基于半监督竞争学习过程神经网络的抽油机故障诊断.pdf

信息与控制　　２０１４年　第４３卷　第２期：２３５～２４０ ＤＯＩ：１０．３７２４／ＳＰ．Ｊ．１２１９．２０１４．００２３５ 文章编号：１００２－０４１１（２０１４）－０２－０２３５－０６ 基于半监督竞争学习过程神经网络的抽油机故障诊断 １ １ ２ 王　兵 ，许少华 ，孟耀华 １．东北石油大学计算机与信息技术学院，黑龙江 大庆　１６３３１８； ２．哈尔滨工业大学通信技术研究所，黑龙江 哈尔滨　１５０００１ 基金项目：国家自然科学基金资助项目；中国石油科技创新基金资助项目（２０１０Ｄ－５００６－０３０２） 通信作者：王兵，ｗａｎｇｂｉｎｇ０８１２＠ｓｉｎａ．ｃｏｍ　　收稿／录用／修回：２０１３－０３－０６／２０１３－０４－２３／２０１３－１２－２０ 摘要 关键词 利用过程神经元网络对动态时变信号过程模态特征的自适应提取能力，结合 竞争型过程神经元网络 半监督学习算法，提出了一种基于半监督学习的网络结构自适应的竞争型过程神 半监督学习 经元网络用于示功图识别．网络采用广义离散Ｆｒéｃｈｅｔ距离作为动态样本间距离的 故障诊断 测度，然后直接以离散化的载荷和位移时间序列作为网络输入，在样本标记信息的 自适应聚类 约束下，采用奖励—惩罚更新规则，根据网络学习目标函数，动态重构竞争层节点， 中图分类号：ＴＰ１８３ 消除网络对初始聚类数的依赖，实现样本的有效聚类．仿真实验结果验证了模型和 文献标识码：Ａ 算法的有效性． ＦａｕｌｔＤｉａｇｎｏｓｉｓｏｆＰｕｍｐｉｎｇＵｎｉｔＢａｓｅｄｏｎＳｅｍｉＳｕｐｅｒｖｉｓｅｄＣｏｍｐｅｔｉｔｉｖｅ ＬｅａｒｎｉｎｇＰｒｏｃｅｓｓＮｅｕｒａｌＮｅｔｗｏｒｋ １ １ ２ ＷＡＮＧＢｉｎｇ，ＸＵＳｈａｏｈｕａ，ＭＥＮＧＹａｏｈｕａ １．ＳｃｈｏｏｌｏｆＣｏｍｐｕｔｅｒ＆Ｉｎｆｏｒｍａｔｉｏｎ，ＮｏｒｔｈｅａｓｔＰｅｔｒｏｌｅｕｍＵｎｉｖｅｒｓｉｔｙ，Ｄａｑｉｎｇ１６３３１８，Ｃｈｉｎａ； ２．ＣｏｍｍｕｎｉｃａｔｉｏｎＲｅｓｅａｒｃｈＣｅｎｔｅｒ，ＨａｒｂｉｎＩｎｓｔｉｔｕｔｅｏｆＴｅｃｈｎｏｌｏｇｙ，Ｈａｒｂｉｎ１５０００１，Ｃｈｉｎａ Ａｂｓｔｒａｃｔ Ｋｅｙｗｏｒｄｓ Ｔｈｅａｄａｐｔｉｖｅｅｘｔｒａｃｔｉｏｎａｂｉｌｉｔｙｏｆｐｒｏｃｅｓｓｎｅｕｒａｌｎｅｔｗｏｒｋｓｉｓｕｓｅｄｆｏｒｄｙｎａｍｉｃｔｉｍｅｖａｒｙｉｎｇｓｉｇｎａｌｓｍｏｄｅｌ ｃｏｍｐｅｔｉｔｉｖｅｐｒｏｃｅｓｓｎｅｕｒａｌ ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ．Ｂａｓｅｄｏｎｔｈｉｓ，ａｓｅｍｉｓｕｐｅｒｖｉｓｅｄｃｏｍｐｅｔｉｔｉｖｅｌｅａｒｎｉｎｇｐｒｏｃｅｓｓｎｅｕｒａｌｎｅｔｗｏｒｋｗｉｔｈｓｅｌｆａｄａｐ ｎｅｔｗｏｒｋ； ｔｉｖｅｎｅｔｗｏｒｋｓｔｒｕｃｔｕｒｅｉｓｐｒｏｐｏｓｅｄｔｏｒｅｃｏｇｎｉｚｅｐａｔｔｅｒｎｓｉｎａｎｉｎｄｉｃａｔｏｒｄｉａｇｒａｍ．ＧｅｎｅｒａｌｉｚｅｄｄｉｓｃｒｅｔｅＦｒéｃｈｅｔ ｓｅｍｉｓｕｐｅｒｖｉｓｅｄｌｅａｒｎｉｎｇ； ｄｉｓｔａｎｃｅｉｓｕｓｅｄａｓａｍｅｔｒｉｃｂｅｔｗｅｅｎｔｉｍｅ－ｖａｒｙｉｎｇｓａｍｐｌｅｓ，ｄｉｓｃｒｅｔｅｔｉｍｅｓｅｑｕｅｎｃｅｏｆｔｈｅｌｏａｄａｎｄｄｉｓｐｌａｃｅ ｆａｕｌｔｄｉａｇｎｏｓｉｓ； ｍｅｎｔｉｓｕｓｅｄａｓｄｉｒｅｃｔｉｎｐｕｔｓ，ａｎｄｔｈｅｒｅｗａｒｄ－ｐｕｎｉｓｈｍｅｎｔｒｕｌｅｆｏｒｕｐｄａｔｉｎｇｉｓｕｓｅｄｔｏｒｅａｌｉｚｅｅｆｆｅｃｔｉｖｅｃｌｕｓｔｅ ｓｅｌｆａｄａｐｔｉｖｅｃｌｕｓｔｅｒｉｎｇ ｒｉｎｇｕｎｄｅｒｔｈｅｃｏｎｓｔｒａｉｎｔｏｆｌａｂｅｌｅｄｓａｍｐｌｅｓ．Ｔｈｅｄｙｎａｍｉｃｒｅｃｏｎｓｔｒｕｃｔｉｏｎｏｆｃｏｍｐｅｔｉｔｉｖｅｎｏｄｅｓｉｓｒｅａｌ