蘭 天，張宏斌，潘 迪，吳志東，接丞想

（1.齊齊哈爾大學(xué) 機(jī)電工程學(xué)院，黑龍江 齊齊哈爾 161006；2.齊齊哈爾大學(xué) 理學(xué)院，黑龍江 齊齊哈爾 161006）

往復(fù)壓縮機(jī)是能源企業(yè)用于壓縮和輸送流體的重要機(jī)械設(shè)備，其穩(wěn)定的運(yùn)行對于節(jié)約生產(chǎn)成本、提高生產(chǎn)效率、保障安全生產(chǎn)具有重要的經(jīng)濟(jì)意義。往復(fù)壓縮機(jī)屬大型設(shè)備、內(nèi)部結(jié)構(gòu)復(fù)雜、工況惡劣、激勵源眾多，振動信號表現(xiàn)為強(qiáng)非平穩(wěn)和非線性特點(diǎn)，給故障診斷帶來較大困難[1]。

人工神經(jīng)網(wǎng)絡(luò)的診斷方法是集結(jié)構(gòu)拓?fù)漪敯?、并行的?shù)理邏輯處理方法、復(fù)雜模式處理為一體的現(xiàn)代診斷技術(shù)，這一技術(shù)在大型機(jī)械設(shè)備的復(fù)合故障診斷，一些頻發(fā)性的、突發(fā)性的機(jī)械設(shè)備故障診斷中應(yīng)用極為廣泛。目前，人工智能、計算機(jī)網(wǎng)絡(luò)技術(shù)和傳感技術(shù)等已經(jīng)成為機(jī)械故障診斷系統(tǒng)的關(guān)鍵技術(shù)，這些技術(shù)的研究也取得了很大的進(jìn)展，但在往復(fù)壓縮機(jī)故障診斷中仍存在許多需要解決的問題，因此，開展人工神經(jīng)網(wǎng)絡(luò)在往復(fù)壓縮機(jī)故障中的應(yīng)用研究意義重大[2]。

1 神經(jīng)網(wǎng)絡(luò)模型構(gòu)建

人工神經(jīng)網(wǎng)絡(luò)基于生物神經(jīng)系統(tǒng)，以抽象的形式對神經(jīng)元結(jié)構(gòu)進(jìn)行模擬，通過模擬生物神經(jīng)系統(tǒng)，使其以圖形、符號和文字的形式進(jìn)行表達(dá)。

圖1 神經(jīng)元模型

如圖1所示，建立了神經(jīng)網(wǎng)絡(luò)的構(gòu)成單元（神經(jīng)元）模型，神經(jīng)元的輸入與輸出體現(xiàn)出多對一的特性。神經(jīng)元模型可描述為：

目前，最常用的神經(jīng)網(wǎng)絡(luò)模型是BP網(wǎng)絡(luò)，其作用機(jī)理如圖2所示。

圖2 BP神經(jīng)網(wǎng)絡(luò)模型

BP神經(jīng)網(wǎng)絡(luò)的本質(zhì)是一種映射關(guān)系，反應(yīng)信號輸入與輸出的非線性特征，即 F：Rn→Rm，f(X)＝Y(jié)。根據(jù)樣本集，取出一個映射g，在輸入xi∈Rn，輸出yi∈Rm的情況下，存在：

定義映射f，得到f→g的最佳逼近值。

3 BP人工神經(jīng)網(wǎng)絡(luò)應(yīng)用

人工神經(jīng)網(wǎng)絡(luò)具有模仿或代替人的思維功能，利用人工神經(jīng)網(wǎng)絡(luò)可以實(shí)現(xiàn)設(shè)備自動診斷和求解，解決傳統(tǒng)方法所不能或難以解決的問題[3]。人工神經(jīng)網(wǎng)絡(luò)具有很高的容錯性和魯棒性，即使在惡劣的條件下，仍可以自主優(yōu)化工作狀態(tài)[4]。

BP人工神經(jīng)網(wǎng)絡(luò)發(fā)展至今，對科學(xué)研究產(chǎn)生了較大貢獻(xiàn)。在振動信號處理過程中，為了實(shí)現(xiàn)對復(fù)雜函數(shù)的逼近，必須采用多層前饋網(wǎng)絡(luò)，而對于多層網(wǎng)絡(luò)，感知器尚不能解決其隱層學(xué)習(xí)問題，限制了這一技術(shù)的發(fā)展。上世紀(jì)八十年代末期，Rumelhart[5]提出了多層前饋網(wǎng)絡(luò)的反向傳播算法（BP算法），這一問題得到解決。

假設(shè)網(wǎng)格節(jié)點(diǎn)數(shù)為n，給定一個輸出為y，根據(jù)Sigmoid函數(shù)，推導(dǎo)BP算法過程如下：

圖3 j單元信號傳播流程

如圖3所示，迭代第n步時，j單元接收信號的凈輸入為：

經(jīng)過作用函數(shù)φj(n)得到的單元j輸出為yj(n)=φj(vj(n))，該單元信號誤差為：

定義第n步迭代輸出端總的平方誤差為：

設(shè)樣本訓(xùn)練總數(shù)為N，則總的平方誤差均值為：

當(dāng) ξAN為最小時，可認(rèn)為△wji＝0，ξ(n)/wji(n)→0，而當(dāng)ξAN未達(dá)到最小時，∣ξ(n)/wji(n)∣增大，則△wji(n)∣增大，∣ξ(n)/wji(n)∣減小，則∣△wji(n)∣減小，且∣△wji(n)∣按照∣ξ(n)/wji(n)∣下降方向修正。

雖然BP算法實(shí)用性較強(qiáng)，但仍存在一些問題：

（1）算法迭代步驟多，不易收斂；

（2）BP網(wǎng)絡(luò)隱節(jié)點(diǎn)較多，數(shù)目不易確定；

（3）樣本間互相影響，輸入輸出的特征項(xiàng)目必須相同。

4 結(jié)語

本文構(gòu)建了BP神經(jīng)元模型，同時給出了BP人工神經(jīng)網(wǎng)絡(luò)基本結(jié)構(gòu)圖，闡述了神經(jīng)網(wǎng)絡(luò)的輸入和輸出關(guān)系。以模型為依據(jù)，推導(dǎo)BP神經(jīng)網(wǎng)絡(luò)算法，同時提出算法存在的問題，通過改進(jìn)的算法在往復(fù)壓縮機(jī)故障診斷過程中能夠得到更好的應(yīng)用。