基于神經(jīng)網(wǎng)絡的船舶柴油機故障診斷技術.pdf

1、近幾年,機械設備故障診斷技術已經(jīng)成為國內(nèi)外學者研究的熱門課題之一。船舶柴油機作為復雜機械系統(tǒng)的典型代表,其故障呈現(xiàn)多樣性和復雜性的特點,同時柴油機是整個船舶的動力裝置,在船舶中占絕對重要的位置,其工作狀況直接關系到船舶的安全航行,且運行環(huán)境惡劣,一旦發(fā)生故障,如不準確實時地解決則會導致嚴重后果,輕則設備損壞,重則環(huán)境污染甚至人員傷亡。因此,對船舶柴油機故障診斷技術的研究尤為重要。
　　人工神經(jīng)網(wǎng)絡的出現(xiàn)給故障診斷技術帶來了新的發(fā)展

2、前景,具有良好的自適應、自組織、高度并行處理、記憶聯(lián)想和非線性映射等能力,被廣泛應用于故障診斷領域。國內(nèi)對這方面的研究起步較晚,在眾多神經(jīng)網(wǎng)絡模型中,目前國內(nèi)診斷系統(tǒng)中應用最多的是BP網(wǎng)絡。然而BP神經(jīng)網(wǎng)絡存在收斂速度慢、精度低、易陷入局部最小值等問題,尤其是在復雜系統(tǒng)中,具有大量特征信息的情況下,通常無法滿足收斂速度快和診斷精度高的要求,使其在故障診斷領域中的應用受到了制約。徑向基函數(shù)神經(jīng)網(wǎng)絡在逼近能力、分類能力和學習速度等方面均優(yōu)于

3、BP網(wǎng)絡,在模式識別、函數(shù)逼近、信號處理和故障診斷等領域被廣泛應用,但網(wǎng)絡的泛化能力還有待改進,中心向量和寬度參數(shù)的選取對網(wǎng)絡性能有較大的影響。
　　本文在深入分析遺傳算法和RBF神經(jīng)網(wǎng)絡等理論的基礎上,采用自適應遺傳算法作為RBF網(wǎng)絡的學習算法,使其具有很強的網(wǎng)絡泛化能力和非線性系統(tǒng)辨識能力。最后,利用LabVIEW和MATLAB混合編程技術,將LabVIEW良好的界面設計與MATLAB強大的數(shù)學運算相結合,實現(xiàn)了兩種軟件的互補

4、,開發(fā)了一套船舶柴油機故障診斷系統(tǒng),實際應用表明,該系統(tǒng)具有良好的故障診斷效果和實用價值。
　　本文主要研究內(nèi)容為:
　　1)通過對BP神經(jīng)網(wǎng)絡和RBF神經(jīng)網(wǎng)絡兩種網(wǎng)絡的模型和學習算法的研究,詳細描述了兩種網(wǎng)絡的設計過程,即網(wǎng)絡結構、參數(shù)選取以及訓練方式等。由于BP算法的搜索算法采用的是梯度下降法,則存在不可避免的網(wǎng)絡收斂速度慢和極易陷入局部極小值等問題,RBF神經(jīng)網(wǎng)絡是一種局部逼近網(wǎng)絡,其收斂速度和網(wǎng)絡的泛化能力都要比BP

5、網(wǎng)絡好。
　　2)針對BP網(wǎng)絡學習速度慢,容易陷入局部極小值的問題,本文也采用了遺傳算法對其進行優(yōu)化,雖然網(wǎng)絡的性能有所改善,其收斂速度也變快了,但是收斂曲線還是不如RBF網(wǎng)絡的收斂曲線光滑,并且還是存在網(wǎng)絡不穩(wěn)定的問題,對于同一故障的每一次診斷結果都不同。然而RBF網(wǎng)絡不斷收斂速度快,且收斂曲線光滑,穩(wěn)定性能好,不會因為多次診斷而產(chǎn)生不同的診斷結果。
　　3)雖然RBF網(wǎng)絡在復雜系統(tǒng)的故障診斷模式識別等應用中優(yōu)于BP網(wǎng)絡,

6、但也存在不足之處。對于RBF神經(jīng)網(wǎng)絡設計的核心問題就是隱節(jié)點個數(shù)以及中心向量和寬度參數(shù)的確定,目前對于RBF網(wǎng)絡的中心向量和寬度參數(shù)的確定還沒有確切的理論依據(jù)。在前人的研究基礎上,利用遺傳算法來尋找RBF網(wǎng)絡最優(yōu)的中心向量和寬度參數(shù),然而簡單的遺傳算法局部搜索能力較弱,容易出現(xiàn)種群早熟,對遺傳算法進行了相應地改進,引入自適應遺傳算法,即自適應地調(diào)整變換概率和變異概率,來提高全局尋優(yōu)效率。經(jīng)過自適應遺傳優(yōu)化過后的RBF網(wǎng)絡的診斷性能更好,