基于神經(jīng)網(wǎng)絡(luò)的船舶柴油機(jī)故障診斷技術(shù).pdf

1、近幾年,機(jī)械設(shè)備故障診斷技術(shù)已經(jīng)成為國(guó)內(nèi)外學(xué)者研究的熱門(mén)課題之一。船舶柴油機(jī)作為復(fù)雜機(jī)械系統(tǒng)的典型代表,其故障呈現(xiàn)多樣性和復(fù)雜性的特點(diǎn),同時(shí)柴油機(jī)是整個(gè)船舶的動(dòng)力裝置,在船舶中占絕對(duì)重要的位置,其工作狀況直接關(guān)系到船舶的安全航行,且運(yùn)行環(huán)境惡劣,一旦發(fā)生故障,如不準(zhǔn)確實(shí)時(shí)地解決則會(huì)導(dǎo)致嚴(yán)重后果,輕則設(shè)備損壞,重則環(huán)境污染甚至人員傷亡。因此,對(duì)船舶柴油機(jī)故障診斷技術(shù)的研究尤為重要。
　　人工神經(jīng)網(wǎng)絡(luò)的出現(xiàn)給故障診斷技術(shù)帶來(lái)了新的發(fā)展

2、前景,具有良好的自適應(yīng)、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(yīng)用于故障診斷領(lǐng)域。國(guó)內(nèi)對(duì)這方面的研究起步較晚,在眾多神經(jīng)網(wǎng)絡(luò)模型中,目前國(guó)內(nèi)診斷系統(tǒng)中應(yīng)用最多的是BP網(wǎng)絡(luò)。然而B(niǎo)P神經(jīng)網(wǎng)絡(luò)存在收斂速度慢、精度低、易陷入局部最小值等問(wèn)題,尤其是在復(fù)雜系統(tǒng)中,具有大量特征信息的情況下,通常無(wú)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(lǐng)域中的應(yīng)用受到了制約。徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)在逼近能力、分類能力和學(xué)習(xí)速度等方面均優(yōu)于

3、BP網(wǎng)絡(luò),在模式識(shí)別、函數(shù)逼近、信號(hào)處理和故障診斷等領(lǐng)域被廣泛應(yīng)用,但網(wǎng)絡(luò)的泛化能力還有待改進(jìn),中心向量和寬度參數(shù)的選取對(duì)網(wǎng)絡(luò)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(luò)等理論的基礎(chǔ)上,采用自適應(yīng)遺傳算法作為RBF網(wǎng)絡(luò)的學(xué)習(xí)算法,使其具有很強(qiáng)的網(wǎng)絡(luò)泛化能力和非線性系統(tǒng)辨識(shí)能力。最后,利用LabVIEW和MATLAB混合編程技術(shù),將LabVIEW良好的界面設(shè)計(jì)與MATLAB強(qiáng)大的數(shù)學(xué)運(yùn)算相結(jié)合,實(shí)現(xiàn)了兩種軟件的互補(bǔ)

4、,開(kāi)發(fā)了一套船舶柴油機(jī)故障診斷系統(tǒng),實(shí)際應(yīng)用表明,該系統(tǒng)具有良好的故障診斷效果和實(shí)用價(jià)值。
　　本文主要研究?jī)?nèi)容為:
　　1)通過(guò)對(duì)BP神經(jīng)網(wǎng)絡(luò)和RBF神經(jīng)網(wǎng)絡(luò)兩種網(wǎng)絡(luò)的模型和學(xué)習(xí)算法的研究,詳細(xì)描述了兩種網(wǎng)絡(luò)的設(shè)計(jì)過(guò)程,即網(wǎng)絡(luò)結(jié)構(gòu)、參數(shù)選取以及訓(xùn)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(luò)收斂速度慢和極易陷入局部極小值等問(wèn)題,RBF神經(jīng)網(wǎng)絡(luò)是一種局部逼近網(wǎng)絡(luò),其收斂速度和網(wǎng)絡(luò)的泛化能力都要比BP

5、網(wǎng)絡(luò)好。
　　2)針對(duì)BP網(wǎng)絡(luò)學(xué)習(xí)速度慢,容易陷入局部極小值的問(wèn)題,本文也采用了遺傳算法對(duì)其進(jìn)行優(yōu)化,雖然網(wǎng)絡(luò)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(luò)的收斂曲線光滑,并且還是存在網(wǎng)絡(luò)不穩(wěn)定的問(wèn)題,對(duì)于同一故障的每一次診斷結(jié)果都不同。然而RBF網(wǎng)絡(luò)不斷收斂速度快,且收斂曲線光滑,穩(wěn)定性能好,不會(huì)因?yàn)槎啻卧\斷而產(chǎn)生不同的診斷結(jié)果。
　　3)雖然RBF網(wǎng)絡(luò)在復(fù)雜系統(tǒng)的故障診斷模式識(shí)別等應(yīng)用中優(yōu)于BP網(wǎng)絡(luò),

6、但也存在不足之處。對(duì)于RBF神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)的核心問(wèn)題就是隱節(jié)點(diǎn)個(gè)數(shù)以及中心向量和寬度參數(shù)的確定,目前對(duì)于RBF網(wǎng)絡(luò)的中心向量和寬度參數(shù)的確定還沒(méi)有確切的理論依據(jù)。在前人的研究基礎(chǔ)上,利用遺傳算法來(lái)尋找RBF網(wǎng)絡(luò)最優(yōu)的中心向量和寬度參數(shù),然而簡(jiǎn)單的遺傳算法局部搜索能力較弱,容易出現(xiàn)種群早熟,對(duì)遺傳算法進(jìn)行了相應(yīng)地改進(jìn),引入自適應(yīng)遺傳算法,即自適應(yīng)地調(diào)整變換概率和變異概率,來(lái)提高全局尋優(yōu)效率。經(jīng)過(guò)自適應(yīng)遺傳優(yōu)化過(guò)后的RBF網(wǎng)絡(luò)的診斷性能更好,