基于模糊神经网络的采煤机智能故障诊断研究.pdf

东北大学 硕士学位论文 基于模糊神经网络的采煤机智能故障诊断研究 姓名杨延平 申请学位级别硕士 专业控制理论与控制工程 指导教师张颖伟 20070101 东北大学硕士学位论文摘要 基于模糊神经网络的采煤机智能故障诊断研究 摘要 随着科学技术的飞速发展，工程设备目趋复杂，自动化程度越来越高，设备运行的 安全性和可靠性也越来越受到人们的重视。传统的故障诊断方法无法对大型复杂设备作 出准确、实时地诊断，这时就必须采用智能故障诊断的理论和方法。 本文论述了模糊逻辑系统和模糊推理方法，并有针对性地讨论故障诊断中的模糊逻 辑规则和模糊推理问题。详细论述了神经网络技术的理论、方法，针对传统的基于梯度 学习算法的不足，采用了最近提出的一种新的神经网络算法即最优学习机 E L M 算法， 并对其进行了理论推导。由于E L M 神经网络的输入权值和阈值可以任意选择，不像基 于梯度算法那样反复调整输入权值和阈值，所以大大提高了网络的训练速度，并且具有 更好的泛化性能。它克服了基于梯度算法的主要瓶颈，适合于实时的故障诊断系统中。 通过模糊逻辑系统与神经网络的比较，利用两者的优点，构建了模糊神经网络模型。 通过对采煤机的故障分析，提取实际的故障数据对模糊神经网络模型进行了验证，证明 了其有效性。 论述了采煤机智能故障诊断系统的设计与实现方法。介绍了系统的总体结构、各个 模块的构成和数据传输方式，对系统硬件和软件的实现进行了介绍，对故障诊断系统进 行了实例演示。 关键词故障诊断；采煤机；模糊神经网络；最优学习机 一n 一 东北大学硕士学位论文 A b s t r a c t T h eS t u d yo fI n t e l l i g e n tF a u l tD i a g n o s i sB a s e do nF u z z yN e u r a l N e t w o r kf o rS h e a r e rS t e e r i n g A b s t r a c t W i t ht h ed e v e l o p m e n to fs c i e n c e ，e n g i n e e r i n ge q u i p m e n tb e c o m i n gm o r ec o m p l i c a t e d , a n da u t o m a t i o nb e c o m i n gh i g h e ra n dh i g l l e r , t h es e c u r i t ya n dr e l i a b i l i t yo fe q u i p m e n t c i r c u l a t i o na r er e g a r d e db yp e o p l e ．C o n v e n t i o n a lm e t h o do ff a u l td i a g n o s i sh a sn o td i a g n o s e d e x a c t l ya n dr e a lt i m ef o rl a r g ea n dc o m p l e xe q u i p m e n t , S Oi tm u s tU S et h et h e o r ya n dm e t h o d o fi n t e l l i g e n c ef a u l td i a g n o s i s ． T h i st h e s i si n t r o d u c e st h em e t h o do ff u z z yl o g i c ss y s t e ma n df u z z yi l l a t i o n , a n d d i s c u s s e st h ef u z z yl o g i c sr e g u l a t i o na n df u z z yi l i a t i o nb yp e r t i n e n c e s ．I td i s c u s s e st h et h e o r y a n dm e t h o do fn e u r a ln e t w o r kt e c h n o l o g yp a r t i c u l a r l yf o rd e f i c i e n tc o n v e n t i o n a la l g o f i t h r a i c w h i c hb a s e so ng r a d e sl e a r n i n g , u s e sa n dp r o p o s e san e wn e u r a ln e t w o r kw h i c hi sc a l l e d e x t r e m el e a r n i n gm a c h i n e E L M ．N o tl i k eg r a d i e n t - b a s e dl e a r n i n ga l g o r i t h m s ，t h ei n p u t w e i g h t sa n db i a s e so fE L Mc 觚s e l e c td i s c r e t i o n a r i l y ．S Oi te n h a n c e st h es p e 凇do ft r a i n i n ga n d h a sr a t h e rg e n e r a l i z a t i o np e r f o r m a n c e ．I tg e t so v e rt h eb o t t l e n e c ko fg r a d i e n t - b a s e dl e a r n i n g a l g o r i t h m s ，a n df i t sf o rr e a l - t i m ef a u l td i a g n o s i ss y s t e m ． C o m p a r i n gn e u r a ln e t w o r kw i t hf u z z yl o g i c ss y s t e m ．i tc o n s t r u c t sm o d e lo ff u z z yn e u r a l n e t w o r kw i t hb o t ho ft h e i rv i r t u e ．I tv a l i d a t e st h ev a l i d i t yo ft h ef u z z yn e u r a ln e t w o r km o d e l b yu s i n gf a u l ta n a l y s e sa n dd i s t i l l i n gt h ef a u l td a t a ． T h i st h e s i sd i s c u s s e st h ed e s i g na n di m p l e m e n to ff a u l td i a g n o s i ss y s t e mf o rs h e a r e r s t e e r i n g , i n t r o d u c e st h ec o l l e c t i v i t ys t r u c t u r e ，e v e r ym o d u l ea n dd a t at r a n s m i s s i o no ft h e s y s t e m ，i n t r o d u c e st h eh a r d w a r ea n dS O f t w a r eo fs y s t e m , a n dd e m o so ft h ef a u l td i a g n o s i s s y s t e r n ． K e y w o r d s F a u l td i a g n o s i s ；S h e a r e rs t e e r i n g , F u z z yn e u r a ln e t w o r k ；E x t r e m el e a r n i n g m a c h i n e I Ⅱ一 独创性声明 本人声明所呈交的学位论文是在导师的指导下完成的。论文中取得的 研究成果除加以标注和致谢的地方外，不包含其他人已经发表或撰写过的 研究成果，也不包括本人为获得其他学位而使用过的材料。与我一同工作 的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示诚挚 的谢意。 学位论文作者签名 签字E t 期矽p 7 ．多j ， 学位论文版权使用授权书 本学位论文作者和指导教师完全了解东北大学有关保留、使用学位论 文的规定即学校有权保留并向国家有关部门或机构送交论文的复印件和 磁盘，允许论文被查阅和借阅。本人同意东北大学可以将学位论文的全部 或部分内容编入有关数据库进行检索、交流。 如作者和导师同意网上交流，请在下方签名否则视为不同意 学位论文作者签名物契事导师签名张效伟 签字 日 期伽7 ．；，r签字E t 期堋．；．芎 东北大学硕士学位论文第一章绪论 第一章绪论 1 ．1 课题的研究背景及意义 目前，煤炭仍然是能源的主体，而且从长远的观点看，煤炭是全世界最丰富的化石 燃料。根据最近的世界开采量测算，石油已探明的储量只能维持4 3 年，天然气只能维 持6 1 年，而可利用的煤炭则足够人类使用3 0 0 年，全世界煤炭的资源至少有1 0 万亿吨 油当量。显而易见，在2 1 世纪人类应当学会节约使用石油和天然气，努力开发利用煤 炭资源【1 ，同时，洁净燃烧技术的推广和应用已可能使煤炭成为清洁、少污染燃料。 随着我国国民经济的快速发展对能源的需求越来越大，煤炭工业在我国的整个国民 经济中占举足轻重的地位，在一次能源生产和消费构成中煤炭始终占7 0 ％以上1 2 】，同时 煤炭是珍贵的化工原料，总结国内外发展经济的经验并结合我国能源国情，必须充分利 用丰富的煤炭资源，大力搞好煤炭加工转化，发展人工合成材料1 3 l 。 近年来，煤炭开采机械化已经成为煤炭工业增加产量，提高劳动生产率，减少重大 恶性事故和改善劳动条件的一项关键技术。随着煤炭工业的发展，采煤机的功能越来越 多，其自身的结构、组成愈加复杂，因而发生故障的原因也随之复杂，并且在采煤设备 中，数采煤机价值最大，也是煤矿关键生产设备之一，采煤机发生故障也就意味着煤矿 停产，整个煤矿系统瘫痪，造成巨大的经济损失。因此，预防和减少采煤机的故障，出 现故障后准确判断并及时排除故障，对发挥采煤机的效率，增大采煤机的开机率，提高 生产率具有重要意义。 1 ．2 智能故障诊断的概述 1 ．2 ．1 智能故障诊断的概念 智能 I n t e l l i g e n t 是指能随内、外部条件的变化，具有运用知识解决问题和确定正确 行为的能力1 4 l 。或者说，智能就是用计算机执行某些与人的思维有关的复杂行为的能力。 智能往往是通过观察、记忆、想象、思考、判断等表现出来。推理、学习和联想是智能 的三个基本要素。推理就是从一个或几个已知的判断 前提 ，逻辑地推断出一个新判断 结论 的思维形式。推理过程包括从个别到一般 归纳推理 和从一般到个别 演绎推理 两种方式。学习就是根据环境变化，能动态地改变知识结构。学习方式有机械学习、指 导学习、实例学习、类比学习等。联想就是通过与其他知识的联系，能正确地认识客观 一】一 东北大学硕士学位论文第一章绪论 事物和解决实际问题。 智能有低级智能和高级智能两种。低级智能表现为感知环境、做出决策和控制行为。 高级智能不仅具有感知、学习、分析、比较和推理能力，而且还能根据复杂环境变化做 出正确决策和适应环境变化的能力。 故障 F a u l t 通常指设备在规定条件下不能完成其规定功能的一种状态【5 l 。这种状态 往往是由不正确的技术条件、运算逻辑错误、零部件损坏、环境变化、操作错误等引起 的。这种不正常状态可分为以下几种情况 1 设备在规定的条件下丧失功能； 2 设备的某些性能参数达不到设计要求，超出了允许范围； 3 设备的某些零部件发生磨损、断裂、损坏等，致使设备不能正常工作； 4 设备工作失灵，或发生结构性破坏，导致严重事故甚至灾难性事故。 故障诊断F D F a u l t D i a g n o s i s 就是对设备运行状态和异常情况做出判断。就是说， 在设备没有发生故障之前，要对设备的运行状态进行预测和预报；在设备发生故障后， 对故障的原因、部位、类型、程度等做出判断，并进行维修决策。故障诊断的任务包括 故障检测、故障识别、故障分离与估计、故障评价和决策。故障诊断常有以下几种分类 方法1 6 l 。 1 从诊断方式分功能诊断和运行诊断。功能诊断是检查设备运行功能的正常性； 运行诊断则是监视设备运行的全过程，主要用于正常运行的设备。 2 从诊断连续性分定期诊断和连续诊断。定期诊断是按规定的时间间隔进行， 一般用于非关键设备且性能改变为渐发性故障及可预测性故障。连续监控是在机器运行 过程中自始至终加以监视和控制，一般用于关键设备且性能改变属突发性故障及不可预 测性故障。 3 从诊断信息获取方式分直接诊断和间接诊断。设备在运行过程中进行直接诊 断是比较困难的，一般是通过二次的、综合的信息来做出闻接诊断。 4 从诊断目的分常规诊断和特殊诊断。 随着计算机技术的发展及人工智能技术的应用，故障诊断技术已进入智能化故障诊 断阶段。智能化故障诊断主要体现在诊断进程中领域专家知识和人工智能技术的应用， 它是一个由人 尤其是领域专家 、能模拟脑功能的硬件及其必要的外部设备、物理器件 以及支持这些硬件的软件所组成的系统，是人工智能和故障诊断相结合的产物。智能故 障诊断以人类思维的信息加工和认识过程为推理基础，通过有效地获取、传递、处理、 一2 一 东北大学硕士学位论文第一章绪论 再生和利用诊断信息及多种诊断方法，能够模拟人类专家，以灵活的诊断策略对监控对 象的运行状态和故障做出正确判断和决策。智能故障诊断应具有学习功能和能自动获取 诊断信息对故障进行实时诊断的能力。 1 ．2 ．2 智能故障诊断的意义 随着现代化大生产的发展和科学技术的进步，设备结构日趋复杂，功能越来越完善， 自动化程度也越来越高。由于结构的复杂性和大功率、高负荷地连续运转，设备在工作 过程中，随着时间的增长和内外部条件的变化，不可避免地会发生故障。这些故障轻则 降低设备性能，影响生产，重则停机停产，毁坏设备，甚至机毁人亡。国内外曾经发生 的各种空难、海难、断裂、倒塌、泄漏等恶性事故，都造成了人员的巨大伤亡和严重的 经济损失与社会影响。如何及时发现故障和预测故障并保证设备在工作期间始终安全、 高效、可靠地运转，故障诊断为提高设备运行的安全性和可靠性提供了一条有效途径。 但由于故障的随机性、模糊性和不确定性，一个故障的形成往往是众多因素造成的结果， 且因素之间的联系又十分复杂，这样用传统的故障诊断方法已不能满足现代设备的要 求，因此必须采用智能故障诊断理论和方法。 1 ．2 ．3 智能故障诊断的研究方法 1 基于信号检测的研究方法 基于信号检测的故障诊断方法是根据检测的故障信号，通过特征提取和故障识别找 出故障源，进行故障诊断。基于信号检测的故障诊断方法的关键在于选择能真正反映设 备运行状态的检测参数，然后利用小波分析忉、信息融合1 8 J 等方法进行故障诊断。 2 基于数据模型的研究方法 数学模型是对实际被监控对象的近似描述。基于数学模型的故障诊断方法就是把故 障定义为实际过程相对于正常模型的改变，然后根据过程模型的变化范围和类型，采取 相应的控制方法。 常用的基于数学模型故障诊断方法有参数估计法【9 】和状态估计法1 1 0 l 。参数估计法是 根据观测数据，利用参数估计方法辨识系统的动态参数模型，然后通过系统参数与模型 参数的比较来判断故障；或根据辨识所得模型的参数和特征构造判别函数，对系统的工 作状态进行识别和分类。使用时首先要把每一故障模式用故障特征量表示，然后找出故 障特征量与模型参数之间的可逆函数关系来进行故障估计。状态估计法则是利用系统的 输入与输出，采用状态观测器 对确定性系统 或状态滤波器 对随机系统 对系统的内部 一3 一 东北大学硕士学位论文第一章绪论 状态进行估计，然后根据系统输出与观测器或滤波器输出构成的残差来进行故障诊断。 状态估计法具有在线计算量小、诊断速度快的优点，但需要对系统有较多的先验知识。 3 基于知识的研究方法 基于知识的研究方法不需要对象的精确数学模型，而是根据人们长期的实际经验和 大量的故障信息设计出一套智能计算机程序，以此来解决复杂故障诊断问题。知识可分 为两种浅知识和深知识。浅知识即人类经验知识，主要包括领域专家经验知识和控制 者启发性经验知识。深知识指对象的模型知识和原理知识，它要求对象的每一个环节具 有明确的输入／输出表达关系。在进行故障诊断时，基于浅知识的研究方法通过演绎推 理或产生式推理来获取诊断结果。其优点是知识表达直观、形式统一、模块性强、推理 速度快；缺点是如果知识集不完备，对没有考虑到的对象或很难完整地表达知识的对象， 系统容易陷入困境。 基于深知识的研究方法在进行故障诊断时，首先根据被监控对象的实际输出与期望 输出之间的不一致，生成引起这种不一致的原因集合；然后再根据具有明确科学依据的 知识及其内部特定的约束关系，采用一定的算法，得出可能的结果。该方法的优点是知 识获取方便，系统维护简单，易于保证知识库的一致性和完备性；缺点是搜索空间大， 推理速度慢。 基于浅知识和深知识相结合的研究方法克服了各自方法的局限性，得到了很快发 展，如模糊专家系统，神经网络专家系统等。 4 基于感知行为的研究方法 基于感知行为的研究方法的特点是能够自动感知环境变化，并具有自识别、自处理 和自适应能力。智能体 A g e n t 和智能结构 I n t e l l i g e n t S t r u c t u r e s 就是两种最典型的感知 体。智能体和智能结构是2 0 世纪后期发展起来的一种新兴前沿学科，也是当今人工智 能研究的热点之一。 智能体可以定义为具有感知能力、问题求解能力和与外界通信能力的实体【l l l 。从软 件角度讲，它是一个计算机程序，通过预定义协议与外部智能体通信，并通过一种松耦 合的分布式途径，进行分布式智能求解。 智能结构I S I n t e l l i g e n tS t r u c t u r e 是将传感元件、驱动元件与控制系统融合在基体材 料中的一种结构【1 2 l 。这种结构不仅能感知周围环境变化，并且对这种变化具有识别、分 析、判断、动作等功能。智能结构的组成依赖于各种智能材料 I n t e l l i g e n tM a t e r i a l 。I S 能赋予结构健康自诊断、环境自适应及损伤自愈合等智能功能与生命特征，以达到增强 4 东北大学硕士学位论文第一章绪论 结构安全、减轻质量、降低能耗、提高性能的目的。智能结构的构想来源于仿生，精髓 是集成，即知识集成、技术集成、结构集成、系统集成。 由于智能体和智能结构能够感知环境变化，并能够根据其变化做出反应和采取行动 以适应外界变化，因此已在一些重要工程和尖端技术领域，如航空航天飞行器、潜艇、 高速列车、汽车、桥梁、水坝、河堤、重要建筑等结构的健康监控及振动噪声控制方面 展现出良好的应用前景。这种基于感知行为的研究方法为智能诊断提供了一个新的研究 方向。 1 ．2 ．4 智能故障诊断的国内外研究概况 故障诊断是2 0 世纪6 0 年代末发展起来的- f l 新技术【嘲。1 9 6 7 年在美国宇航局 N A S A N a t i o n a lA e r o n a u t i c sa n dS p a c eA d m i n i s t r a t i o n 倡导下，由美国海军研究室O N R 率先开始了机械故障诊断技术的开发和研究，并在故障机理研究和故障检测、故障诊断 和故障预测等方面取得了许多实用性的研究成果【“】。如J o h n sM i t c h e l 公司的超低温水泵 和空压机监测诊断系统，S P I R E 公司用于军用机械轴与轴承的诊断系统，I E D E C o 公司 的润滑油分析诊断系统，D E 公司的内燃机车故障诊断系统，D E L T E 西屋公司的汽车及 发电机组智能化故障诊断专家系统等，都在国际上具有特色，在航空方面，波音7 4 7 、 D C 9 等大型客机上的故障诊断系统，能利用大量飞行中的信息来分析飞机各部位的故障 原因并发出消除故障的命令，大大提高了飞行的安全性。 英国和日本相继在2 0 世纪7 0 年代初开始了故障诊断的开发研究，并在锅炉、压力 容器、核发电站、核反应堆、铁路机车等方面取得了许多研究成果【“。根据资料报道， 国外采用故障诊断技术，设备维修费用平均降低1 5 ％～2 0 ％I ⋯，美国对故障诊断技术的 投入占其生产成本的7 ．2 9 6 ，日本为5 ．6 ％，德国为9 ．4 ％。 我国的故障诊断技术起步于7 0 年代末1 1 7 1 1 1 8 】1 1 9 】，1 9 8 3 年到1 9 8 5 年这一段时间称之为 我国设备故障诊断的“学习起步阶段”，全国许多行业、企业和科研院校开始投入学习 国外的经验，进行国内调研，制定实施规则，筹措开发资金和开展试点工作，使设备诊 断技术的理论和方法研究、实际应用的推广等逐步列入设备管理的议事议程。1 9 8 5 年到 1 9 8 9 年是我国设备诊断技术实施和普及阶段，在这一时期，诊断技术的作用已经不局限 于推动维修方式的改革和设备管理现代化，而且成为防止设备事故、维护安全生产、节 约维修费用、降低能源消耗、提高产品质量和加强环境保护的重要手段。进入9 0 年代 后，诊断技术进入了普及和提高相结合的阶段，其主要标志是数据采集和计算机辅助诊 一5 一 东北大学硕士学位论文第一章绪论 断技术的发展，前者是广泛开展和普及诊断技术的重要手段，后者则是迈向高水平诊断 的必由之路。 故障诊断技术的研究水平在国内远远领先于这一技术在工程实际中的应用。全国有 上百所高等院校、科研院所从事故障诊断的研究工作。目前在国内，已形成十多个水平 较高、有一定规模的诊断技术研究机构，他们对国内诊断技术研究工作起到了重要的领 导和促进作用。 随着计算机和人工智能技术的迅速发展，特别是知识工程、专家系统和人工神经网 络在诊断领域中的进一步应用，促使故障诊断向智能化方向发展。目前智能故障诊断应 着重在以下几个方面进行研究。 1 集成化智能故障诊断技术研究。由于设备的复杂性和故障的不确定性，用一种 方法进行故障诊断已不能满足现代设备的要求，因此必须集成多种方法对故障进行综合 诊断，才能充分发挥各方法的优点和克服其局限性，以达到提高故障诊断的智能化水平。 2 网络化智能故障诊断技术研究。现有的故障诊断大部分都是面向单台、单机或 单类设备，其可扩充性、灵活性、通用性都较差，也不能进行有效的信息交互和信息共 享，造成了巨大的资源浪费。随着网络化技术的发展，分布式智能诊断能发挥各专家的 特点，做到资源共享、协调诊断。因此，网络化智能故障诊断研究也是人们关注的一个 热点。 3 适应型智能故障诊断研究。智能材料、智能结构、智能体的出现，为智能故障 诊断带来了新的生机。但如何充分利用智能材料、智能结构、智能体的特性，也是智能 故障诊断的一个很有前途的研究方向。 1 ．3 采煤机故障诊断技术的发展现状 随着现代科学技术的迅猛发展，世界先进采煤国将电力电子技术、计算机技术、微 电子技术等成功地应用于采煤机的制造及其运行过程的监测监控，显著提高了采煤机的 整机性能、安全性、可靠性和自动化水平等。由于世界先进采煤国的设备制造水平和生 产自动化水平高，再加上研究起步早，因而国外先进采煤机的故障诊断水平也相对较高。 以世界先进采煤国美国、英国、德国和日本为例，它们的采煤机都是通过具有自检功能 的机载计算机，实现工况数据和故障信息的采集、处理、存储、传输和显示。如英国 安德森公司的E L E C T R A l 0 0 0 系列采煤机；德国艾柯夫公司的E D W - 4 5 0 ／1 0 0 0 L 采煤机 等，这些采煤机的故障诊断系统具备一定的保护功能，能够比较有效地保障采煤机的正 一6 一 东北大学硕士学住论文第一章绪论 常运行I 捌。 我国在过去的十几年中，煤炭产量得到迅速提高。但是，由于多方面原因，国产采 煤机的整机水平与国外先进采煤机相比，还有相当大的差距。虽然我国也曾引进了部分 国外先进的采煤机制造技术，国内也相继开发出一些大功率采煤机。但与国外的一些公 司生产的大功率采煤机相比无论在性能、可靠性、自动化程度方面等还存在着一定的差 距。但是，具有故障诊断功能的采煤机尚为空白。与世界先进水平相比，国产采煤机的 故障诊断技术水平低，差距非常明显。 实现采煤机的工况监测和故障诊断，不仅是丰富其整机性能、提高其自动化水平、 增强安全性和工作可靠性等的需要，而且是为将来实现采煤自动化及无人工作面奠定基 础和提供技术支持【2 1 1 。 1 ．4 本文的主要工作 本文着重对设备故障诊断智能化方向进行了研究。通过对人工智能技术的研究，将 模糊逻辑系统和人工神经网络有机地结合起来进行优势互补，充分发挥了各自的优点， 突破了专家知识的学习、获取、表达与利用的瓶颈问题，为采煤机的智能化故障诊断提 供了一条新的解决途径。其主要工作如下 一、讨论了模糊逻辑系统和神经网络的原理和方法，着重介绍了E L M 算法，对E L M 算法进行了理论推导，总结了E L M 算法的步骤，并通过与其他算法的比较验证了其优 越性。 二、根据模糊逻辑系统和神经网络的特点构造了模糊神经网络。通过对采煤机的故 障机理分析，总结了故障诊断样本，并对模糊神经网络进行了训练，通过对采煤机故障 的仿真试验，证明该方法的有效性。 三、对采煤机故障诊断系统进行了设计，确定了硬件搭配，数据传输方式，对下位 机和上位机分别进行了软件设计，模糊神经网络主要在上位机软件中实现故障诊断的功 能。 一7 一 东北大学硕士学位论文 第二章模糊逻辑系统与E L M 神经网络 第二章模糊逻辑系统与E L M 神经网络 2 ．1 模糊逻辑系统 概率论用【O ，1 】上的一个数表示随机事件发生的可能性，对随机性给出了一种定量 的描述及处理方法。但是随机性只是现实世界中的一种不确定性，除此之外还广泛存在 另一种更为普遍的不确定性模糊性。实践告诉我们复杂的东西是难以精确化的， 于是需求的精确性与问题的复杂性之间形成了尖锐的矛盾。正如扎德 L ．丸Z a d e h 所说 1 2 2 l “当系统的复杂性日益增长，我们给出系统特性精确而有意义的描述能力下降，直 到达到这样一个阈值，一旦越过它，精确性和复杂性就变得相互排斥”。也就是说，复 杂性越高，有意义的精确化能力就下降，从而导致模糊性。 模糊性是指客观事物在性态及属性方面的不分明性，其根源是在类似事物问存在一 系列过渡状态，它们互相渗透、互相贯通，使得彼此之间没有明显的分界线。例如，“发 动机温度高”、“发动机温度较高”、“轮胎磨损较严重”、“轮胎磨损严重”等。但是，究 竟多高才算“高”，多高才算“较高”；磨损程度什么样才算“严重”，什么样算“较严 重”，却是不明确的．即在“高”与“较高”之间，“严重”与“较严重”之间不存在明 确的分界线，因而它们都是模糊的，具有模糊性。 模糊性是客观世界中某些事物本身所具有的一种特性，它与随机性有着本质的区 别。对于随机性而言，事物本身的含义是明确的，只是在一定条件下可能发生也可能不 发生；而模糊性所反映的事物本身是模糊不清的，一个具体对象是否符合一个模糊概念 不能明确地判定。 1 9 6 5 年扎德等人从集合论的角度对模糊性的表示与处理进行了大量研究，提出了模 糊集、隶属函数、语言变量及模糊推理等重要概念【矧，开创了模糊数学这一新兴的数学 分支，为模糊性的定量描述与处理提供了一种新途径。 模糊逻辑系统是指基于模糊概念和模糊逻辑而建立、能够处理模糊信息的系统，其 一般结构如图2 ．1 所示。它通常由模糊化单元、模糊规则库、模糊推理机和反模糊化单 元四个部分组成。设模糊逻辑系统的输入信号x 为论域u 上的点，输出信号Y 为论域矿 上的点，石，Y 均为确定的非模糊信息。模糊逻辑系统的处理对象是模糊信息，所以输入 信号z 需要通过模糊化单元变换成u 上的模糊集合；模糊逻辑系统最终的输出应是明确 的信息，所以需要由反模糊化单元将论域y 上的模糊集合转化成V 上的确定信号Y 。 一9 一 东北大学硕士学位论文第二章模糊逻辑系统与E L M 神经网络 模糊逻辑系统具有许多优点。其输入、输出均为实型变量，所以适用于工程应用， 可以用测量变量作为模糊逻辑系统的输入、并将其输出变换为相应的工程量；其模糊规 则库的基本格式为“i f ⋯t h e n ⋯”型规则，适合于描述专家经验知识；模糊化单元、 模糊推理机和反模糊化单元的设计有较强的自由度，对于特定的问题，可以通过比较、 学习过程确定一个最佳的模糊逻辑系统，使之能有效地利用数据和语言两类信息。 图2 ．1 模糊逻辑系统的结构 F i g ．2 ．1F u z z yl o g i cs y s t e m i cs t r u c t u r e 模糊逻辑系统实质上是一个从论域u 到论域矿的非线性映射。已经证明，只要适当 选择隶属函数式、模糊化和反模糊化算法以及模糊推理算法，模糊逻辑系统可以在任意 精度上逼近给定的非线性函数。因此，模糊逻辑系统是除人工神经网络之外又一种重要 的非线性映射模型，它的独特之处是能够充分有效地利用语言和知识信息。 2 ．1 ．1 模糊规则库 模糊规则库是模糊逻辑系统的核心部分，它是由一组模糊推理规则组成的。模糊推 理规则的基本形式为 黔1 野x l i s 日 a n d ⋯a n d x 。 i s F t h e n Y 话G lQ ．1 1 ⋯M R ‘表示第．i } 条规则，F ，钟分别为u ，cR j } 口Vc R 上的模糊集合，且 工- 瓴，⋯，‘ ∈u lx ⋯玑 2 ．2 为系统的输入模糊向量，Y E V 为系统的输出模糊变量。肼为规则库中的总规则数。这 种类型的规则库可以处理多输入、单输出的情况。对于多输入、多输出的模糊规则 野x l i s F ／a n d ⋯a n d1 ．i sE t h e n 一1 0 一 东北大学硕士学位论文第二章模糊逻辑系统与E L M 神经网络 y li s 讲a m t ⋯a m ／Y 。i sG 由于它等价于以下m 条规则 l | x l i s F a n d ⋯a m ／x 。i sF t h e nY l i s G ； I ，h i s F a n d ⋯帆ax 。诂F t h e nY M i x G 其中 Y - ，。，⋯， ，。 ∈Kx ⋯x 圪 2 ．3 为输出模糊向量，因此多输入、多输出的模糊逻辑系统可以分解成一组多输入、单输出 的系统，所以多输入单输出的模糊逻辑系统具有典型的意义。 模糊规则的获取是建立模糊逻辑系统的关键，也是主要的瓶颈所在，一般而言，模 糊规则或者来自专家的知识和经验，或者通过模糊逻辑系统的自学习过程逐步获得。如 果有专家提供的知识和经验，模糊规则库的建立相对来说是较为简便和快捷的。近年来， 由于神经网络技术的广泛应用，通过自学习建立模糊规则库的方法已得到了普遍的重 视。应用这种方法时，需要确定模糊规则库的大小 规则条数M ，以及模糊集合F ，G ‘ 的隶属函数形式，并实现隶属函数中有关参数的估计，从而完成学习和建库过程。 2 ．1 ．2 模糊推理机 模糊推理机的作用是根据模糊逻辑的运算规则，把模糊规则库中的“I f ⋯t h e n ⋯” 型模糊规则转换成从u 。x x 【，。上的模糊集到矿上的模糊集的映射关系，换言之，它根 据接受到的模糊输入信息算- “，⋯，毛 和模糊规则库中现有的规则，产生相应的模糊输 出变量y ，其核心机制是模糊条件推理的方法。 1 模糊条件推理方法 模糊条件推理的基本形式有以下两种。 1 肯定前件的模糊假言推理 前提l i fXi sAt h e nYi sB 前提2 xi sA ’ 结论Yi s B ’ 2 ．4 2 否定后件的模糊假言推理 一1 1 东北大学硕士学位论文第二章模糊逻辑系统与E L M 神经网络 前提l i fzi sAt h e nYi sB 前提2 y i sB ’ 结论xi sA ’ 2 ．5 模糊推理方法的基础是“模糊蕴涵规则”。模糊蕴涵规则种类繁多，丰富的模糊蕴 涵规则导致了灵活多样的模糊推理方法，在模糊推理中起着重要的作用。通常用符号 4 6 表示蕴涵，4 ，6 ∈【0 1 】。 为了处理模糊条件命题“i fzi sAt h e nyi s 口”中的A 与口之间的模糊关 系，Z a d e h 提出了两种方法，一种称为用模糊蕴涵规则疋表示的模糊条件命题的极大极 小规则；另一种称为用模糊蕴涵规则兄表示的模糊条件命题的算术规则。除了Z a d e h 提出的这两种模糊推理方法外，针对各种实际问题，人们还提出了其他多种模糊推理的 方法，如M a m d a n i 模糊推理方法、L a r s e n 模糊推理方法及M i z u n o t o 法等。不同的模糊 推理方法基于不同的模糊蕴涵规则定义。一旦模糊蕴涵规则确定后，其推理过程均为 1 对于肯定前件的模糊推理 2 ．4 B ’．A ’o R ‘ 2 对于否定后件的模糊推理 2 ．5 A ’- R o B 7 其中R ’为相应的模糊蕴涵规则。 2 扩展模糊推理方法 模糊推理问题，式 2 ．4 仅涉及一项条件命题“i fzi s 彳”，而许多实际推理问题 的条件是由多个命题复合而成的，各个命题之间用“a n d ”逻辑联接，这称为扩展模糊 推理问题。考虑有两个条件命题的模糊推理问题，其陈述为 前提l i f 而i s4a n dx 2i s 以t h e nYi s 口 前提2 而i s4 a n dz 2i s4 结论yi s 口’ 2 ，6 其中z 。，石，Y 表示对象名4 和4 为论域玑中的模糊集合所表示的模糊概念；曰和口’为 论域y 中的模糊概念。该问题中的复合条件命题可表示为 X li s 卅a n dX 2i sA ；≯卅n 4 2 ．7 上式中4 A A 表示4 x U 和u 。x A ；的交，即 一1 2 东北大擘硕士学位论文 第二章模糊逻辑系统与E L M 神经网络 彳n 4 一“x U n ∥。x Z 一彳x 4 2 ．8 因此，推理问题 2 ．6 的前提1 所表示的模糊命题可以转化为￡，。x U y 中的一个模糊关 系用以，A ；功。记R 表示相应的模糊蕴涵规则，则根据R ’可以确定对应的模糊关系 R “，A ；功。这样推理问题 2 ．6 的结论就可由以下规则得出 B ’- 卅n A ； o R ∽，4 ；曰 2 ．