CPN故障诊断(MATLAB)

CPN(Colored Petri Net,彩色Petri网)是在传统Petri网的基础上进行扩展的高级Petri网。它在故障诊断领域有着广泛的应用。

CPN故障诊断的主要思想和步骤如下:

建模:根据系统的结构和功能,采用CPN构建系统的模型。将系统不同组件表示为网的位置,数据/信号流表示为网的转换,故障表示为额外的转换。

状态空间分析:对CPN模型进行状态空间分析,枚举系统所有可能的状态。确定正常和故障状态。

仿真:对CPN模型进行仿真,通过给模型输入不同的事件序列,分析状态和标识的变化。

故障检测:通过对比正常模型和故障模型的仿真结果,判断系统是否发生故障以及故障类型。

诊断:追踪故障状态对应的事件序列,分析故障发生的原因,给出诊断报告。

相比传统方法,CPN故障诊断通过视觉化建模和仿真,能够直观高效地分析系统的故障,是一种有效的现代故障诊断方法。

%% 对向传播网络:CPN神经网络对轴承故障类型判断主程序

clc;close all;clear all;%清除空间

%% --- (1)预处理开始--

%% 产生样本

PMatrix,T=gendataFun();

L01,L02=size(PMatrix);

%对权值进初始化

PData=PMatrix;%输入数据

%% 样本转换为CPN需要的结果

TData=trancT2TData(T);%输出数据转换为CPN需要的结构

k31,L03=size(TData);%测量数据的矩阵大小

%% --- 预处理结束--

T_out01=TData;

MaxIte=1000;%学习次数

%% (3)开始CPN训练---

B0=0.01;

TrainNumber=100;

alfa=0.1;

Out,w,v,com_Num=cpns(PData,TData,B0,alfa,TrainNumber);%训练

Out;

%% 开始CPN训练结束---

%开始网络回想,其输入模式为Ptest01

n=0;%计算准确率的计数器

PredictionAll=zeros(L01,1);%记录预测值

for t01=1:L01

Ptest01=PMatrix(t01,:);%载入预测样本的输入数据

Ttest01=TData(t01,:);%载入预测样本的输出数据

%初始化Pc

PredictionAll(t01,1)=CPNPrediction(Ptest01,L03,w,v,com_Num);

% disp('真实结果');

Treal=T(t01);

% disp('预测结果');

Prediction=PredictionAll(t01,1);

if Treal==Prediction

n=n+1;

end

end

%% 把CPN的结果转化为自然语言

FaultTypes={'第一缸喷油器针阀磨损','正常','第一缸喷油器压力过小','供油提前角提前','其他'};

disp('诊断结果');

fprintf(' %s %s %s %s %s\n', '样本序号','实际类别','预测类别','正/误','故障类型');

for i=1:L01

s1=num2str(i);

s2=num2str(T(i));

s3=num2str(PredictionAll(i,1));

if T(i)==PredictionAll(i,1)

s4='正确';

else

s4='错误';

end

s5=FaultTypes{PredictionAll(i,1)};

fprintf(' %s %s %s %s %s \n', s1,s2,s3,s4,s5);

end

disp('正确率')

num2str(n/L01\*100),'%'

figure;

plot(1:L01,PredictionAll,'bo');

hold on;

plot(1:L01,T,'r*');

legend('预测故障类型','实际故障类型');

s22='CPN神经网络对轴承故障类型的预测与实际类型对比, 误差=';

title(s22);

诊断结果

样本序号 实际类别 预测类别 正/误 故障类型

1 1 1 正确 第一缸喷油器针阀磨损

2 1 1 正确 第一缸喷油器针阀磨损

3 1 1 正确 第一缸喷油器针阀磨损

4 1 1 正确 第一缸喷油器针阀磨损

5 1 1 正确 第一缸喷油器针阀磨损

6 1 1 正确 第一缸喷油器针阀磨损

7 1 1 正确 第一缸喷油器针阀磨损

8 1 1 正确 第一缸喷油器针阀磨损

9 1 1 正确 第一缸喷油器针阀磨损

10 1 1 正确 第一缸喷油器针阀磨损

11 2 2 正确 正常

12 2 2 正确 正常

13 2 2 正确 正常

14 2 2 正确 正常

15 2 2 正确 正常

16 2 2 正确 正常

17 2 2 正确 正常

18 2 2 正确 正常

19 2 2 正确 正常

20 2 2 正确 正常

21 3 3 正确 第一缸喷油器压力过小

22 3 3 正确 第一缸喷油器压力过小

23 3 3 正确 第一缸喷油器压力过小

24 3 3 正确 第一缸喷油器压力过小

25 3 3 正确 第一缸喷油器压力过小

26 3 3 正确 第一缸喷油器压力过小

27 3 3 正确 第一缸喷油器压力过小

28 3 3 正确 第一缸喷油器压力过小

29 3 3 正确 第一缸喷油器压力过小

30 3 3 正确 第一缸喷油器压力过小

31 4 4 正确 供油提前角提前

32 4 4 正确 供油提前角提前

33 4 4 正确 供油提前角提前

34 4 4 正确 供油提前角提前

35 4 4 正确 供油提前角提前

36 4 4 正确 供油提前角提前

37 4 4 正确 供油提前角提前

38 4 4 正确 供油提前角提前

39 4 4 正确 供油提前角提前

40 4 4 正确 供油提前角提前

41 5 5 正确 其他

42 5 5 正确 其他

43 5 5 正确 其他

44 5 5 正确 其他

45 5 5 正确 其他

46 5 5 正确 其他

47 5 5 正确 其他

48 5 5 正确 其他

49 5 5 正确 其他

50 5 5 正确 其他

正确率

ans =

100%

相关推荐
鱼宵1 分钟前
Spring AI RAG 问答助手:回答带引用,AI 不再睁眼说瞎话
java·人工智能·spring·springai
lisw051 分钟前
环境智能(ambient intelligence)概述!
网络·人工智能·计算机视觉
虎鲸不是鱼2 分钟前
AI 自动化逆向(五)控制组:区分「没有」和「没取到」
人工智能·自动化·大模型·ai逆向·ai反编译
jerryinwuhan3 分钟前
从GPT到Agent:下一代人工智能系统架构演进
人工智能·gpt·系统架构
console.log('npc')5 分钟前
第 3 章 工程化与项目初始化
前端·人工智能·大模型
墨云安全5 分钟前
AI 渗透测试是怎么实现的?2026 年大模型驱动测试用例生成的工程拆解
网络·人工智能·网络安全·渗透测试·测试用例
阿文和她的Key6 分钟前
私有化 AI 基座的三层分工:环境层、管控层、网关层各自解决什么
网络·人工智能
CVer儿6 分钟前
起源引擎harmmer++ 配置
开发语言
愤怒火龙果7 分钟前
AI攻防 中转站链路安全
人工智能·网络安全
python机器学习ML8 分钟前
机器学习——XGBoost+贝叶斯优化+特征工程+SHAP+ROC+Calibration+Lift+七视角拆解模型
人工智能·机器学习