【CN110705812A】一种基于模糊神经网络的工业故障分析系统【专利】

(19)中华人民共和国国家知识产权局

(12)发明专利申请

(10)申请公布号 (43)申请公布日 (21)申请号 201910303394.0

(22)申请日 2019.04.15

(71)申请人 中国石油大学（华东）

地址 266580 山东省青岛市黄岛区长江西

路66号

(72)发明人 于强　张卫山　房凯　

(51)Int.Cl.

G06Q 10/06(2012.01)

G06N 3/04(2006.01)

G06N 5/04(2006.01)

G05B 19/418(2006.01)

(54)发明名称

一种基于模糊神经网络的工业故障分析系

统

(57)摘要

本发明提出了一种基于模糊神经网络

(Fuzzy network -FNN)的工业故障分析系统，包

括以下步骤：获取领域内专家经验知识、数据库

中所记载的历史故障数据以及相应故障模式解

释，并进行数据预处理消除异常和补全缺失值；

接下来进行知识数据模糊化；更新解释器，为新

增工业故障模式增加相应故障解释；使用模糊化

后的数据训练神经网络，动态更新神经网络连接

权值；基于神经网络正向推理方法对工业故障进

行诊断分析，

高效准确的判断数据或设备异常。权利要求书2页 说明书4页 附图1页CN 110705812 A 2020.01.17

C N 110705812

A

1.一种基于模糊神经网络的工业故障分析系统。其特征在于，知识获取与预处理模块、知识数据模糊处理模块、解释器更新模块、模糊神经网络训练模块、故障模糊推理模块，包括以下步骤：

步骤(1)、在知识获取与预处理模块，接收工作人员输入的与故障诊断分析相关的专家经验知识或是历史工业故障分析数据，经过清洗、筛选、和特征提取，形成有效的故障特征相关信息。建立工业故障特征数据集C，

C＝{c 1,c 2,c 3,L ,c m }，

元素c i (i＝1,2,L ,m)代表各种故障数据，以及故障原因分析数据集F，即故障数据的解释集合

F＝{f 1,f 2,f 3,L ,f n }

其中，元素f i (i＝1,2,L ,n)代表各种可能的故障原因解释集合。

步骤(2)、在知识数据模糊处理模块，对故障诊断分析相关的专家经验数据知识进行模糊化处理,根据隶属度函数从具体的输入故障数据得到对模糊集隶属度。故障特征数据模

糊化后构成模糊向量：

是故障分析数据c i 的隶属度，同时将故障原因集合进行模糊处理后构

成故障原因模糊向量。

其中是故障原因f i 的隶属度，即可能性大小。故障分析模糊向量对应着模糊神经网络的神经元域，作为神经网络神经元的输入。

步骤(3)、在解释器更新模块，将故障原因分析数据集F，即故障数据的解释集合F＝{f 1,f 2,f 3,L ,f n }(元素f i (i＝1,2,L ,n)代表故障原因解释集合)更新到综合数据库中，为解释器中新增工业故障进行故障解释。

步骤(4)、模糊神经网络训练模块，使用模糊化的专家经验知识以及历史故障数据训练模糊神经网络。模糊神经网络最上层为工业故障特征向量输入层，中间层网络为故障原因分析层，最下层网络为输出层。建立工业故障向量与故障原因向量模糊矩阵，作为模糊神经

网络连接权值矩阵：

矩阵中连接权值代表了故障特征向量到原因的模糊关系。其中r ij 表示故障数据中第i 个特征到第j种类故障的映射，即故障分析知识。设定故障诊断模型为β为特征系数，模糊矩阵r ij 将通过模糊神经网络对故障分析样本学习得到。通过实际故障样本不断对模糊神经网络进行训练，不断修正模糊矩阵r ij ，从而提高系统故障分析的准确性与可靠性。

权　利　要　求　书1/2页2CN 110705812 A