雷竞技网页版研究和评论——国际期刊雷竞技苹果下载

国际创新研究期刊》的研究在科学、工程和技术

菜单

ISSN在线(2319 - 8753)打印(2347 - 6710)

所有提交的电磁系统将被重定向到在线手稿提交系统。作者请直接提交文章在线手稿提交系统各自的杂志。

基因调整区间二型模糊逻辑感应电动机的故障诊断

1Anant g . Kulkarni2m·f·库雷希博士3Manoj Jha博士
  1. 研究学者,c . v .拉曼大学博士,比拉斯布尔,印度,
  2. 主体、政府理工Kanker——Narayanpur克星,印度,
  3. 煤斗、数学系、Rungta工程学院,sujeet kumar印度,
相关文章Pubmed,谷歌学者

访问更多的相关文章国际创新研究期刊》的研究在科学、工程和技术

国际创新研究期刊》的研究在科学、工程和技术

文摘

本文研究基于模糊故障诊断模型使用遗传算法的感应电动机。区间二型模糊逻辑控制器(IT2FLC)的模糊参数,例如模糊隶属度函数和模糊规则基地调谐遗传算法(气体)称为基因间隔Type2模糊系统(GIT2FS)。GFS简要讨论,之后,该设计是解释说。这是称为知识库优化使用遗传算法基于区间二型模糊故障诊断模型感应电动机。

关键字
GA、区间二型模糊逻辑控制器(IT2FLC)基因间隔Type2模糊系统(GIT2FS)。

我的介绍。
遗传算法主要区间二型模糊系统的进化算法(GIT2FS)。天然气是通用搜索算法。主要有三种技术,神经网络(NN),模糊逻辑(FL)和遗传算法(GA)和它们的混合组合。单独和组合这些技术可以用来解决问题。组合包括去噪、GA-fuzzy、neuro-GA neuro-fuzzy-GA技术。称为人工智能(AI),这是一个计算机科学领域关注设计智能计算机系统。就像人类行为。
软计算领域的非正统的搜索和优化算法,遗传算法,模拟自然进化的过程。遗传算法是进化算法在随机引导下,搜索技术。工程、计算机科学、制造、数学、物理、和其他领域是遗传算法的应用程序。遗传算法是基于自然的基因。它提供了健康和强大的搜索功能在复杂的空间中。遗传算法提供了一个有效的方法来有效的搜索过程和效率问题的能力。
GA非常不同于大多数传统的优化方法。GA需要设计空间转化为遗传空间。遗传算法使用编码的变量。使用编码的变量空间的优势在于编码可搜索空间虽然功能可能是连续的。GA人口在一个时间点与单点方法,传统的优化方法。It过程的设计在同一时间。算法从一组解决方案由染色体,叫做人口发展慢慢地随着时间的推移,通过控制变化和竞争的过程。解决方案的一个种群,用来形成一个新的人口。这是出于希望新的人口将比旧的更好。选择解决方案,形成新的人口(后代),选择根据他们的健康,必须计划为每一个需要解决的问题。 The more suitable they are, the more chances they have to reproduce. This is repeated until some conditions for improvement of best solution are satisfied. The new population is further evaluated and tested for termination. If the termination criteria are not met, the population is iteratively operated by the three operators and evaluated until the termination criteria are met. One cycle of these operations and the subsequent evaluation procedure is known as a generation in GA terminology. Crossover is a recombination operator. In GA criteria are required to be expressed in terms of an objective function which is usually called to as a fitness function.
健康的定义是一个品质因数,是最大化或最小化。遗传算子的复制、交叉、变异,反转,优势,检测、重复、易位、隔离、物种形成、迁移、交配和共享。交叉变异算子相比是很少使用。一些遗传算法计算如表5.1所示。
图像
GIT2FS基本上是一个模糊系统2型的一个学习的过程基于遗传算法(GA)。用于存储复杂的非结构化信息和结构使用的计算机系统称为知识库(KB)技术。GIT2FS、天然气运营搜索合适的知识库(KB)的一个特定问题的模糊系统。优化空间是由知识库(KB)参数。知识库(KB)参数转换成合适的基因表示的搜索流程运行。知识库由间隔2型隶属度函数(IT2MF)表示(MF)和模糊规则库(RB),如前所述。有一些选项来设计基因IT2模糊系统,如调优或学习隶属函数、模糊规则库或他们两人,按顺序或并行。个体人口占隶属函数形状的参数的模糊规则库是提前预定,然后优化隶属函数。人口代表所有隶属度函数的模糊规则可能认为,如果需要调整模糊规则的基础。图5.1显示了这些观念。 Recently, there are some successful applications of GIT2FS to real world problems, e.g. modeling and decision making, control, robotics, manufacturing, consumer products.
图像
进一步我们将描述应用程序GIT2FS基于行为的移动机器人。后来,然后应用GIT2FS作为搜索算法来优化知识的价值基础,下一小节中描述。ki,霁调整系数,残雪,Wx组每个模糊隶属函数的中心和宽度。这意味着ki使每个隶属函数中心向右或向左移动,霁使他们更广泛或尖锐,如图。5.2。
之后,调整系数进行编码,形成人口,如下显示。
图像
图像
在搜索规则库中,每个参数的编码到整数编码。整数编码是基于数量的输出隶属函数。编码参数排列显示在以下方程。这个方程是形成染色体的人口,如下所示。
图像
随机生成初始种群遗传算法过程的第一步。所有染色体适应度函数评价和相关的基础。适应度函数与线性排序法来确定新一代人口的成员。
为避免错误的部分健身功能:
图像
我是起始位置的总数,K是一步模拟的数量对于每一个起始位置,ω(K)和v (K)是转速和错误的速度K,分别和c是恒定的IM的健康检查,0 1如果没有错,如果有错。这个函数最小化以达到条件比电机运行,避免错,更高的速度,主要是可靠的速度。重组、突变和交叉,三个运营商的GA与固定的交叉率(Pc)概率和概率变异率(Pm), 0.7,和0.7参数数字,分别。新一代的数量调整代沟常数(GGAP),也就是0.9。重复这个过程,直到达到终止条件。它提出了区间Type2Fuzzy逻辑控制器(IT2FLC)的模糊知识基础,即隶属度函数和规则基地,由遗传算法(气)调谐,称为遗传模糊系统(GIT2FS),生成单独的命令行动。该模型的目的是为了检测IM的缺陷。最好的健身知识基础是通过学习获得提前RB然后调优后的MF。B

2相关工作
有一个数字的研究工作已经完成之前为了自动确定最有效的方式来识别和分类感应电动机的故障诊断。h . Guldemir(2003)提出了检测空气隙偏心使用线电流频谱的感应电动机。y刘(2007)在一个检测系统,分析和诊断将机电系统。Qureshin等人(2005)贡献了他的工作基于模糊模拟和设计变量控制的模糊逻辑控制器和位置在核控制。棕褐色,w . w .笼罩,s . n .(2003)贡献了2型模糊控制器的性能研究。s e . Zouzou w . Laala Guedidi和M。
Sahraoui(2009)提出了在模糊逻辑方法在鼠笼式感应电动机转子故障的诊断。电机电流特征分析(MCSA)使用。策略取决于后续(谐波的振幅和频率)代表的缺陷破酒吧,准备,从而产生足够的输入治疗的决定是由模糊逻辑的地方。z, a . Sadeghian b·吴(2006)提出了机械故障诊断的感应电动机变速驱动使用适应神经模糊推理系统。高木涉& Sugeno(1985)研究了模糊系统的识别及其应用工程系统的建模和控制。卷(1997)在他的工作复杂系统模糊控制的软计算方法。Mamdani再见(1974、76)贡献了他的工作在应用模糊算法简单模糊控制器的动态合成植物和语言的进步。.(1978)通报道合成为工业过程的模糊模型。r . Alcal´, j . Alcal´a-Fdez,和f .埃雷拉(2007)介绍了语言的基因横向调优建议模糊系统及其交互规则的选择。一个创新研究感应电动机的故障诊断使用混合FFT和软计算技术提出了研究工作。 In the proposed methodology a genetically tuned type-2 FFT fuzzy system and also ANFIS is to be developed. Before using the raw data available from the industrial and commercial sources, it will be normalized for mapping in 0,1 range. This section presented the literature review on different fuzzy techniques, various fault diagnosis of induction motor, fast Fourier transform implementation and fuzzy logic. Review covered variety of topic, methods, techniques and approaches

三世。区间二型模糊逻辑控制器
限制1型模糊集无法表达不确定性的隶属度函数,它是二维的。二型模糊集处理更多的不确定性。2型模糊隶属度函数是三维的。一个区间二型模糊集如图5.3 (a),代表输入或输出的模糊逻辑控制器。区间二型模糊逻辑控制器使用区间二型模糊集所有的第三个维度值等于1。有助于简化计算间隔2型方法的使用。图5.3 (b)显示间隔2型方法的结构。五个主要组件规则库的模糊逻辑控制器,Fuzzifier,推理引擎,减速器和Defuzzifier。
图像
图像
区间二型模糊逻辑控制器的工作如下:
首先输入传感器提供的输入。Fuzzifier脆输入转换成2型模糊集。Fuzzifier用于模糊化。模糊性是指更换一套脆拥有清晰定义的边界的设置,使用一组的边界是模糊的。通常有三种类型的Fuzzifier;单例Fuzzifier(我),(2)梯形或三角形Fuzzifier高斯Fuzzifier (iii)。通常使用单例在区间二型模糊化方法因简单性和适用性。2型模糊输入的接口引擎和激活引擎的接口。规则库生成输出2型模糊集。2型方法规则一样在1型模糊逻辑控制器。 But consequents or/and the antecedents will be represented by interval type-2 fuzzy sets. Fired rule combines with the help of interface engine and produce mapping from input type-2 fuzzy sets to output type-2 fuzzy sets. Output of interface engine (output type-2 fuzzy sets) is input of type-reducer which combine output sets and centroid calculation take place, which conduct to type-1 fuzzy sets called the type-reduced sets [Karnik, N.N. et. al, 1998]. Projection of a type-2 fuzzy set into a type-1 fuzzy set and also acts as a measure of uncertainty for that set is possible due to centroid of type-2 fuzzy set. Typereduction in a type-2 fuzzy logic system is an advanced version of the defuzzification operation in a type-1 FLS. There are many types of type-reduction methods such as height, modified height, center-of-sets and centroid [Qilian Liang et. al, 2000].
中心集type-reduction用于这项研究。问题发生在简单的高度和修改高度typereductions和重心type-reduction,当只有一个规则火灾。类型减少集defuzzified意味着叫去模糊化。它有限区间的数字转换成平均的两个端点区间。最后获得的输出。

第四,基于遗传算法(GA)的进化系统
遗传算法和进化策略模仿自然遗传学和自然选择的原则构建搜索和优化程序。遗传算法的染色体有间隔2型隶属度函数(MFs)参数。参数的输入和输出感应电动机(IM)区间二型模糊逻辑控制器(方法)。模糊逻辑控制器分为三个阶段;模糊化、模糊接口和defuzzyfication。使用区间二型模糊集合。这些由高斯模糊集合描述主要MF和不确定的标准偏差。图5.3(一个)显示区间二型模糊集。染色体由基因,编码编码由基于GA的系统实际价值。三十个染色体在每个GA人口与精英选择策略。基于遗传算法的系统程序和步骤如下:
我)我步:三十染色体是随机生成的。他染色体计数设置为——第一个染色体。“一代计数器”设置为1——第一代。
ii)二型模糊逻辑控制器构造使用染色体“染色体计数”和400年执行控制措施提供一个健身染色体。在健康评估、健康状况到位以避免电动机故障。控制器后执行400年控制步骤,一个固定的控制器接管控制。
iii)如果“染色体计数”< 30,增加“染色体计数”,第二步,否则继续第四步。
(四)染色体分别保存
v)如果“代计数器”= 1然后存储当前的人口,将其复制到一个新的人口P和继续步骤6。
(六)使用轮盘赌选择人口P填充繁殖池。其他,选择30最好的染色体人口“代计数器”和人口“代计数器”1和创建一个新的人口P。
七)交叉繁殖池中应用于染色体和染色体一致性检查(*)。
八世)增加“代计数器”。如果“代计数器”<最大代的数量或者所要求的性能没有达到,重置“染色体计数”1和第二步,第九步去。
ix)染色体保持最好的健身和解决方案得以实现;结束。
(*)使用的交叉算子计算两个基因之间的算术平均数。它是用于一个概率100%的力量。解决之前发现的之间的空间,父母由GA探索解决方案。IT2FLC正确性的染色体的基因与它们的功能都是用染色体一致性。
图像
一个特定的意思是和两个标准差是三个参数。每个输入2型MF是由这个参数。2型方法的输入由12个基因。模糊逻辑控制器有两个输入传感器和每个传感器由两个2型隶属度函数(MFs)。三个参数代表隶属函数。2型方法有一个输出速度运动健康状况的管理。输出2型MFs进化只使用标准差。意味着是固定的保证方法输出允许域内的输出。图5.4(一个)显示的GA染色体拥有16个基因2型方法。16个基因意味着十二输入+ 4输出。
图像
每个染色体的适应性是由监控,如何生成的边缘后2型方法成功地在所需的距离超过400控制步骤。图5.4 (b)显示进化进步。图5.4 (b)显示了迄今为止最好的个人发现的性能对后代的数量。性能的一系列三1型方法4、9和25的规则和发展2型方法与手工设计2型方法相比。
调优Mamdani修改模糊规则库系统与GA(美联储)
天然气是有用的调优数据库和规则库的美联储(Maniadakis和Surmann 1999;警戒线et al . 2001年)。间隔Type2模糊系统GA (IT2FS-GA)调优数据库在Mamdani美联储对规则库的通用航空运营的结果(RB-GA)是这项工作的影响。介绍了具体的行程安排问题,此前分析与Mamdani美联储,这是第一次工作。然后修改对于这种情况包括规则和数据库的结构和标准Mamdani美联储。最后RB-GA因为这是测试床IT2FS ga。
MAMDANI美联储
图5.5显示了修改后的Mamdani基于模糊规则的系统(美联储)选择替换de-fuzzification,输出是离散值的地方。选择界面模糊推理系统的分区。
图像
规则的遗传算法
的染色体转换为规则集Mamdani美联储。在遗传算法使用一个100人口的可变长度染色体。系统是一个匹兹堡GA人口组成的个体编码规则集(警戒线et al . 2001;警戒线et al . 2004年)。
适应度函数必须为每个要解决的问题,并设计了测试用例的比例。正确分类,基于模糊规则的系统(美联储)使用规则集和一个额外的权重因子更短染色体长度。参数,它代表的是潜在的解决问题的办法,基因,连接在一起,形成一个字符串的值称为染色体。大多数常规天然气这些染色体编码为二进制字母表。二进制编码已经摒弃和一个真正的(十进制)编码系统采用。
染色体编码的条件由于只有他们的形容词,存储位置,因此只有(768)不同的可能前提规则集每一个结论(8)之一。每个基因是一对整数;前提部分和结论部分。每个染色体由100个基因的可变长度的字符串。交叉是一个重组算子。它是不对称的单点随机计算交叉点为每个家长分别和两个新的字符串是由其他的头和尾巴重复先行词后删除。不允许创建一个染色体突变,重复先前的部分。因此,不同长度的两个后代一般。变异算子的定义。
点突变:一个随机选择的轨迹在前期部分或一个基因的顺向递增或递减,是指一个重叠,邻近的模糊集。
删除:删除一个序列的基因的四分之一。
扩展:扩展一个随机的染色体基因。
反演:重组基因的策略,所以交叉有机会来测试不同的构建块。
育种的选择对的人口。繁殖是使用交叉繁殖。突变是产生新的对后代。
选择是精英,使用排名选择的一种形式。个人排名第一的健康。然后从适者最适合工作,个人交配选择成员老人口,后代取代至少适合个人。大多数的人口受到的变异使用随机选择的变异算子。排名的一个特征选择是所有目标函数是单调实际上是等价的。
健身和目标函数
评估模糊集也分区的分区的数据目标适应度函数。有四个轴。每个轴的分区,从而形成一个分区hyper-space与多个“hyper-regions”和所有的分类情况下与一个特定的类属于hyper-region之一。在这种情况下只有8 hyper-regions会填满。只有8规则将足以分类数据完全和每一层和一个类在hyper-region表示。该类地区可以通过特异性分配(R和上课情况在区域C S C类的的概率是给定的非零加入区域R)和选择性(R和上课情况在区域C S有非零的概率是加入区域R给定类C)。非零隶属程度在多个地区S计算健身;
我)计算的特异性乘以日志选择性的年代在每个地区的隶属程度。
图像

诉结果与讨论
区间二型模糊系统的遗传算法(IT2FS-GA)是100代的13倍。每次运行的精英是保留。记录相关的目标函数的价值。不同的模糊集值创建。这提出了一个模糊集的考验。依次使用每个获得模糊集的规则Base-GA当时与完整的旅游决策数据集。遗传算法规则库冲最好的成分。RB-GA停止在10000代。39个结果,当过程重复一式三份。每个结果提供规则集;规则数、分类速度和相关的目标函数的值分配给间隔type2 IT2FS-GA模糊集。 Grouping the three runs. Linear regression of the interval type2 fuzzy-set fitness performed. Classification rate and rule counts obtained. Figure 5.6 shows Regressions of Classification Rate and of Rule Count against the IT2FS-GA fitness achieved by each of thirteen independent runs of the IT2FS-GA. This represented that there is a significant positive trend for the classification rates and no trend for the rule counts.
图像
有相当大的方差和分类速度显示了一个重要的趋势。健身和规则数量并不是独立的。RB-GA优化分类率高,只有减少规则在分类计数率。图5.7显示了第二个分析测试模糊集健身对最小规则数,数和最大分类率比规则,复制在每个健康水平。之间有一个非重大的积极趋势获得的规则集的最小per-replicate大小和IT2FS-GA目标函数值。这表明GA和所有可能的进展快后RB-GA停止运行相同数量的后代。有一个更重要的负面趋势的最大per-replicate分类率比规则数。这些表明少紧凑的规则集得到运行的高值IT2FS-GA健身,可能更少的广义。
图像

六。结论
这里,感应电动机故障分析的基于GA的架构间隔2型2型MFs的方法引入了。之间的性能比较1型MFs和2型方法已被证明,并发现类型- 2承诺巨大的性能比1型MFs这些过程将允许限制的模型基于指定pseudo-optimal MFs等2型熵方法,测量作为一个有用的启发式目标函数为目的的pre-tuning数据库美联储的这个问题。有一个积极的健康之间的关系模糊集和分类RB-GA的成功。
有建议的规则数量增加健身,并有证据表明每rulef分类率减少。
美联储调优解决更大数量的错误相关维度法洛斯。选择轴,
一)轴的数量和形式的模糊集,这些点有关数据库;
b)的语法规则,和
c)规则库中的规则的选择。
显示了有相关工作。这项工作显示了一些显著的好处pre-tuning通过一个简单的启发式。天然气通常执行一个健壮的搜索比纯粹的爬山。IT2FS-GA限制的解码方案模糊集的形状又简化了错误景观。的主要执行RB-GA展示了几个重要的事情。GA各自设置的数量后停止运行,导致测量误差。IT2FS-GA的绩效指标,这是相同的措施,因此受到高方差。

引用

  1. Tsaur司令部,(2005) “Fuzzy Grey GM (1,1) Model Under Fuzzy Systems”, International Journal of Computer Mathematics, 2, pp.141-149.
  2. 陈守煜L。,Fuzzy Sets, Information and Controls, 8, 1965, pp. 338--353.(24)
  3. 邓剩下,(1989) “Grey Prediction and Decision (in Chinese)”, Huazong Institute Of Technology Press, Wuhan, China. (25)
  4. 邓剩下,(1989) “Introduction to Grey System Theory”, The Journal of Grey Systems, Vol. 1, pp.1-24,. (26)
  5. 斯特曼J.D.,Management Science, 35, 1989, pp.321-399.(7)
  6. Tozan H。,Vayvay O., The Effects of Fuzzy Forecasting Models on Supply Chain Performance, Proceedings of 9th WSEAS International Conference on Fuzzy Systems (FS’08), WSEAS, 2008, pp. 107--112. (4)
  7. 斯特曼J。D、业务动态:系统思考和造型为一个复杂的世界,麦格劳-希尔,纽约,美国(2000年)。(44)
  8. 巴克利JJ。,Hayashi Y., Fuzzy neural networks, In: Fuzzy sets, neural networks and soft computing by Yager L., Zadeh L., V. Nostrand Rainhol , NY 1994.(41)
  9. 布朗M。,Harris C., Neuro-fuzzy adaptive modeling and control, Prentice Hall, NY, 1994. (40)
  10. http://fuzzy.cs.uni-magdeburg.de/nfdef.html
  11. 巴格奇Prabir k . Seung-Kuk沉重的一击,,(2007)“理解供应链中的牛鞭效应的原因”,国际期刊的零售和分销管理、卷。35空间站:4,pp.308 - 324。
  12. 哈坎·Tozan Ozap Vayvay(2011),混合灰色&简称ANFIS治理牛鞭效应在供应链网络中,圆柱交易体制,问题4,8卷,2009年4月。
  13. 尼克,N.N.,Mendel, J.M. (1998), Type-2 fuzzy logic systems: Type-reduction, in IEEE Syst.,Man, Cybern. Conf., San Diego, CA, pp 2046 – 2051, vol.2, 11-14 Oct 1998
  14. 祁连梁、孟德尔J.M.(2000),区间二型模糊逻辑系统:理论与设计、模糊系统、IEEE事务,体积:8,问题:5日,第550 - 535页,2000年10月。
  15. Guldemir.H。,“Detection of airgap eccentricity using line current spectrum of induction motors”, Electric Power Systems Research 64 (2003) 109–117.
  16. 你们Z。,Sadeghian A. and Wu B., “Mechanical fault diagnostics for induction motor with variable speed drives using adaptative neuro-fuzzy inference system”, Electric Power Systems Research 76 (9–10) (2006) 742–752.
  17. Zouzou S.E.,Laala。W, Guedidi。年代和Sahraoui。米,“模糊逻辑诊断方法在鼠笼式感应电动机转子故障,“在Proc。2000 E计算机和电子工程相依,173 - 177页。
  18. Liu.Y。,Guo.L., Wang.Q., Fu.D., “A system of detection, analysis and diagnosis on electro-mechanic systems”, in: Proceedings of the Eighth International Conference on Electronic Measurement and Instruments, vol. 1, Xi’an, China, August 2007, pp. 772–775.
  19. Guldemir.H。,“Detection of airgap eccentricity using line current spectrum of induction motors”, Electric Power Systems Research 64 (2003) 109–117.