高级搜索

关于系统级故障诊断的烟花-反向传播神经网络算法

归伟夏 陆倩 苏美力

引用本文: 归伟夏, 陆倩, 苏美力. 关于系统级故障诊断的烟花-反向传播神经网络算法[J]. 电子与信息学报, doi: 10.11999/JEIT190484 shu
Citation:  Weixia GUI, Qian LU, Meili SU. A FWA-BPFD Algorithm for System-level Fault Diagnosis[J]. Journal of Electronics and Information Technology, doi: 10.11999/JEIT190484 shu

关于系统级故障诊断的烟花-反向传播神经网络算法

    作者简介: 归伟夏: 女,1974年生,副教授,博士,研究方向为智能计算、网络与并行分布式计算;
    陆倩: 女,1994年生,硕士生,研究方向为智能算法、并行计算;
    苏美力: 女,1989年生,硕士生,研究方向为智能算法、并行计算
    通讯作者: 陆倩,563766390@qq.com
  • 基金项目: 国家自然科学基金(61862003, 61862004),广西研究生教育创新项目(YCSW2019036)

摘要: 为了更快速且精确地诊断出大规模多处理器系统中的故障单元,该文首次将改进的烟花算法和反向传播(BP)神经网络相结合,提出一种新的系统级故障诊断算法——烟花-反向传播神经网络诊断算法(FWA-BPFD)。首先,在烟花算法中引入双种群策略、协作算子以及最优算子,设计新的适应度函数,优化变异算子、映射规则和选择策略。然后,利用烟花算法全局搜索能力和局部搜索能力的自调节机制,优化BP神经网络中的权值和阈值的寻优过程。仿真实验结果表明,该文算法相较于其他算法不仅有效地降低了迭代次数和训练时间,而且还进一步提高了诊断精度。

English

    1. [1]

      PREPARATA F P, METZE G, and CHIEN R T. On the connection assignment problem of diagnosable systems[J]. IEEE Transactions on Electronic Computers, 1967, EC-16(6): 848–854. doi: 10.1109/PGEC.1967.264748

    2. [2]

      BARSI F, GRANDONI F, and MAESTRINI P. A theory of diagnosability of digital systems[J]. IEEE Transactions on Computers, 1976, C-25(6): 585–593. doi: 10.1109/tc.1976.1674658

    3. [3]

      CHWA K Y and HAKIMI S L. Schemes for fault-tolerant computing: a comparison of modularly redundant and t-diagnosable systems[J]. Information and Control, 1981, 49(3): 212–238. doi: 10.1016/S0019-9958(81)90388-0

    4. [4]

      MALEK M. A comparison connection assignment for diagnosis of multiprocessor systems[C]. The 7th Annual Symposium on Computer Architecture. New York, USA, 1980: 31–36. doi: 10.1145/800053.801906.

    5. [5]

      MAENG J and MALEK M. A comparison connection assignment for self-diagnosis of multiprocessor systems[C]. 11th International Symposium on Fault-Tolerant Computing, 1981: 173–175.

    6. [6]

      XIE Min, YE Liangcheng, and LIANG Jiarong. A t/k diagnosis algorithm on hypercube‐like networks[J]. Concurrency and Computation: Practice and Experience, 2018, 30(6): e4358. doi: 10.1002/cpe.4358

    7. [7]

      冯海林, 雷花, 梁伦. 一种基于PMC模型下的概率性矩阵诊断算法[J]. 南京理工大学学报: 自然科学版, 2017, 41(4): 479–485. doi: 10.14177/j.cnki.32-1397n.2017.41.04.013
      FENG Hailin, LEI Hua, and LIANG Lun. Probability matrix diagnosis algorithm based on PMC model[J]. Journal of Nanjing University of Science and Technology, 2017, 41(4): 479–485. doi: 10.14177/j.cnki.32-1397n.2017.41.04.013

    8. [8]

      云龙, 梁家荣, 周宁. 基于互连网络系统故障的新型自适应诊断算法[J]. 计算机应用研究, 2017, 34(9): 2638–2641, 2650. doi: 10.3969/j.issn.1001-3695.2017.09.016
      YUN Long, LIANG Jiarong, and ZHOU Ning. Novel adapted algorithm for interconnection network[J]. Application Research of Computers, 2017, 34(9): 2638–2641, 2650. doi: 10.3969/j.issn.1001-3695.2017.09.016

    9. [9]

      MOURAD E and NAYAK A. Comparison-based system-level fault diagnosis: A neural network approach[J]. IEEE Transactions on Parallel and Distributed Systems, 2012, 23(6): 1047–1059. doi: 10.1109/TPDS.2011.248

    10. [10]

      归伟夏, 刘翠. 一种Malek模型下的系统故障诊断算法[J]. 计算机工程与应用, 2017, 53(13): 78–82, 145. doi: 10.3778/j.issn.1002-8331.1607-0130
      GUI Weixia and LIU Cui. System-level diagnosis algorithm based on Malek model[J]. Computer Engineering and Applications, 2017, 53(13): 78–82, 145. doi: 10.3778/j.issn.1002-8331.1607-0130

    11. [11]

      WANG Yuxi, LI Zhan, XU Minghui, et al. An evolutionary approach based on ant colony system to system-level fault diagnosis[C]. The IEEE 8th International Power Electronics and Motion Control Conference (IPEMC-ECCE Asia), Hefei, China, 2016: 2493–2497. doi: 10.1109/IPEMC.2016.7512690.

    12. [12]

      赵冬. 关于系统级故障诊断的两种高效算法[D]. [硕士论文], 南京财经大学, 2016.
      ZHAO Dong. Two efficient algorithms about system-level fault diagnosis[D]. [Master’s dissertation], Nanjing University of Finance and Economics, 2016.

    13. [13]

      LU Qian, GUI Weixia, and SU Meili. A fireworks algorithm for the system-level fault diagnosis based on MM* model[J]. IEEE Access, 2019, 7: 136975–136985. doi: 10.1109/ACCESS.2019.2942336

    14. [14]

      韩树楠, 张旻, 李歆昊. 基于构造代价函数求解的自同步扰码盲识别方法[J]. 电子与信息学报, 2018, 40(8): 1971–1977. doi: 10.11999/JEIT171026
      HAN Shunan, ZHANG Min, and LI Xinhao. A blind identification method of self-synchronous scramblers based on optimization of established cost function[J]. Journal of Electronics and Information Technology, 2018, 40(8): 1971–1977. doi: 10.11999/JEIT171026

    15. [15]

      梁晓萍, 郭振军, 朱昌洪. 基于头脑风暴优化算法的BP神经网络模糊图像复原[J]. 电子与信息学报, 2019, 41(12): 2980–2986. doi: 10.11999/JEIT190261
      LIANG Xiaoping, GUO Zhenjun, and ZHU Changhong. BP neural network fuzzy image restoration basedon brain storming optimization algorithm[J]. Journal of Electronics and Information Technology, 2019, 41(12): 2980–2986. doi: 10.11999/JEIT190261

    16. [16]

      CUI Jiefen, LI Yinping, WANG Shixin, et al. Directional preparation of anticoagulant-active sulfated polysaccharides from Enteromorpha prolifera using artificial neural networks[J]. Scientific Reports, 2018, 8(1): 3062. doi: 10.1038/s41598-018-21556-x

    17. [17]

      LI Jingmei, TIAN Qiao, ZHANG Guoyin, et al. Task scheduling algorithm based on fireworks algorithm[J]. EURASIP Journal on Wireless Communications and Networking, 2018, 2018(1): 256. doi: 10.1186/s13638-018-1259-2

    18. [18]

      XUE Yu, ZHAO Binping, MA Tinghuai, et al. A self-adaptive fireworks algorithm for classification problems[J]. IEEE Access, 2018, 6: 44406–44416. doi: 10.1109/ACCESS.2018.2858441

    19. [19]

      刘田田. 基于BP神经网络的系统级故障诊断算法研究[D]. [硕士论文], 南京财经大学, 2015.
      LIU Tiantian. System level fault diagnosis algorithm research based on BP neural network[D]. [Master’s dissertation], Nanjing University of Finance and Economics, 2015.

    1. [1]

      董健, 钦文雯, 李莹娟, 李茜茜, 邓联文. 基于改进反向传播神经网络代理模型的快速多目标天线设计. 电子与信息学报,

    2. [2]

      寇广, 王硕, 张达. 基于深度堆栈编码器和反向传播算法的网络安全态势要素识别. 电子与信息学报,

    3. [3]

      韩树楠, 张旻, 李歆昊. 基于构造代价函数求解的自同步扰码盲识别方法. 电子与信息学报,

    4. [4]

      张友纯. 容差子网络级故障诊断. 电子与信息学报,

    5. [5]

      何怡刚, 罗先觉, 邱关源. 模拟电路故障诊断L1估计及其神经网络解法. 电子与信息学报,

    6. [6]

      李盼池, 李国蕊. 混合量子衍生神经网络模型及算法. 电子与信息学报,

    7. [7]

      王兵, 李盼池, 杨冬黎, 于晓红. 云过程神经网络模型及算法研究. 电子与信息学报,

    8. [8]

      陈善学, 张燕琪. 基于自适应波段聚类主成分分析和反向传播神经网络的高光谱图像压缩. 电子与信息学报,

    9. [9]

      吴蒙, 贡璧, 何振亚. 一种利用神经网络的故障模糊诊断系统. 电子与信息学报,

    10. [10]

      邓歆, 孟洛明. 基于贝叶斯网络的通信网告警相关性和故障诊断模型. 电子与信息学报,

    11. [11]

      邹冈, 吴正国. 开关电容网络的广义节点故障诊断及可诊断性. 电子与信息学报,

    12. [12]

      吴援明, 高科, 李乐民. 利用反向传播算法合理分配缓冲区. 电子与信息学报,

    13. [13]

      李映, 白本督, 焦李成. 一种基于模糊神经网络的非线性系统模型辨识方法. 电子与信息学报,

    14. [14]

      周井泉, 张顺颐. 基于双层递归神经网络的路由优化算法. 电子与信息学报,

    15. [15]

      许荔秦, 胡东成. 用于神经网络容错的动态冗余BP算法. 电子与信息学报,

    16. [16]

      褚灵伟, 邹仕洪, 程时端, 田春岐, 王文东, 胡博. 多域服务环境下的分布式故障诊断算法. 电子与信息学报,

    17. [17]

      杨嘉伟, 杨士元, 陆强, 童诗白. 容差电路的故障诊断最小容差估计算法. 电子与信息学报,

    18. [18]

      陶卿, 曹进德, 方廷健. 非线性规划神经网络模型. 电子与信息学报,

    19. [19]

      吴文, 李兴国. 微带线的神经网络模型. 电子与信息学报,

    20. [20]

      王常虹, 高晓智, 徐立新, 庄显义, GaoXiaoming. 一种改进的Elman神经网络模型. 电子与信息学报,

  • 图 1  3层BP神经网络结构图

    图 2  均匀交叉运算示意图

    图 3  烟花算法优化BP神经网络的流程图

    图 4  各关键参数对算法CPU运行时间的影响

    图 5  算法训练性能图

    图 6  不同系统规模中4种算法诊断正确率的比较

    表 1  PMC诊断模型

    测试结点${u_i}$被测试结点${u_j}$测试结果${u_{ij}}$
    000
    011
    100/1
    110/1
    下载: 导出CSV

    表 2  烟花算法的其它参数设置

    参数名称参数说明参数值
    ${A_{\rm{min}}}$烟花的最小爆炸半径2
    ${p_{\rm{c}}}$协作算子交叉概率0.5
    ${X_{\rm{LB}}}$烟花位置下界值0
    ${X_{\rm{UB}}}$烟花位置上界值1
    T最大迭代次数1000
    下载: 导出CSV

    表 3  神经网络训练关键参数设置

    参数名称参数说明参数值
    show设置数据显示刷新频率30
    lr网络的学习率0.01
    goal网络输出误差最小值7e-07
    epochs最大迭代次数10000
    下载: 导出CSV

    表 4  4种算法在不同系统规模中的性能比较

    算法名称$n = 50$$n = 100$
    训练时间(s)迭代次数训练时间(s)迭代次数
    BPFD412685341635937
    CS-BPFD233327178102134
    GA-BPFD310365278903978
    FWA-BPFD212305167551998
    下载: 导出CSV
  • 加载中
图(6)表(4)
计量
  • PDF下载量:  6
  • 文章访问数:  78
  • HTML全文浏览量:  30
文章相关
  • 通讯作者:  陆倩, 563766390@qq.com
  • 收稿日期:  2019-06-28
  • 录用日期:  2020-01-19
  • 网络出版日期:  2020-02-13
通讯作者: 陈斌, bchen63@163.com
  • 1. 

    沈阳化工大学材料科学与工程学院 沈阳 110142

  1. 本站搜索
  2. 百度学术搜索
  3. 万方数据库搜索
  4. CNKI搜索

/

返回文章