可作為網(wǎng)絡(luò)輸入。所以選取特征參數(shù)的正確與否直接影響到網(wǎng)絡(luò)的性能。樣本分為校正集和預(yù)測集。
2) 隱層節(jié)點數(shù)的確定：在一定程度上，隱層節(jié)點數(shù)的增加，使計算的更加復(fù)雜，網(wǎng)絡(luò)訓(xùn)練收斂的速度會降低，網(wǎng)絡(luò)的推廣本領(lǐng)也會隨之變得差，因此需通過問題的規(guī)模正確地選擇隱層的單元數(shù)。隱層節(jié)點數(shù)用下公式求出：
其中m是輸入節(jié)點的數(shù)目，n是輸出節(jié)點的數(shù)目，隱層節(jié)點數(shù)目根據(jù)上述公式計算出初始值，再利用逐步增長法進(jìn)行修改，直到得到一個合適值為止。通過改變隱層節(jié)點數(shù)目來確定判別模型分類結(jié)果的好壞。
3) 輸出層節(jié)點數(shù)的確定：網(wǎng)絡(luò)的輸出向量，一般指的是一個具體的問題目標(biāo)結(jié)果。
3 實驗方法及結(jié)果分析
表1 實驗數(shù)據(jù)分布情況 下載原表
3.1 實驗方法
本實驗選用一臺數(shù)字式傳感器電子平臺秤進(jìn)行實驗，理想狀態(tài)下，電子平臺秤四個傳感器輸出碼值相差在50-100之間。首先，該電子平臺秤處于無稱重的狀態(tài)下進(jìn)行實驗。將電子平臺秤的四個傳感器分為四種情況進(jìn)行實驗，第一種情況四個傳感器都處于正常工作狀態(tài)下取四個數(shù)字傳感器的輸出碼值；第二種情況四個傳感器中一個傳感器輸出碼值出現(xiàn)異常；第三種情況是四個傳感器中其中兩個傳感器輸出碼值出現(xiàn)異常；第四種情況是四個傳感器中三個傳感器輸出碼值出現(xiàn)異常。四個傳感器均正常情況下，儀表輸出數(shù)據(jù)為零，如其中某一個或多個傳感器出現(xiàn)故障，則儀表會顯示一個正或負(fù)的余數(shù)值?，F(xiàn)將四種情況下傳感器輸出碼值作為輸入數(shù)據(jù)建立識別模型，運用二進(jìn)制碼0和1表示四個傳感器的輸出，可根據(jù)輸出結(jié)果來判斷傳感器工作狀態(tài)是否異常。該實驗分別取四種情況下各15傳感器輸出碼值數(shù)據(jù)，利用60組數(shù)據(jù)進(jìn)行建模。具體實驗數(shù)據(jù)分布情況見表1，其中C1、C2、C3、C4代表四個傳感器。
3.2 結(jié)果與分析
樣本以3:1的比例分為校正集和預(yù)測集，本實驗將60組數(shù)字式傳感器輸出碼值分成校正集40組和預(yù)測集20組。網(wǎng)絡(luò)的輸出點為傳感器輸出四種狀態(tài)，分別表示為11, 10, 01, 00四個數(shù)字代碼進(jìn)行編碼。各個代碼分別代表為四個傳感器均正常為正常、四個傳感器中一個出現(xiàn)故障為異常1、四個傳感器中兩個出現(xiàn)故障為異常2和四個傳感器中三個出現(xiàn)故障為異常3。為了保證數(shù)據(jù)的一致性，因此在建模之前將所有數(shù)據(jù)經(jīng)過數(shù)據(jù)歸一化處理，再選擇網(wǎng)絡(luò)輸入層和隱含層的傳遞函數(shù)tansig，輸出層傳遞函數(shù)為traingdx函數(shù)，訓(xùn)練目標(biāo)設(shè)為1x10-4，網(wǎng)絡(luò)的學(xué)習(xí)速率為0.05，設(shè)定的訓(xùn)練迭代次數(shù)為5000次。運用matlab軟件來建立人工神經(jīng)網(wǎng)絡(luò)的模型。事實上，隱層節(jié)點數(shù)的多少決定著BP神經(jīng)網(wǎng)絡(luò)的復(fù)雜性。因此，必須選擇最佳的隱層節(jié)點數(shù)，才能使網(wǎng)絡(luò)模型效果最優(yōu)。本文通過改變不同隱層節(jié)點數(shù)來比較網(wǎng)絡(luò)模型的優(yōu)劣，不同節(jié)點數(shù)與訓(xùn)練集和校正集的正確率關(guān)系見表2。傳感器故障識別神經(jīng)網(wǎng)絡(luò)模型見圖2。
圖2 傳感器故障識別BP神經(jīng)網(wǎng)絡(luò)模型 下載原圖
從上述表2中可以看出，分別選取隱層節(jié)點數(shù)5、10、15、20、25和30進(jìn)行網(wǎng)絡(luò)訓(xùn)練，結(jié)果顯示當(dāng)隱層節(jié)點數(shù)為10個時，模型達(dá)到最好效果，訓(xùn)練集和預(yù)測集正確率均達(dá)到100%，四種工作狀態(tài)下的傳感器能夠準(zhǔn)確地被識別開來，根據(jù)識別結(jié)果大體可以判斷故障出現(xiàn)的原因，如出現(xiàn)異常1情況，則可以判斷該故障時由于傳感器自身問題產(chǎn)生，如果出現(xiàn)異常2情況可以判斷可能是由于傳感器自身問題或是秤體出現(xiàn)傾斜等情況產(chǎn)生。因此，可以證明了人工神經(jīng)網(wǎng)絡(luò)分析建立的識別模型可以應(yīng)用于識別數(shù)字式傳感器故障的一種方式，并且達(dá)到理想的效果。
表2 不同隱層節(jié)點數(shù)對應(yīng)訓(xùn)練集和校正集的正確率 下載原表
4 結(jié)束語
稱重傳感器是電子平臺秤重要組成部分，它的好壞直接影響著電子平臺秤的稱重結(jié)果的準(zhǔn)確性。在電子平臺秤運行過程中，準(zhǔn)確診斷故障原因，可提高電子平臺秤的準(zhǔn)確性和可靠性。本文采用人工神經(jīng)網(wǎng)絡(luò)方法建立了數(shù)字式傳感器故障鑒別的模型, 該模型對傳感器故障識別正確率可達(dá)到100%，故障識別準(zhǔn)確率高，可以作為一種便于在實際中推廣應(yīng)用的診斷數(shù)字式傳感器的方法。
