【摘要】：軍用車載電源是現(xiàn)代軍隊(duì)武器裝備野外作戰(zhàn)時(shí)的主要電能來(lái)源,其健康狀態(tài)診斷作為一項(xiàng)確定車載電源運(yùn)行狀態(tài)的技術(shù)方法,可以及時(shí)評(píng)價(jià)設(shè)備的運(yùn)行狀態(tài)并診斷其故障所在,符合車載電源提高其運(yùn)行的安全性、可靠性、經(jīng)濟(jì)性要求。論文正是在這種背景下,圍繞車載電源的健康評(píng)估方法、故障診斷方法等關(guān)鍵技術(shù)問(wèn)題展開(kāi)的研究。鑒于深度學(xué)習(xí)方法在數(shù)據(jù)的特征提取中的突出優(yōu)勢(shì),本文主要基于DBN進(jìn)行了車載電源健康狀態(tài)判斷、故障診斷等方法的研究。論文的研究成果對(duì)提高車載電源設(shè)備管理水平具有重要的應(yīng)用價(jià)值。本文的主要工作包括:1)基于DBN-MD的車載電源健康狀態(tài)評(píng)估方法研究針對(duì)車載電源制造企業(yè)與其軍方用戶對(duì)車載電源進(jìn)行健康狀態(tài)評(píng)估的需求且實(shí)際相關(guān)研究成果較少的問(wèn)題,本文提出了一種基于DBN-MD的車載電源健康狀態(tài)評(píng)估方法。首先采用DBN方法,對(duì)車載電源健康與異常的運(yùn)行數(shù)據(jù)進(jìn)行離線訓(xùn)練,以識(shí)別車載電源的健康狀態(tài);在線運(yùn)行時(shí)根據(jù)DBN健康狀態(tài)識(shí)別模型對(duì)實(shí)時(shí)數(shù)據(jù)中的異常數(shù)據(jù)作出指示,利用馬氏距離對(duì)車載電源的健康程度進(jìn)行評(píng)估,及時(shí)高效的對(duì)車載電源健康狀況作出準(zhǔn)確的評(píng)價(jià),實(shí)驗(yàn)結(jié)果表明,利用DBNMD的方法對(duì)車載電源的健康狀態(tài)進(jìn)行評(píng)估具有良好的效果。2)基于DBN的車載電源故障診斷方法研究針對(duì)車載電源故障機(jī)理復(fù)雜且知識(shí)經(jīng)驗(yàn)不足,傳統(tǒng)淺層神經(jīng)網(wǎng)絡(luò)診斷效果難能滿意的問(wèn)題,本文研究了基于DBN的車載電源故障診斷方法。該方法借助于車載電源仿真系統(tǒng)采集的幾種常見(jiàn)故障數(shù)據(jù),對(duì)DBN進(jìn)行預(yù)訓(xùn)練與反向微調(diào),構(gòu)建了車載電源相應(yīng)故障的深度診斷神經(jīng)網(wǎng)絡(luò),從而實(shí)現(xiàn)了車載電源幾類常見(jiàn)故障的有效智能診斷。該方法的優(yōu)勢(shì)在于能夠?qū)④囕d電源的故障特征提取與故障診斷有機(jī)融合,擺脫了傳統(tǒng)淺層故障診斷方法對(duì)大量信號(hào)處理技術(shù)與診斷經(jīng)驗(yàn)的依賴,仿真實(shí)驗(yàn)也進(jìn)一步昭示出文中方法在車載電源故障診斷中的有效性和適宜性。3)基于PCA-DBN的車載電源故障診斷方法研究針對(duì)基于多個(gè)測(cè)量量組成的數(shù)據(jù)集進(jìn)行網(wǎng)絡(luò)訓(xùn)練和故障診斷時(shí),由于變量多且之間并非互相獨(dú)立,使建模與診斷的精度及時(shí)間都會(huì)受到影響的問(wèn)題,本文提出了一種基于PCA-DBN的車載電源故障診斷方法,該方法在建立車載電源深度網(wǎng)絡(luò)故障診斷模型時(shí),先采用PCA對(duì)數(shù)據(jù)集進(jìn)行降維,以消除冗余提取更有效的信息;接著以此對(duì)DBN進(jìn)行預(yù)訓(xùn)練與微調(diào),并進(jìn)而用于車載電源的故障診斷。仿真結(jié)果表明,文中方法較單一DBN及PCA與淺層網(wǎng)絡(luò)結(jié)合的方法,有更好的故障診斷精度與時(shí)效性。
【學(xué)位授予單位】：蘭州理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：E923
【圖文】：

階段1離線訓(xùn)練階段階段2在線評(píng)估階段運(yùn)行異常指示計(jì)算馬氏距離健康狀態(tài)評(píng)估NO圖 2.3 車載電源健康狀態(tài)評(píng)估路線載電源仿真平臺(tái)與數(shù)據(jù)獲取載電源及其仿真平臺(tái)載電源是一種電力設(shè)備，車輛電源系統(tǒng)構(gòu)成了一個(gè)獨(dú)立完整的電力要結(jié)構(gòu)分析可知，其主要結(jié)構(gòu)包括柴油發(fā)電機(jī)組、降噪廂體、汽車底2.5 給出了車載電源及其結(jié)構(gòu)示意圖。

圖 3.3 訓(xùn)練誤差曲線3.3.3 故障診斷結(jié)果與分析圖 3.4 給出了 500 組隨機(jī)測(cè)試數(shù)據(jù)中 5 類車載電源的故障狀況的診斷結(jié)果，可以看出實(shí)驗(yàn)故障均能有效的診斷出來(lái)。由于測(cè)試樣本個(gè)數(shù)為 500，在測(cè)試樣本較多的情況下，故障診斷結(jié)果圖示過(guò)于密集，不易觀察，為使診斷結(jié)果顯示更為清楚，本章在 500 測(cè)試樣本中隨機(jī)選取了 100 個(gè)樣本的故障診斷結(jié)果。圖 3.4 車載電源故障診斷結(jié)果對(duì)車載電源進(jìn)行 20 次的故障診斷實(shí)驗(yàn)準(zhǔn)確率如圖 7 所示。為體現(xiàn)在車載電源故障診斷中采用 DBN 的優(yōu)勢(shì)，在圖 3.5 一并給出了使用淺層 BP 網(wǎng)絡(luò)診斷相同故障數(shù)據(jù)集的結(jié)果。為進(jìn)一步定量對(duì)比以上兩種方法的故障診斷精度，計(jì)算 20 次故障診斷實(shí)驗(yàn)的平均故障診斷準(zhǔn)確率及相應(yīng)的標(biāo)準(zhǔn)差如表 3.2 所示，表 3.2 給出了各類故障的預(yù)測(cè)準(zhǔn)確率。0 10 20 30 40 5000.10.20.30.40.50.60.7迭代次數(shù)/次練誤差訓(xùn)

基于深度學(xué)習(xí)理論的車載電源健康診斷方法研究3) 結(jié)果分析由圖 4.2、4.3、4.4、4.5 所示可以直觀看出，使用深度置信網(wǎng)絡(luò)后的診斷統(tǒng)淺層神經(jīng)網(wǎng)絡(luò) BPNN 和 PNN 方法的診斷結(jié)果更加精確。為進(jìn)一步評(píng)價(jià) PCA-BP、PCA-PNN、DBN 和 PCA-DBN 等方法的診斷效每種方法仍進(jìn)行了 20 次故障診斷實(shí)驗(yàn)，以減少隨機(jī)因素對(duì)于實(shí)驗(yàn)的影響法對(duì)車載電源的 20 次實(shí)驗(yàn)的故障診斷準(zhǔn)確率，如圖 4.6 所示，本章一并4 種方法在實(shí)驗(yàn)中平均故障診斷準(zhǔn)確率、標(biāo)準(zhǔn)差和相應(yīng)方法的診斷時(shí)間，4.4。100

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 崔江;唐軍祥;龔春英;張卓然;;一種基于改進(jìn)堆棧自動(dòng)編碼器的航空發(fā)電機(jī)旋轉(zhuǎn)整流器故障特征提取方法[J];中國(guó)電機(jī)工程學(xué)報(bào);2017年19期

2 宋登巍;呂琛;齊樂(lè);王景霖;吳英建;;基于健康基線和馬氏距離的液壓系統(tǒng)變工況健康評(píng)估[J];系統(tǒng)仿真技術(shù);2017年03期

3 王麗華;謝陽(yáng)陽(yáng);張永宏;趙曉平;周子賢;;采用深度學(xué)習(xí)的異步電機(jī)故障診斷方法[J];西安交通大學(xué)學(xué)報(bào);2017年10期

4 任浩;屈劍鋒;柴毅;唐秋;葉欣;;深度學(xué)習(xí)在故障診斷領(lǐng)域中的研究現(xiàn)狀與挑戰(zhàn)[J];控制與決策;2017年08期

5 時(shí)培明;梁凱;趙娜;安淑君;;基于深度學(xué)習(xí)特征提取和粒子群支持向量機(jī)狀態(tài)識(shí)別的齒輪智能故障診斷[J];中國(guó)機(jī)械工程;2017年09期

6 劉林凡;;深度學(xué)習(xí)在故障診斷中的研究綜述[J];新型工業(yè)化;2017年04期

7 趙孝禮;趙榮珍;;全局與局部判別信息融合的轉(zhuǎn)子故障數(shù)據(jù)集降維方法研究[J];自動(dòng)化學(xué)報(bào);2017年04期

8 趙光權(quán);葛強(qiáng)強(qiáng);劉小勇;彭喜元;;基于DBN的故障特征提取及診斷方法研究[J];儀器儀表學(xué)報(bào);2016年09期

9 林彬;宋東;和麟;;基于馬氏距離與組距估計(jì)的復(fù)雜系統(tǒng)健康評(píng)估[J];儀器儀表學(xué)報(bào);2016年09期

10 文成林;呂菲亞;包哲靜;劉妹琴;;基于數(shù)據(jù)驅(qū)動(dòng)的微小故障診斷方法綜述[J];自動(dòng)化學(xué)報(bào);2016年09期

相關(guān)博士學(xué)位論文 前2條

1 周津慧;重大設(shè)備狀態(tài)檢測(cè)與壽命預(yù)測(cè)方法研究[D];西安電子科技大學(xué);2006年

2 袁志堅(jiān);電力變壓器狀態(tài)維修決策方法的研究[D];重慶大學(xué);2004年

相關(guān)碩士學(xué)位論文 前10條

1 吉哲;基于聲信號(hào)的柴油機(jī)故障診斷研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2017年

2 盧嬌;車輛電源帶載性能安全性評(píng)測(cè)及其故障診斷的仿真研究[D];蘭州理工大學(xué);2017年

3 沈紹輝;基于人工蜂群算法優(yōu)化支持向量機(jī)的柴油機(jī)故障診斷研究[D];中北大學(xué);2016年

4 王峰;基于文本挖掘的高鐵車載設(shè)備故障診斷方法研究[D];北京交通大學(xué);2016年

5 單外平;基于深度信念網(wǎng)絡(luò)的變速器故障分類識(shí)別研究[D];華南理工大學(xué);2015年

6 張凡;基于核密度估計(jì)和K-L散度的旋轉(zhuǎn)機(jī)械故障診斷與健康評(píng)估方法研究[D];電子科技大學(xué);2015年

7 郭鋼祥;基于局域均值分解和神經(jīng)網(wǎng)絡(luò)的柴油機(jī)故障診斷研究[D];中北大學(xué);2013年

8 吳茂興;飛行器控制系統(tǒng)健康仿真與評(píng)估技術(shù)研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2012年

9 由麗媛;基于信息融合的柴油機(jī)故障診斷技術(shù)研究[D];大連海事大學(xué);2012年

10 董杏;智能診斷方法及其在變壓器故障中的應(yīng)用研究[D];華北電力大學(xué);2011年

本文編號(hào)：2765126