基于PNN的发动机PT燃油系统故障诊断

基于PNN的发动机PT燃油系统故障诊断

ID:36618731

大小:460.75 KB

页数:3页

时间:2019-05-13

基于PNN的发动机PT燃油系统故障诊断_第1页
基于PNN的发动机PT燃油系统故障诊断_第2页
基于PNN的发动机PT燃油系统故障诊断_第3页
资源描述:

《基于PNN的发动机PT燃油系统故障诊断》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、设管理&维修技术EquipmentManagement&MaintenanceTechnologyR●—一M■■■C●一M●■■基-~-PNN的发动机PT燃油系统故障诊断FaultDiagnosisofPTFuelSystemBasedonProbabilisticNeuralNetwork邓士杰,崔翔,王东,DENGShi一_iie,CUIXiang,WANGDong。1.军械工程学院,河北石家庄0500032.解放军国际关系学院,江苏南京2100393.解放军理工大学野战工程学院,江苏南京2100071.OrdnanceEngineeringCollege

2、,Shijiazhuang050003,Hebei,China2.PLAUniversityofInternationalStudy,Nanjing210039,Jiangsu,China3.SchoolofFieldEngineering,PLAUniversityofSicence&Technology,Nanjing210007,Jiangsu,China【摘要】针对传统故障诊断方法的局限性,提出了基于PNN的故障诊断方法,并以发动机的Pr燃油系统为例,进行了故障诊断研究:通过与常用的BP神经网络进行对比试验,验证了基于PNN的故障诊断方法的有效性。【A

3、bstract】Aimedatthelimitationsoftraditionalfaultdiagnosismethods,anewmethodbasedonProbabilisticNeuralNetworkwasputforward.ThePTfuelsystemwastakenasanexampletoconducttheresearchonfaultdiagnosis.ThevalidityofthismethodwasconfirmedbytestsandthecomparisonwithBackPropagationNeuralNetwork【

4、关键词】概率神经网络;燃油系统;故障诊断;模式识别【Keywords】ProbabilisticNeuralNetwork;fuelsystem;faultdiagnosis;patternrecognition中图分类号:U415.5文献标志码:B文章编号:1000-033X(2013)02-0081-030引言1概率神经网络原理Vl"燃油系统是美国康明斯发动机公司的专利.目前1989年,概率神经网络由SpechtD.F博士首次提出。已广泛应用于各种大型工程机械中。作为发动机的核心它是一种基于Bayes分类规则与Parzen窗的概率密度函数组成部件,燃油系统

5、的特性直接影响着发动机的工作估计方法发展而来的并行算法_4_,是一类结构简单、训练过程和性能指标.是改善发动机排放、降低油耗和提高性简洁、应用广泛的人工神经网络_5_。基于PNN的故障诊断,能的关键部件[]。因此,研究燃油系统的故障诊断,对实质是利用PNN模型强大的非线性分类能力,将故障样保证工程机械发动机安全、稳定、可靠地运行具有非常重本空间映射到故障模式空间中。从而形成一个具有较强要的意义。容错能力和结果自适应能力的诊断网络系统_6_。PNN结构由于PT燃油系统故障现象和故障原因之间是明显主要由输入层、模式层、求和层、输出层组成,其基本结构的非线性关系.用

6、人工方法难以从症状中查出故障.而神如图1所示。经网络技术的出现为故障的模式识别提供了有力手段。与常用的BP神经网络相比,PNN的主要优点如下。PNN是由径向基函数网络发展而来的一种前馈型神经网(1)训练速度快。由于PNN需调节的参数少,不需要络,其理论依据是贝叶斯最小风险准则(贝叶斯决策理确定隐层数、隐层中的神经元等网络结构,比较容易使论),PNN作为径向基网络的一种,适合于模式分类。基用,因而大约比BP神经网络快5个数量级.其训练时间仅于此,本文利用PNN实现对PT燃油系统的故障诊断.通过仅略长于读取时间。MATLAB仿真试验,取得了满意的应用效果。(2)只

7、要有足够多的训练数据,不管分类问题多么81设备管理&维修技术EquipmentManagement&MaintenanceTechnology眯姆求5432lBP神经网络与其对比。其预测结果如图7所示。从结果可霎以看出,BP神经网络未能将测试样本的第3个数据进行0500l000l500200025003000转速/(r·min)正确分类,由此可见PNN的预测效果或泛化能力优于BP(a)正常情况神经网络。舌茑10:orL—亡二二=二一.5001000l500200025003000转速/(r·min‘。)(b)PT泵进油油路堵塞圈4不同状态下压力随转速变化的曲线

8、田I∈的故障波形。为了从波形数据里方便

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。