伴隨著我國列車的高速發(fā)展,渦輪增壓器作為列車發(fā)動機的關鍵部件之一,在機車的動力性、經(jīng)濟性和可靠性等方面發(fā)揮著重要的作用,因此對增壓器的故障進行預測是非常必要的。本文重點研究了機車渦輪增壓器故障預測的方法,建立了故障預測模型,設計開發(fā)了一套機車渦輪增壓器故障預測系統(tǒng)。首先,根據(jù)文獻資料和增壓器的故障數(shù)據(jù),總結渦輪增壓器的常見故障,分析每類故障發(fā)生的主要原因并給出解決方案,為后續(xù)的預測系統(tǒng)提供技術支持。其次,提出了GA-SGNN的機車渦輪增壓器故障預測方法。首先找出表征增壓器工作性能的狀態(tài)參數(shù),計算多變量之間的關聯(lián)度,然后建立了多變量灰色預測模型（MGM（1,n））對變量進行預測,用殘差和相對誤差檢驗了模型的精度,得出相對誤差均小于5%,結果表明MGM（1,6）模型的精度符合要求。在MGM（1,6）模型基礎上有機結合BP神經(jīng)網(wǎng)絡,建立串聯(lián)灰色神經(jīng)網(wǎng)絡預測模型（SGNN模型）,結果表明SGNN模型預測精度比MGM（1,6）模型預測精度高。在建立的SGNN模型的基礎上,引入遺傳算法來改善灰色神經(jīng)網(wǎng)絡模型的局部最優(yōu)和收斂性問題,建立了基于遺傳算法的灰色神經(jīng)網(wǎng)絡模型（GA-SGNN）并對模型的精度... 

【文章來源】：大連理工大學遼寧省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：67 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究背景及意義
    1.2 故障預測技術的發(fā)展現(xiàn)狀
        1.2.1 國外故障預測的發(fā)展現(xiàn)狀
        1.2.2 國內(nèi)故障預測的發(fā)展現(xiàn)狀
    1.3 本文的研究內(nèi)容與結構安排
        1.3.1 研究的主要問題及技術路線
        1.3.2 整文結構安排
    1.4 本章小結
2 機車增壓器的故障
    2.1 機車增壓器常見的故障
        2.1.1 噪聲和震動異常
        2.1.2 喘振
        2.1.3 漏油
        2.1.4 溫度過高
        2.1.5 增壓壓力過大
        2.1.6 增壓壓力不足
    2.2 解決方案
    2.3 本章小結
3 機車增壓器故障預測方法研究
    3.1 多變量灰色預測模型
        3.1.1 灰色關聯(lián)度矩陣
        3.1.2 MGM(1,n)模型
        3.1.3 MGM(1,n)模型應用
    3.2 灰色神經(jīng)網(wǎng)絡模型
        3.2.1 人工神經(jīng)網(wǎng)絡
        3.2.2 BP神經(jīng)網(wǎng)絡簡介
        3.2.3 灰色神經(jīng)網(wǎng)絡模型簡介
        3.2.4 灰色神經(jīng)網(wǎng)絡模型應用
    3.3 基于遺傳算法的灰色神經(jīng)網(wǎng)絡模型
        3.3.1 遺傳算法簡介
        3.3.2 遺傳算法基本原理
        3.3.3 遺傳-灰色神經(jīng)網(wǎng)絡模型應用
    3.4 本章小結
4 機車增壓器故障診斷方法研究
    4.1 RBF神經(jīng)網(wǎng)絡模型
        4.1.1 RBF神經(jīng)網(wǎng)絡拓撲結構
        4.1.2 RBF神經(jīng)網(wǎng)絡的學習算法
    4.2 RBF神經(jīng)網(wǎng)絡模型應用實例
    4.3 本章小結
5 機車增壓器故障預測系統(tǒng)的設計和開發(fā)
    5.1 MATLAB GUI設計
    5.2 軟件運行界面
    5.3 本章小結
6 總結與展望
    6.1 總結
    6.2 展望
參考文獻
致謝


【參考文獻】：
期刊論文
[1]淺析廢氣渦輪增壓器的使用與故障排除[J]. 鐘小麗.  企業(yè)技術開發(fā). 2014(17)
[2]機械故障預測模型綜述[J]. 薛子云,楊江天,朱衡君.  機械強度. 2006(S1)
[3]我國車用增壓器產(chǎn)品現(xiàn)狀及發(fā)展趨勢[J]. 張晉東.  柴油機. 2005(04)
[4]基于預測濾波器的故障診斷方法研究[J]. 李驥,張洪鉞.  中國科學E輯:信息科學. 2004(12)
[5]基于神經(jīng)網(wǎng)絡的軍用飛機故障預報系統(tǒng)研究[J]. 趙海東,繆旭東,呂世聘.  系統(tǒng)工程與電子技術. 2003(07)
[6]大型旋轉機械計算機在線狀態(tài)監(jiān)測和故障診斷技術[J]. 史定國,董振興.  化工設備與管道. 2000(04)
[7]用于故障預測的BP網(wǎng)絡模型及改進[J]. 李勇,孫艷萍,孫海波,宋景東.  東北電力學院學報. 1999(01)
[8]基于灰色模型的故障預報技術及其在空間推進系統(tǒng)上的應用[J]. 程惠濤,黃文虎,姜興渭.  推進技術. 1998(03)
[9]MGM（1,n）灰色模型及應用[J]. 翟軍,盛建明,馮英浚.  系統(tǒng)工程理論與實踐. 1997(05)

博士論文
[1]基于人工智能和虛擬儀器技術的發(fā)動機故障診斷專家系統(tǒng)研究[D]. 李增芳.浙江大學 2004

碩士論文
[1]基于大數(shù)據(jù)的公交車輛狀態(tài)細分與故障預測研究[D]. 尚小稅.北京交通大學 2018
[2]基于油中溶解氣體的變壓器故障預測研究[D]. 尹豪杰.西南交通大學 2018
[3]接觸網(wǎng)的故障預測與健康管理研究[D]. 尚博文.大連交通大學 2017
[4]船機渦輪增壓器故障診斷方法及系統(tǒng)研究[D]. 姚榮榮.重慶大學 2016
[5]基于灰色遺傳算法優(yōu)化神經(jīng)網(wǎng)絡的江西省GDP預測[D]. 牛晉徽.景德鎮(zhèn)陶瓷大學 2016
[6]渦輪增壓器性能檢測與故障預測系統(tǒng)的研制[D]. 何劉海.大連理工大學 2013
[7]FFNN在柴油機燃油系統(tǒng)故障診斷中的應用[D]. 黃勇.大連理工大學 2008



本文編號：3427007