基于粒子群優(yōu)化的模糊神經(jīng)網(wǎng)絡(luò)的柴油機(jī)故障診斷.pdf

1、柴油機(jī)是一種應(yīng)用廣泛的往復(fù)式動(dòng)力機(jī)械，其結(jié)構(gòu)復(fù)雜，零部件多，運(yùn)行工況多變，發(fā)生故障的可能性很大。對柴油機(jī)進(jìn)行故障診斷研究具有很大的經(jīng)濟(jì)價(jià)值和社會應(yīng)用價(jià)值。由于柴油機(jī)的故障特征及各種條件的限制，采用傳統(tǒng)方法對柴油機(jī)進(jìn)行故障診斷難以滿足要求。近年來，隨著計(jì)算機(jī)及人工智能的發(fā)展，借助于神經(jīng)網(wǎng)絡(luò)、模糊邏輯以及專家系統(tǒng)等人工智能技術(shù)的計(jì)算機(jī)診斷方法，是柴油機(jī)故障診斷研究的一個(gè)重要方向。因此本文對基于粒子群優(yōu)化算法和模糊神經(jīng)網(wǎng)絡(luò)的柴油機(jī)故障診斷作了

2、深入的學(xué)習(xí)與研究。
　　首先，研究了柴油機(jī)故障診斷的國內(nèi)外現(xiàn)狀及其研究方法，對柴油機(jī)的基本結(jié)構(gòu)和工作過程進(jìn)行學(xué)習(xí)研究，根據(jù)其振動(dòng)機(jī)理確定了振動(dòng)數(shù)據(jù)采集的測試方案，對采集后的數(shù)據(jù)進(jìn)行預(yù)處理，提取小波包各頻段的能量作為故障診斷的特征值，判斷柴油機(jī)的工作狀態(tài)。
　　其次，學(xué)習(xí)粒子群優(yōu)化算法，針對粒子群優(yōu)化算法易陷入局部最優(yōu)和搜索精度不高的問題，提出一種帶有自適應(yīng)變異的雙種群優(yōu)化算法（Two Subpopulation Swarm

3、PSO，ATPSO），通過采用兩個(gè)使用不同慣性權(quán)重的子群擴(kuò)大搜索范圍，并借鑒遺傳算法的雜交機(jī)制和自適應(yīng)全局極值擾動(dòng)策略，加快算法的收斂速度，提高算法跳出局部最優(yōu)進(jìn)行全局搜索的能力，并使用經(jīng)典函數(shù)對算法的性能進(jìn)行測試。同時(shí)考慮到粒子群優(yōu)化算法與模糊神經(jīng)網(wǎng)絡(luò)的互補(bǔ)性，將改進(jìn)的粒子群優(yōu)化算法應(yīng)用于模糊神經(jīng)網(wǎng)絡(luò)參數(shù)優(yōu)化上，提出給出粒子群優(yōu)化的模糊神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)。
　　最后，將基于粒子群優(yōu)化的模糊神經(jīng)網(wǎng)絡(luò)應(yīng)用于柴油機(jī)故障診斷。將提取的小波包頻