發(fā)布時間：2017-12-01 16:31

  本文關鍵詞：基于信息融合的柴油機故障診斷研究

  更多相關文章： 信息融合 柴油機 故障診斷 BP神經網絡 引力搜索算法

【摘要】：柴油機作為動力設備,在當前的眾多領域中發(fā)揮著舉足輕重的作用,產生了巨大的社會與經濟效益。為了減少甚至避免因其發(fā)生故障而造成的損失,研究合適的故障診斷方法,成為人們關注的焦點。為了提高故障診斷的精度,本文開展了基于信息融合的柴油機故障診斷的研究。通過引入一種新興的群體智能優(yōu)化算法,結合信息融合技術中主流的神經網絡方法,提出了一種新的故障診斷方法,即引力搜索BP神經網絡方法,并將其應用到某PA6柴油機磨損故障的振動診斷。選用最能反映故障征兆的振動信號,將其特征參數作為信息融合的樣本數據,編寫程序進行仿真測試,驗證了該方法應用到柴油機故障診斷的可行性與有效性,并開發(fā)了相應的軟件。本文首先系統(tǒng)研究了信息融合技術。對信息融合的三個層次模型即數據層、特征層、決策層的優(yōu)缺點進行了分析,并比較了它們的優(yōu)缺點。同時對應用于故障診斷的信息融合方法進行了研究,驗證了信息融合技術應用于故障診斷的可行性,為本文選擇特征層融合及神經網絡方法提供了理論依據。其次,對柴油機的故障機理進行了充分研究。通過分析柴油機的常見故障模式與主要故障特征,把最能體現故障特征的缸蓋振動信號作為研究對象,研究振動信號的相關特性,為后續(xù)研究作鋪墊。最后,針對BP神經網絡在故障診斷應用中的不足,將引力搜索算法用于BP神經網絡初始權值及閾值優(yōu)化,提出了一種基于引力搜索算法和BP神經網絡相結合的智能故障診斷方法,并將其運用于柴油機磨損故障的振動診斷。結果表明該方法在處理非線性問題上能力顯著,對柴油機的磨合、磨損、極限等故障診斷準確,辨識度很高。與單純的BP神經網絡相比,引力搜索BP神經網絡方法的診斷誤差相對減少,精度顯著提高,驗證了方法的有效性。同時,開發(fā)了柴油機故障診斷的軟件,使得診斷結果得以直觀地呈現。
【學位授予單位】：江蘇科技大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TP202;TK428

【參考文獻】

中國期刊全文數據庫 前1條

1 黃忠明;吳志紅;劉全喜;;幾種用于非線性函數逼近的神經網絡方法研究[J];兵工自動化;2009年10期

，

本文編號：1241750