基于模糊神经网络的柴油发动机故障诊断方法的研究

《基于模糊神经网络的柴油发动机故障诊断方法的研究》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、基于模糊神经网络的柴油发动机故障诊断方法的研究：针对传统方法在柴油机故障诊断中的局限性，本文提出了一种把改进的模糊神经X络用于故障诊断的方法，以数据仿真证明了此方法的有效性和可行性。关键字：故障诊断；神经X络；模糊控制0引言人工神经X络(ArtificialNeuralNet0cm0pt;mso-char-indent-count:2.0"class="MsoNormal">柴油发动机故障诊断是通过研究故障与征兆(特征向量)之间的关系来判断设备故障的。柴油发动机的故障形式多种多样，故障产生的机理和原因也非常复杂，加之实

2、际因素复杂的关系，即各类故障所反映的特征参数并不完全相同，这种关系很难用精确的数学模型来表示，给现场诊断带来了极大的困难。应用人工神经X络这种智能技术，可以在不需要数学模型的情况下模拟人的智能行为，是一个非线性计算系统，可以实现故障与征兆之间复杂的非线性映射关系，因此在柴油发动机故障诊断领域中显示了极大的应用潜力。其中使用BP算法(BackPropagation)的神经X络多层感知器是众多神经X络中应用广泛的X络之一。但是BPX络存在着X络学习收敛速度慢，容易陷入局部极小点的问题。为此本文在X络训练过程中采用模糊控制原

3、理训练BPX络，以提高X络的学习速度，增加算法的可靠性。1基于BP算法的神经X络模型多层前馈神经X络模型及其反向传播算法的训练包括过程包括前向计算和误差反向传播，通过调节X络的连接权使得X络误差最小化，简称BP算法。本文采用的是三层神经X络模型，它由输入层、隐层和输出层组成。X络的前馈意义在于每一层节点的输入仅来自前面一层节点的输出。对于输入信号，先前向传播到隐层节点，经过作用函数后，再把隐节点的输出信息传播到输出节点，最后得到输出结果。具体步骤如下所示：1)                输入层节点，其输出等于输入，

4、将控制变量值传到第二层。2)                隐层节点，其输入，输出分别为：3)                输出层节点，其输入，输出O分别为：式中，为输出层节点与隐层节点之间的连接权；为输出层节点的偏值（或阈值）。对于给定的训练样本集为样本数，X络运算结果与训练样本目标输出之间的均方误差可表示为：式中；为样本数；为第个样本的第个输出单元的目标输出结果；为第个样本的第个输出单元的X络运算结果。2 模糊控制改进神经X络模糊控制是一种语言逻辑控制器，它特别适用于那些精确数学模型难以获得或者具有变参数、非线性

5、等特点的工业过程或设备的控制。模糊控制器的模糊推理靠的是模糊矩阵的乘法，它一般采用“max”或“min”或“交”运算进行隶属度的运算。用这种方法综合经验规则时，不可避免要忽略一些因素，特别是控制规则含有不一致甚至错误成分时，影响了控制效果。人工神经X络是一种高度非线性的系统，它不是建立在逻辑推理的基础上，而是建立在自学习和图形处理的基础上。因而即使在逻辑上不能明确表达的问题，它也可以通过学习得到正确的答案。它对输入数据可以自适应，并可以修正它本身的误差和改变对输入数据响应的特性。利用这两种技术的互补性，把两者结合起来，

6、构成模糊神经X络控制系统。传统模糊神经X络控制系统存在着容错性差、学习速度和效率低等不足，而改进模糊神经X络控制能较好克服传统模糊神经X络的弱点。本文将改进模糊神经X络控制方法应用到柴油发动机故障检测中。改进的模糊神经X络模型如图1所示，共有四层组成，第一层为输入层，第二层为隶属度生成层，第三层为推理层，最后一层为反模糊化层。其中推理层结点个数m是根据K2means方法对样本聚类后得到的，并依据实际需要调整此参数。隶属度生成函数采用：其中：下标与各节点一一对应。则模型最终输出的为：图1改进的模糊神经X络假定为实际输出，

7、为期望输出，则误差函数为：。学习过程中的各参量用以下公式来调整：其中：为学习效率，表示求导。3 数据仿真故障检测的设计思想是利用模糊控制和基于神经X络的故障诊断系统对柴油发动机故障进行智能诊断。本系统主要针对柴油发动机的失火、喷油、过热、油膜涡动、摩擦等常见故障进行诊断，在柴油发动机的测量点上布置传感器，通过一定的仪器获取所需信号，将传感器的输出信号经采样和A/D转换为数字信号送入计算机，这些信号要经过预处理才能交付给后面的应用程序使用。预处理的主要任务是去除来自传感器的有用信号中混杂的干扰信号。在智能化仪表中，为了减

8、少和去除干扰、噪声，提高系统的可靠性，常用软件的方法实现。然后对信号进行谱分析，将信号转换到频率域，并应用多分辨率分析和小波包分析技术把信号分解在不同的频带内。在这些频率内，根据感兴趣的信号的频率范围，将信号在一定尺度上进行分解，从而提取相应频带内的信息，对各频带内的信号能量进行统计分析，形成反应信号特征的特征向量。以振动信号频谱