1 基于電動(dòng)執(zhí)行器的信號(hào)采集系統(tǒng)

      在傳統(tǒng)方式下，要分析電動(dòng)執(zhí)行器的某些技術(shù)性能，都是直接通過(guò)手工對(duì)電動(dòng)執(zhí)行器作性能測(cè)試，如今在一些使用電動(dòng)執(zhí)行器的工業(yè)現(xiàn)場(chǎng)，大都是技術(shù)人員根據(jù)自己的經(jīng)驗(yàn)結(jié)合理論知識(shí)進(jìn)行測(cè)試，既浪費(fèi)時(shí)間，測(cè)試效果又不甚理想。在計(jì)算機(jī)日益普及的情況下，就有必要借助計(jì)算機(jī)來(lái)分析和測(cè)試這些主要的性能指標(biāo)。

      本系統(tǒng)是利用美國(guó)吉時(shí)利公司生產(chǎn)的Keithley 2000型數(shù)字萬(wàn)用表采集電動(dòng)執(zhí)行器的位置反饋電流信號(hào)，通過(guò)工控機(jī)的RS-232串行接口將數(shù)據(jù)送入計(jì)算機(jī)，采用VB 6.0的MSComm串行通信控件編程實(shí)現(xiàn)信號(hào)的采集。然后通過(guò)MathWorks公司的MatrixVB for VB軟件，畫(huà)出采集信號(hào)的曲線圖，并進(jìn)行擬合分析，得到反映系統(tǒng)狀態(tài)的性能參數(shù)，從而有效地進(jìn)行診斷。圖1是數(shù)據(jù)采集的硬件接線圖，多路繼電器開(kāi)關(guān)，它是通過(guò)一個(gè)ISA插卡同工控機(jī)相連，然后在工控機(jī)上發(fā)送相應(yīng)指令控制其繼電器點(diǎn)的開(kāi)斷，以達(dá)到控制電流信號(hào)源的通斷功能。為了減小在信號(hào)源通斷時(shí)刻所增加位置反饋的干擾，在線路連接上我們做了改進(jìn)，即在斷開(kāi)信號(hào)源時(shí)候不是使電流信號(hào)源提供給伺服放大器輸入端的信號(hào)開(kāi)路，而是閉合繼電器開(kāi)關(guān)使其處于短路狀態(tài)，這樣就減小了在線路上額外增加的外界信號(hào)干擾。

      2 基于神經(jīng)網(wǎng)絡(luò)的智能診斷

      2.1 網(wǎng)絡(luò)學(xué)習(xí)規(guī)則

      我們選用的自組織競(jìng)爭(zhēng)型神經(jīng)網(wǎng)絡(luò)，是一種無(wú)教師示教，具有自組織功能的神經(jīng)網(wǎng)絡(luò)。網(wǎng)絡(luò)通過(guò)自身訓(xùn)練，能自動(dòng)對(duì)輸入模式進(jìn)行分類(lèi)，并且可根據(jù)曾經(jīng)見(jiàn)過(guò)的模式，識(shí)別出當(dāng)前模式，做出*鄰近的分類(lèi)，即以競(jìng)爭(zhēng)獲勝的神經(jīng)元節(jié)點(diǎn)來(lái)表述分類(lèi)結(jié)果。

      2.2 電動(dòng)執(zhí)行器狀態(tài)診斷

      根據(jù)現(xiàn)場(chǎng)的經(jīng)驗(yàn)和相關(guān)的結(jié)論，把影響電動(dòng)執(zhí)行器工作狀態(tài)的特征參數(shù)進(jìn)行分類(lèi)，并根據(jù)這些分類(lèi)的組合把執(zhí)行器的工作狀況分為健康狀態(tài)、亞健康狀態(tài)和病態(tài)，從模式識(shí)別的角度看，狀態(tài)診斷的任務(wù)就是識(shí)別執(zhí)行器在工作時(shí)處于哪一種工作狀態(tài)。如果所研究的系統(tǒng)有較豐富的狀態(tài)信息，那么就可以利用神經(jīng)網(wǎng)絡(luò)對(duì)它們進(jìn)行學(xué)習(xí)，用得到的參數(shù)映射系統(tǒng)所處于的狀態(tài)。

        2.2.1 系統(tǒng)原理

      判斷一個(gè)電動(dòng)執(zhí)行器的好壞是要對(duì)它的一些特性參數(shù)進(jìn)行分析。用基于串行通信的數(shù)據(jù)采集裝置可對(duì)電動(dòng)執(zhí)行器的參數(shù)信息進(jìn)行采集。把采集過(guò)來(lái)的信號(hào)用線性*小二乘擬合，通過(guò)計(jì)算就可以得到電動(dòng)執(zhí)行器的一些主要特性指標(biāo)，如純滯后時(shí)間、上升率、下降率、死區(qū)、回差以及靜差。

      2.2.2 電動(dòng)執(zhí)行器狀態(tài)集

      診斷的基礎(chǔ)首先是要確定電動(dòng)執(zhí)行器的狀態(tài)集，也就是說(shuō)要看電動(dòng)執(zhí)行器有哪些常見(jiàn)的典型狀態(tài)，發(fā)生這些狀態(tài)的原因是什么，根據(jù)實(shí)際運(yùn)行經(jīng)驗(yàn)和理論分析，將常見(jiàn)電動(dòng)執(zhí)行器的系統(tǒng)狀態(tài)分為11種典型模式，記為u_i（i＝1，2，…，11）；并提取18個(gè)征兆，征兆x_j（j＝1，2….18）定義為：，1為征兆存在，0為征兆不存在。j＝1，2，…，18

      根據(jù)前面所述的參數(shù)分類(lèi)，把系統(tǒng)狀態(tài)對(duì)應(yīng)的參數(shù)進(jìn)行分類(lèi)。電動(dòng)執(zhí)行器典型狀態(tài)集見(jiàn)圖3。表中對(duì)執(zhí)行器的病態(tài)（故障狀態(tài)）列出了常見(jiàn)的故障原因，具體修復(fù)可參考說(shuō)明書(shū)。亞健康狀態(tài)的對(duì)應(yīng)處理方法與病態(tài)基本上是一致的，只是處理程度的大小而已。

圖3 電動(dòng)執(zhí)行器典型狀態(tài)集

      2.2.3 電動(dòng)執(zhí)行器狀態(tài)的診斷

      有了系統(tǒng)的狀態(tài)集就可以采用特定的手段對(duì)它進(jìn)行診斷了，基于電動(dòng)執(zhí)行器的智能狀態(tài)診斷，大多數(shù)是建立在理論分析的基礎(chǔ)上，本文以實(shí)物為診斷模型，利用前面介紹過(guò)的分類(lèi)性能優(yōu)良的自組織競(jìng)爭(zhēng)型神經(jīng)網(wǎng)絡(luò)對(duì)電動(dòng)執(zhí)行器進(jìn)行狀態(tài)診斷。

      根據(jù)自組織競(jìng)爭(zhēng)型神經(jīng)網(wǎng)絡(luò)的原理，先確定網(wǎng)絡(luò)的輸入向量和輸出向量。把征兆向量X_j（j＝1，2，…，18）作為輸入，對(duì)應(yīng)的系統(tǒng)狀態(tài)作為輸出，把X_j作為輸入層神經(jīng)元的輸人，即18個(gè)輸入節(jié)點(diǎn)（分別對(duì)應(yīng)18種狀態(tài)）構(gòu)成輸人層，11個(gè)輸出節(jié)點(diǎn)（分別對(duì)應(yīng)11種狀態(tài)）構(gòu)成輸出層，當(dāng)某個(gè)節(jié)點(diǎn)輸出為1時(shí)，代表發(fā)生了相應(yīng)的狀態(tài)，可外接顯示設(shè)備，及時(shí)反映電動(dòng)執(zhí)行器的狀態(tài)。

      按照自組織競(jìng)爭(zhēng)型神經(jīng)網(wǎng)絡(luò)的原理，用VB進(jìn)行編程，學(xué)習(xí)率取0.01，學(xué)習(xí)過(guò)程的次數(shù)反映了網(wǎng)絡(luò)對(duì)樣本的分離情況，實(shí)踐表明，經(jīng)過(guò)2000次的訓(xùn)練，網(wǎng)絡(luò)完全將各種狀態(tài)分離出來(lái)，對(duì)應(yīng)的權(quán)值大小適中，因?yàn)楦?jìng)爭(zhēng)網(wǎng)絡(luò)結(jié)構(gòu)和算法都較簡(jiǎn)單，訓(xùn)練耗時(shí)也很少。

      網(wǎng)絡(luò)訓(xùn)練好以后，就可以進(jìn)行診斷了，把權(quán)值讀入，根據(jù)自組織競(jìng)爭(zhēng)型神經(jīng)網(wǎng)絡(luò)的勝出規(guī)則，判別電動(dòng)執(zhí)行器常見(jiàn)的11種狀態(tài)。

      2.3 狀態(tài)診斷的軟件實(shí)現(xiàn)

      本軟件包以智能診斷模塊為核心，數(shù)據(jù)庫(kù)模塊為后臺(tái)，利用數(shù)據(jù)采集和曲線分析兩個(gè)模塊的功能對(duì)電動(dòng)執(zhí)行器進(jìn)行狀態(tài)分析，并*終實(shí)現(xiàn)電動(dòng)執(zhí)行器的狀態(tài)診斷。

      當(dāng)利用Matrix VB繪制好曲線后，就選定擬合區(qū)間對(duì)曲線進(jìn)行擬合。它把非線性的曲線分段線性化，便于進(jìn)行參數(shù)計(jì)算，也就是說(shuō)通過(guò)曲線分析模塊得到一系列反映電動(dòng)執(zhí)行器狀態(tài)的參數(shù)，也就是前面所介紹的純滯后時(shí)間、上升率、下降率、死區(qū)、回差以及靜差，把這些參數(shù)放入智能診斷模塊用自組織競(jìng)爭(zhēng)型神經(jīng)網(wǎng)絡(luò)進(jìn)行診斷，就可判別執(zhí)行器現(xiàn)在的狀態(tài)，并把結(jié)果顯示到操作界面。

      3 程序應(yīng)用測(cè)試和評(píng)價(jià)

      為了驗(yàn)證該軟件包的實(shí)用性和可靠性，對(duì)兩臺(tái)已經(jīng)知道其狀態(tài)的電動(dòng)執(zhí)行器進(jìn)行診斷，其中一臺(tái)性能完好、另一臺(tái)靈敏度差，反應(yīng)為延時(shí)較大。使用軟件包的數(shù)據(jù)采集功能，對(duì)兩臺(tái)電動(dòng)執(zhí)行器進(jìn)行數(shù)據(jù)采集，并把數(shù)據(jù)寫(xiě)入數(shù)據(jù)庫(kù)，然后利用曲線分析模塊把采集到的數(shù)據(jù)用曲線的形式形象地表現(xiàn)出來(lái)，再經(jīng)過(guò)擬合，求出能夠反映出電動(dòng)執(zhí)行器狀態(tài)的參數(shù)。其中健康的電動(dòng)執(zhí)行器的數(shù)據(jù)曲線圖經(jīng)擬合后如圖4所示，再經(jīng)分析后，把參數(shù)顯示到操作初始界面的“執(zhí)行器特性參數(shù)區(qū)”，把診斷的結(jié)果顯示到“狀態(tài)分析區(qū)”；同理，對(duì)另一臺(tái)執(zhí)行器進(jìn)行診斷，得到這臺(tái)執(zhí)行器處于亞健康狀態(tài)。它的純滯后時(shí)間過(guò)大，參照電動(dòng)執(zhí)行器的說(shuō)明書(shū)可以找到對(duì)應(yīng)的解決辦法。

      由此可見(jiàn)，該軟件明確診斷出電動(dòng)執(zhí)行器所處的狀態(tài)，并給出狀態(tài)參數(shù)，具有較高的實(shí)用價(jià)值。在軟件測(cè)試過(guò)程中，對(duì)多臺(tái)電動(dòng)執(zhí)行器進(jìn)行了多次診斷，并根據(jù)理論人為地制造了多種故障數(shù)據(jù)作為測(cè)試樣本，試驗(yàn)表明，診斷結(jié)果可靠、有效，實(shí)現(xiàn)了*初設(shè)想和實(shí)用功能。

原創(chuàng)作者：浙江金鋒自動(dòng)化儀表有限公司