基于PSO和DE優(yōu)化神經(jīng)網(wǎng)絡的柴油機故障診斷研究.pdf

1、柴油機是一種結構復雜且應用廣泛的往復式動力機械，其故障信息具有多樣性、復雜性、難以診斷等特點。對柴油機進行故障診斷研究具有很大的經(jīng)濟價值和社會應用價值，由于柴油機的故障特征及各種條件的限制，如噪聲復雜、測試系統(tǒng)難以組建、運行環(huán)境不良、噪聲難以消除等限制，導致對柴油機故障診斷效率低下，因此本文對基于PSO和DE優(yōu)化神經(jīng)網(wǎng)絡的柴油機故障診斷作了深入的學習與研究。
　　首先研究了柴油機故障診斷的國內外現(xiàn)狀及各種方法，對柴油機故障診斷存在

2、的問題與困難作了深入的分析，并且分析了采用PSO和DE優(yōu)化神經(jīng)網(wǎng)絡基本理論應用于柴油機故障診斷的可行性。
　　其次對柴油機的基本結構、工作過程進行基本學習，從而確定了振動數(shù)據(jù)采集的測試方案，然后對采集回來的數(shù)據(jù)進行處理和識別，處理主要分為兩個階段，第一階段，數(shù)據(jù)預處理階段，其中包括采樣、均值化、消噪、小波提取特征值，第二階段，故障識別階段，在經(jīng)過粒子群算法、差分進化算法、神經(jīng)網(wǎng)絡理論學習后，建立了基于 PSO和DE算法相結合優(yōu)化B

3、P神經(jīng)網(wǎng)絡的思想，然后對第一階段提取出來的特征值進行訓練并分類，從而達到故障識別的目的。
　　最后選取測試集對訓練好的神經(jīng)網(wǎng)絡進行性能測試，測試結果滿足柴油機故障診斷的要求。最后將基于PSO和DE算法相結合優(yōu)化BP神經(jīng)網(wǎng)絡的分類結果與單純的PSO優(yōu)化神經(jīng)網(wǎng)絡分類結果進行比較，比較結果表明前者具有其優(yōu)越性。最終結果表明在結構復雜、噪聲較高、模式分類困難的柴油機故障診斷應用上，基于PSO和DE算法相結合優(yōu)化BP神經(jīng)網(wǎng)絡具有良好的診斷效