基于信息融合的柴油机故障诊断研究

《基于信息融合的柴油机故障诊断研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、学校代码：10289分类号：TK428密级：公开学号：132030010江苏科技大学硕士学位论文基于信息融合的柴油机故障诊断研究研究生姓名陈晗导师姓名王建华A申请学位类别工学硕士学位授予单位江苏科技大学学科专业信号与信息处理论文提交日期2015年12月29日研究方向智能信息处理与系统论文答辩日期2016年06月08日答辩委员会主席张尤赛评阅人2016年06月08日分类号：TK428密级：公开学号：132030010工学硕士学位论文基于信息融合的柴油机故障诊断研究学生姓名陈晗指导教师王建华A教授江苏科技

2、大学二0一六年六月AThesisSubmittedinFulfillmentoftheRequirementsfortheDegreeofMasterofEngineeringTheStudyofDieselEngineFaultDiagnosisBasedonInformationFusionSubmittedbyChenHanSupervisedbyWangJian-HuaJiangsuUniversityofScienceandTechnologyJune,2016江苏科技大学学位论文原创性声明

3、本人郑重声明：所呈交的学位论文，是本人在导师的指导下，独立进行研究工作所取得的成果。除文中已经注明引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写过的作品成果。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法律结果由本人承担。学位论文作者签名：年月日摘要柴油机作为动力设备，在当前的众多领域中发挥着举足轻重的作用，产生了巨大的社会与经济效益。为了减少甚至避免因其发生故障而造成的损失，研究合适的故障诊断方法，成为人们关注的焦点。为了提高故障诊断的精度，本文

4、开展了基于信息融合的柴油机故障诊断的研究。通过引入一种新兴的群体智能优化算法，结合信息融合技术中主流的神经网络方法，提出了一种新的故障诊断方法，即引力搜索BP神经网络方法，并将其应用到某PA6柴油机磨损故障的振动诊断。选用最能反映故障征兆的振动信号，将其特征参数作为信息融合的样本数据，编写程序进行仿真测试，验证了该方法应用到柴油机故障诊断的可行性与有效性，并开发了相应的软件。本文首先系统研究了信息融合技术。对信息融合的三个层次模型即数据层、特征层、决策层的优缺点进行了分析，并比较了它们的优缺点。同时对

5、应用于故障诊断的信息融合方法进行了研究，验证了信息融合技术应用于故障诊断的可行性，为本文选择特征层融合及神经网络方法提供了理论依据。其次，对柴油机的故障机理进行了充分研究。通过分析柴油机的常见故障模式与主要故障特征，把最能体现故障特征的缸盖振动信号作为研究对象，研究振动信号的相关特性，为后续研究作铺垫。最后，针对BP神经网络在故障诊断应用中的不足，将引力搜索算法用于BP神经网络初始权值及阈值优化，提出了一种基于引力搜索算法和BP神经网络相结合的智能故障诊断方法，并将其运用于柴油机磨损故障的振动诊断。结

6、果表明该方法在处理非线性问题上能力显著，对柴油机的磨合、磨损、极限等故障诊断准确，辨识度很高。与单纯的BP神经网络相比，引力搜索BP神经网络方法的诊断误差相对减少，精度显著提高，验证了方法的有效性。同时，开发了柴油机故障诊断的软件，使得诊断结果得以直观地呈现。关键字信息融合；柴油机；故障诊断；BP神经网络；引力搜索算法IAbstractAsapowerequipment,dieselengineplaysanimportantroleinthecurrentmanyareas,whichhasahug

7、esocialandeconomicbenefits.Inordertoreduceorevenavoidlossescausedbythefailure,theappropriatefaultdiagnosismethods,becomethefocusofattention.Inordertoimprovetheaccuracyoffaultdiagnosis,thispaperputsforwardthestudyofdieselenginefaultdiagnosisbasedoninform

8、ationfusion.Byintroducinganewkindofswarmintelligenceoptimizationalgorithm,combinedtheneuralnetworkmethod,whichisthemainstreamofinformationfusiontechnology,thisarticleproposesanewmethodoffaultdiagnosis,namelygravitationalsearch-BP