由于表1中的4個參數(shù)的物理意義、量級各不相同，必須經(jīng)過歸一化處理后才能用于神經(jīng)網(wǎng)絡的訓練，用Mat-lab的Simulink仿真工具箱提供的函數(shù)對數(shù)據(jù)進行歸一化處理使數(shù)據(jù)位于[-1，1]之間。訓練結束后切斷學習過程使網(wǎng)絡處于回想狀態(tài)，將系統(tǒng)實際輸出與網(wǎng)絡模型的輸出相減就可以獲得殘差。以合型力傳感器為例，采樣時間為O．5 s，利用上面的學習樣本在時間T∈[1 s，1 000 s]內(nèi)對RBF神經(jīng)網(wǎng)絡進行訓練，結果經(jīng)過約50步訓練誤差就達到10_并急劇減少，如圖3所示。

圖4為用后12組數(shù)據(jù)對RBF神經(jīng)網(wǎng)絡進行測試時，Y跟蹤正常合型力傳感器測量值y的情況，其最大誤差不超過1．5 MPa，所以訓練好的RBF神經(jīng)網(wǎng)絡具有一定的泛化能力，可以較好的觀測、跟蹤合型機構現(xiàn)狀?，F(xiàn)針對傳感器經(jīng)常發(fā)生的卡死故障、漂移故障和恒增益故障進行模擬仿真實驗。當合型力傳感器正常工作時，RBFNN觀測器輸出Y與合型力傳感器測量值y之間的殘差δ=|y-y|近似為高斯白噪聲序列，其均值近似為零；當傳感器發(fā)生故障時，由于y不能準確反應合型力數(shù)據(jù)，導致δ突變，不再滿足白噪聲特性。根據(jù)上面所述的傳感器故障診斷原理，設定閥值θ=2．7 MPa，圖5表示合型力傳感器在T∈[400 s，600 s]內(nèi)發(fā)生卡死故障時的輸出殘差曲線；圖6表示傳感器在T∈[600 s，1 000 s]內(nèi)發(fā)生漂移故障；圖7表示傳感器在T∈[800 s，1 000s]內(nèi)發(fā)生恒增益故障時的輸出殘差曲線。通過對各類典型故障的仿真實驗，能夠準確檢測到合型力傳感的各類故障。

4 結 語
在此依據(jù)徑向基(RBF)神經(jīng)網(wǎng)絡原理，以壓鑄機控制系統(tǒng)各傳感器的輸出參數(shù)作為RBF神經(jīng)網(wǎng)絡的輸入，采用模糊K均值聚類算法選取聚類中心，建立傳感器 RBF神經(jīng)網(wǎng)絡觀測器模型對控制系統(tǒng)傳感器進行故障診斷，仿真實驗表明徑向基神經(jīng)網(wǎng)絡具有較強的非線性處理和逼近能力，泛化能力強，網(wǎng)絡運算速度快，能夠準確發(fā)現(xiàn)和處理故障信號，性能穩(wěn)定。因此，RBF神經(jīng)網(wǎng)絡故障診斷是壓鑄機控制系統(tǒng)一個必不可少的新管理工具。