基于神經網絡的柴油機故障診斷技術的研究.pdf

1、分類號UDC密級單位代碼公10151基于神經網絡的柴油機故障診斷技術的研究馬寶深指導教師王興成職稱教授學位授予單位大連海事大學申請學位級別碩士學科與專業(yè)控制理論與控制工程論文完成日期2008年5月論文答辯日期2008年6月答辯委員會主席二金入中文摘要摘任石3七本文在分析國內外智能診斷技術的研究現(xiàn)狀及柴油機故障診斷的諸多方法的基礎上，給出了一種基于神經網絡的柴油機故障智能診斷方法，并且著重對柴油機的燃油系統(tǒng)和渦輪增壓系統(tǒng)的故障診斷進行了分

2、析研究。論文首先對故障診斷技術的研究現(xiàn)狀及課題的研究內容進行了簡要的論述，介紹了在柴油機故障診斷過程中采用的幾種常見方法，指出了故障診斷存在的問題及將來的發(fā)展方向，并對神經網絡原理進行了闡述。論文收集了大量的柴油機試驗運行資料，獲得了柴油機燃油系統(tǒng)和渦輪增壓系統(tǒng)的模擬故障數(shù)據(jù)把這些數(shù)據(jù)作為神經網絡的輸入樣本，構建及訓練神經網絡，并對柴油機模擬故障進行診斷，得出故障診斷結果。神經網絡是一種大規(guī)模并行的非線性系統(tǒng)，具有很強的聯(lián)想學習能力、自

3、組織、自適應和高度的非線性運算能力，因此在識別那些復雜變量的因果關系上擁有較強的判斷能力。本文采用徑向基函數(shù)(RBF)神經網絡對故障進行診斷分析。系統(tǒng)研究了RBF神經網絡，詳細地探討了三層RBF網絡的結構、網絡參數(shù)的設置、訓練模式的選擇運用K一means聚類算法，將特征參數(shù)作為神經網絡的輸入向量，其診斷結論作為輸出向量，對故障特征參數(shù)進行訓練和識別診斷。仿真試驗表明，基于神經網絡的故障診斷結果與實測值具有良好的一致性，只要選擇足夠典型的