[发明专利]一种水射流装备在线故障预警方法

说明书

技术领域

本发明涉及一种水射流装备在线故障预警方法，属于工业自动化领域。

背景技术

水射流装备作为当前世界唯一一种冷态高能束加工方式，是近年来迅速发展起来的新型切割技术，具有加工速度快、加工柔性强、被加工材料无热损伤、安全、环保、材料利用率高、可轻易实现对传统意义上的难加工材料进行加工、可整体去除材料从而大幅提升构件成型效率等优势，因此，水射流装备加工已成为一种得到广泛应用的新型绿色无损高能束加工技术。随着科学技术的快速发展，制造业从以机器为特征向智能化、信息化、系统化迈进，水射流设备的故障预警功能越来越引起各大厂商的重视，因此，快速准确的获取水射流设备的故障信息是当前亟待解决的问题。

由于水射流装备的复杂性，想获得整个水射流装备故障机理的数学模型是很困难的，传统的水射流装备故障信息主要通过人工专用仪器读数获取，人工读数获取的故障信息具有严重滞后性，无法提前预警。为了提高水射流装备故障预警的实时性与高效性，目前也有使用BP神经网络分析，BP神经网络具有很强的自学习和联想功能、非线性拟合能力，可映射任意复杂的非线性关系，具有一定预警功能，但BP神经网络不能处理和描述模糊信息，不能很好利用水射流设备己有经验知识，无法对水射流装备历史数据与在线数据进一步挖掘，水射流装备故障信息无法全部统计，有时造成预警误判的后果。

发明内容

针对现有技术存在的缺陷，本发明的目的是提供一种水射流装备在线故障预警方法，将神经模糊算法与逐次静态数据比较算法相结合，通过神经模糊算法基于历史数据对神经模糊模型训练，训练后的神经模糊模型可依据当前数据得到下一时刻数据预测，提前诊断故障点，再通过逐次静态数据比较算法基于在线数据与历史正常数据进行比对，判断故障信息。本方法充分挖掘历史数据与在线数据，无需建立系统的精确数学模型，具有很强的自学能力，很好的实现了水射流装备在线预警。

为达上述目的，本发明的技术方案如下：

一种水射流装备在线故障预警方法，基于神经模糊算法与逐次静态数据比较算法相结合，具体步骤如下：

(1)确定神经模糊模型输入与预测输出；

(2)确定神经模糊系统拓扑结构；

(3)通过聚类求取模糊规则数及前件参数；

(4)通过最小二乘算法求取后件参数；

(5)基于当前数据得到下一时刻数据预测，提前诊断故障点。

所述步骤(1)的神经模糊模型输入与预测输出，具体为：以输出数据的前t-4时刻的数据作为一个向量进行输入，即x_t＝[x(t)，x(t-1)，x(t-2)，x(t-3)，x(t-4)]^T，以输出数据的t+1时刻为预测输出，即y_t＝x(t+1)。

所述步骤(2)的神经模糊系统拓扑结构包括五层，具体为：输入层、模糊化层、模糊条件层、模糊决策层、输出层；

第一层：输入层，以输出数据的前t-4时刻的数据作为一个向量进行输入，该层的各节点与输入向量各分量x_i连接，该层节点将输入信号

x_t＝[x(t)，x(t-1)，x(t-2)，x(t-3)，x(t-4)]^T传递给下一层，该层节点数N₁＝5；

第二层：模糊化层，计算各输入分量属于各语言变量值模糊集合的隶属函数隶属函数采用高斯函数表示的铃型函数，表示为：

式中i＝1，2…，n；j＝1，2…，m_i，n是输入变量数，且n＝5；m_i是x_i模型分割数c_ij和σ_ij分别表示隶属度函数的中心与宽度，该层总节点数

第三层：模糊条件层，该层每个节点代表一条模糊规则，第l个神经元与第二层中第l组中的所有神经元相连接，它的作用是用来匹配模糊规则的前件，计算出每条规则的适用度，采用的模糊算子为连乘算子，表示为：

式中j＝1，2，…m，

第四层：模糊决策层，实现归一化计算，该层有两个神经元组成，其中一个神经元与第三层中的所有的神经元通过单位权值连接，而另一个神经元则通过权值h与第三层中所有的神经元连接，每个神经元分别表示为：

神经元1：神经元2：

第五层：输出层，该层由一个神经元构成，该神经元与第四层的两个神经元通过单位权值连接，用于实现清晰化计算，该神经元表示：