刘纪新（1979－）
男，青岛黄海职业学院，学士。现从事计算机网络智能控制及橡胶行业机电一体化设备的开发与研制。

摘要：利用BP神经网络的自适应、自学习和对非线性系统超强的分析能力等特点，将其应用到橡胶配料系统中，有效的实现了配料系统的故障诊断，填补了国内在配料系统故障诊断应用上的空白，对其他行业也有一定借鉴作用。

关键词：配料系统；BP神经网络；故障诊断

Abstract: BP neural network has the abilities of self-adaption, self-learning and good analysis of nonlinear systems, etc.. Applying BP neural network in dosing system can realize the fault diagnosis, filling in the gaps in fault diagnosis of dosing system of China. The strategy proposed in this paper also can serve as a guide and reference to dosing system in other industries.

Key words: dosing system；BP neural network；fault diagnosis

1 研究背景

    在橡胶、印钞、油墨等行业的生产中，按固定的配方准确配料是保证产品质量的关键工序之一[1]。配料系统是这些行业生产中常用的机电设备，其功能和可靠性决定了产品的均一稳定性，因此倍受重视。在配料系统运行时，会出现一些可预见和不可预见的故障，如何有效地探测故障并使系统运行良好是目前研究的热点。

    神经网络是近年来出现的一种新方法，可以利用神经网络强大的分类能力，进行故障模式的分类与学习，诊断出故障。本文采用了BP神经网络实现了对配料系统各种故障的快速定位，为系统维修维护提供了可靠指导。该系统的成功应用改变了橡胶、印钞、油墨生产装备的水平，创造了民族工业的品牌，为橡胶、印钞、油墨行业做出了突出的贡献。

2  配料系统的结构

    配料系统单料秤结构如图1所示，由给料机构、料斗、卸料机构、称和配料控制器组成，采用多工位、环形结构设计，根据配方设定，多种物料单独、分别同时称量，混合配比，全自动化生产运行方式。

3 配料系统故障描述

    配料系统的故障表现为多种类型，为了便于进行故障诊断，下面将从不同的角度进行配料系统的故障分类。

    （1）从故障的时间历程上来分，配料系统故障可分为突发性故障和渐进性故障。突发性故障发生时间上是突然的，故障前没有明显的征兆表现，这类故障不能提前预测及测试。如控制器反馈丢失、下位机程序运行异常等。渐进性故障发生时间是一个渐变的过程，故障发生前已经有相应的征兆表现，根据这些征兆在一定程度上可以进行这类故障的早期预测。如控制回路参数变化、驱动器调节回路异常等。

    （2）从故障的危害程度上来分，配料系统故障可分为严重故障和一般故障。严重故障是指故障危害程度巨大，危及到人身安全、环境安全或者配料系统本身安全的故障，这些故障必须采取紧急措施加以处理。如一般故障是指不引起安全问题，但对配料精度有一定影响的故障。

    （3）从故障的学科领域上来分，配料系统故障可分为电子、电气和机械类型的故障。如各种器件或逻辑故障属电子类故障，涉及控制调节的故障属电气类故障，而涉及系统机械力学的故障属机械类故障。

    （4）从故障发生的原因上来分，配料系统故障可以分为内在故障和环境故障。内在故障是由于内部结构不协调或结构劣化引起的，如由于元器件的老化引起的控制参数的变化；环境故障是由于输入异常引起的，如气源气压降低，使系统无法运行等等。

    综观配料系统的故障，可以总结出以下几个方面的特点：

    层次性  由于配料系统是一个具有多层次的复杂系统，而故障的产生对应于系统的不同层次，表现为层次性，下一层次的故障一般能在上一层次得以显现。

    相关性  配料系统这类复杂系统是由若干个相互联系的子系统组成的整体，某些子系统的故障常常是由于与之相关子系统或下级子系统故障传播所致，从而表现为相关性。

    模糊性  配料系统运行状态中的模糊性，以及人们在状态监测和技术诊断中存在许多模糊的概念和方法。

    多样性  从配料系统常见故障中可以看出，既有硬件方面的故障，也有软件方面的故障，故障产生的机理不尽相同，表现为多样性。

    多领域性  由于配料系统的系统组成涉及电控、物料称量、气力驱动和机械结构几个部分，而这些部分又属于不同的领域，由此配料系统的故障涉及电子、电气和机械等多个学科领域，表现为多领域性。

4 BP网络设计

    三层BP网络可以很好的解决一般的模式识别问题，其结构如图2所示。

图2   BP网络结构

6 仿真结果分析

    使用MatLab进行仿真，训练次数为1000次，训练目标0.01，学习速率0.1，仿真结果如图3所示。可见，大约经过30次训练后，网络的性能就达到了要求。收敛速度快的一个重要原因在于学习速率的设定值比较大。

图3   训练结果

    下面需要对训练好的网络进行测试。抽取3组新的数据作为网络的测试输入数据，如表2所示。

    表2   测试输入数据

    表2 测试数据

　　测试结果为：

　　Y=
　　　　0.9728    0.0023    0.0190
　　　　0.0000    0.8951    0.0000
　　　　0.0001    0.0000    0.9982

    按照欧式范数理论，这三次测试的误差分别为0.0272、0.1049和0.0018，可以看出这些误差是非常小的。因此，可以判定，经过训练后，网络是完全可以满足配料系统故障诊断要求的，对故障的诊断正确率在90%以上。

7 结论

    利用BP神经网络的自适应、自学习和对非线性系统超强的分析能力等特点，将其应用到橡胶配料系统中，有效的实现配料系统的故障诊断。该系统工作稳定可靠，对故障的诊断正确率在90%以上，可以满足各种配料生产的要求，已在“十五”国家重大技术装备载重子午胎成套设备研制“小料自动配料称量系统”和“印钞油墨配料系统”中得到应用，并通过国家验收。

其它作者：

    胡凤菊（1979- ），女，青岛黄海职业学院，学士。

    贾晓芬（1979- ），女，安徽砀山人，哈尔滨工业大学，硕士。

    赵佰亭（1981- ），男，哈尔滨工业大学，博士。

参考文献

    [1] 赵佰亭，杭柏林，申洪雷.配料系统三级计算机管理控制与实现［J］.自动化博览，2004，09增刊：86-87.

    [2] 杭柏林，袁仲雪，高彦臣.配料系统给料速度的自动控制［J］.世界橡胶工业，2001，27（2）：55-56.

    [3] 袁仲雪，杭柏林，张文军.小料自动配料称量系统的研制［J］.世界橡胶工业，2000，27（4）：20-21.