導(dǎo)語(yǔ)：Petri網(wǎng)故障診斷應(yīng)用論文一文來(lái)源于網(wǎng)友上傳，不代表本站觀點(diǎn)，若需要原創(chuàng)文章可咨詢(xún)客服老師，歡迎參考。

摘要本文針對(duì)模糊petri網(wǎng)在故障診斷中缺乏較強(qiáng)的自學(xué)習(xí)能力的缺點(diǎn)，將人工神經(jīng)網(wǎng)絡(luò)引入到模糊Petri網(wǎng)中，定義一種模糊神經(jīng)Petri網(wǎng)，并以船舶主機(jī)燃油子系統(tǒng)過(guò)程為例，對(duì)過(guò)程中的故障診斷進(jìn)行建模，通過(guò)分析說(shuō)明該方法的可行性。

關(guān)鍵詞Petri網(wǎng)；模糊理論；神經(jīng)網(wǎng)絡(luò)；故障診斷

1引言

Petri網(wǎng)與模糊理論相結(jié)合，以及Petri網(wǎng)與神經(jīng)網(wǎng)絡(luò)相結(jié)合已經(jīng)在故障診斷過(guò)程中得到了應(yīng)用，雖然模糊Petri網(wǎng)具有很強(qiáng)的模糊推理能力，但是其缺乏較強(qiáng)的自學(xué)習(xí)能力，該缺點(diǎn)嚴(yán)重制約了模糊Petri網(wǎng)在各個(gè)領(lǐng)域的應(yīng)用，所以將人工神經(jīng)網(wǎng)絡(luò)引入到模糊Petri網(wǎng)中，建立故障診斷的模糊神經(jīng)網(wǎng)絡(luò)Petri網(wǎng)模型，提高了故障診斷系統(tǒng)的精度。本文以船舶主機(jī)燃油子系統(tǒng)過(guò)程為例，利用模糊神經(jīng)網(wǎng)絡(luò)Petri網(wǎng)對(duì)該過(guò)程中的故障診斷進(jìn)行建模。

2模糊神經(jīng)Petri網(wǎng)模型

2.1模糊神經(jīng)Petri網(wǎng)網(wǎng)定義

模糊神經(jīng)Petri網(wǎng)定義為一個(gè)十二元組，

。其中，

為有限庫(kù)所集；

為有限變遷集；

為有向弧集；

為權(quán)值；

Kp為隱含和輸出層庫(kù)所的活動(dòng)狀態(tài)集；

Kt為變遷集到規(guī)則集的一一映射；

為初始模糊標(biāo)識(shí)；

為有限命題集；

為置信度集，它與每個(gè)變遷一一映射；

為庫(kù)所到真值的一一映射；

為庫(kù)所到命題的一一映射；

為變遷到閾值的一一映射。

2.2模糊神經(jīng)Petri網(wǎng)模型的學(xué)習(xí)功能

模糊神經(jīng)Petri網(wǎng)（參見(jiàn)圖1），具有神經(jīng)網(wǎng)絡(luò)的某些特性，因此可先用神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)算法進(jìn)行訓(xùn)練，再調(diào)整網(wǎng)絡(luò)結(jié)構(gòu)中的權(quán)值，從而獲取知識(shí)。圖2為模糊神經(jīng)Petri網(wǎng)轉(zhuǎn)化為神經(jīng)元模型。

圖1模糊神經(jīng)Petri網(wǎng)模型圖2神經(jīng)元模型

3應(yīng)用實(shí)例

3.1生產(chǎn)過(guò)程

船舶主柴油機(jī)是機(jī)艙系統(tǒng)最為關(guān)鍵的設(shè)備,也是一種非常復(fù)雜的動(dòng)力裝置系統(tǒng)。它既是一個(gè)由往復(fù)式機(jī)械與其他機(jī)械構(gòu)成的動(dòng)力裝置系統(tǒng)，也包括了由控制裝置、伺服系統(tǒng)、檢測(cè)與顯示儀表以及安全保護(hù)和報(bào)警系統(tǒng)等組成的電氣控制系統(tǒng)，同時(shí)它還是一個(gè)復(fù)雜的熱工過(guò)程。由于船舶主機(jī)的極端重要性，其故障診斷和工礦監(jiān)視問(wèn)題歷來(lái)深受重視。目前人們至少已從三個(gè)不同的方面探索研究了船舶主機(jī)的故障診斷問(wèn)題，其一是振動(dòng)分析，其二是通過(guò)潤(rùn)滑油品質(zhì)指標(biāo)的分析來(lái)判斷主機(jī)機(jī)械磨損情況，其三就是從熱工參數(shù)出發(fā)診斷船舶主機(jī)系統(tǒng)的故障。本文利用第三種方法，選用燃油流量、燃油壓力和燃油黏度，診斷燃油子系統(tǒng)故障。其流程圖如圖3所示。

3.2模糊神經(jīng)Petri網(wǎng)模型

船舶主機(jī)燃油子系統(tǒng)故障診斷的模糊神經(jīng)Petri網(wǎng)模型如圖4所示。4實(shí)例分析

下面以船舶主機(jī)燃油子系統(tǒng)的故障診斷為例，燃油流量、燃油壓力和燃油黏度作為該子系統(tǒng)神經(jīng)網(wǎng)絡(luò)的輸入，即。每個(gè)輸入變量用三種狀態(tài)表示，即正常（N），偏高（H）,偏低（L）,該系統(tǒng)有6各種基本故障現(xiàn)象，記為，其中表示無(wú)故障，下面以為例，說(shuō)明神經(jīng)網(wǎng)絡(luò)在模糊Petri網(wǎng)的學(xué)習(xí)能力。

表1是故障現(xiàn)象的學(xué)習(xí)樣本，當(dāng)模型完成了故障診斷的學(xué)習(xí)和訓(xùn)練，就可以根據(jù)模型輸入量進(jìn)行故障診斷推理，表2和表3為一組故障診斷的運(yùn)行實(shí)例。

由表2可以得出，當(dāng)輸入量時(shí)，故障現(xiàn)象的診斷結(jié)果為，它的可能性為96%，當(dāng)輸入數(shù)據(jù)發(fā)生變化時(shí)，從表2可能看出，故障分類(lèi)的結(jié)果依然是，但是輸出值產(chǎn)生了變化，從表中可以看出故障的可能性下降為69%，這說(shuō)明，神經(jīng)網(wǎng)絡(luò)在模糊Petri網(wǎng)的故障診斷系統(tǒng)中對(duì)偏離訓(xùn)練樣本的輸入數(shù)據(jù)依然具有較強(qiáng)的處理能力。把神經(jīng)網(wǎng)絡(luò)引入到模糊Petri網(wǎng)故障診斷過(guò)程中，可以提高診斷結(jié)果的正確性。

表1故障現(xiàn)象的學(xué)習(xí)樣本表

輸入輸出故障

原因

P1XP7P8P9P10P11

0X10000正常

1X101000超負(fù)荷

1X200100后燃

1X300010提前著火

1X400001燃油管路泄露

表2燃油子系統(tǒng)的故障診斷實(shí)例

序號(hào)輸入輸出（%）

QPuP0P1P2P3P4P5P6

1HNN39600010

2H0.6N0.6N97419232

3H-0.4N-0.4N476000200

41.2H-0.4N-0.4N179000200

50.8H-0.4N-0.4N969000211

表3故障現(xiàn)象的診斷實(shí)例

序號(hào)輸入輸出（%）

P1XP8P9P10P11

11X197300

21X219360

31X304906

41X400892

51X5683200

5結(jié)束語(yǔ)

本文將人工神經(jīng)網(wǎng)絡(luò)引入到模糊Petri網(wǎng)中，并以船舶主機(jī)燃油子系統(tǒng)過(guò)程為例，對(duì)過(guò)程中存在的故障進(jìn)行診斷，通過(guò)實(shí)例說(shuō)明該方法可以提高故障診斷系統(tǒng)的精度。

參考文獻(xiàn)

[1]胡志剛等,基于模糊神經(jīng)Petri網(wǎng)的故障診斷模型[J].小型微型計(jì)算機(jī)系統(tǒng)，2005,11(26)

[2]王磊等,甲醇合成過(guò)程中基于MAS的故障診斷方法[J].華東理工大學(xué)學(xué)報(bào)，2006,1（32）

[3]KoriemSM.AfuzzyPetrinettoolformodelingandverificationofknowledge-basedsystems[J].TheComputerJournal,2000,43(3):206-223

[4]大衛(wèi)R,奧蘭H.（黃建文，趙不賄譯）佩特利網(wǎng)和邏輯控制器圖形表示工具(GRAFACET)[M].北京：機(jī)械工業(yè)出版社,1996

[5]AhsonSI.PetriNetModelsofFuzzyNeuralNetworks.IEEETransonSMC,1995,25(6):926-932

[6]韓光臣等,基于模糊概率Petri網(wǎng)系統(tǒng)的故障診斷仿真研究.計(jì)算機(jī)集成制造系統(tǒng).2006,4(12)

[7]TsangECC,YeungDS,LeeJWT.LearningcapabilityinfuzzyPetrinet[J].InProceedingofthe1999IEEEInternationalConferenceonSystems,Man,andCybernetics,Tokyo,1999:355-360

[8]J.IEBAIL,H.ALLA,R.DAVID,“HybridPetriNets”,EuropeanControlConference,Grenoble(F),July1991,pp.1472-1477

[9]Champagnat.R,Estebah.P,Pingabld.H,putersInIndustry,36(1998):139-146