發(fā)布時(shí)間：2021-11-20 07:34

　　航運(yùn)是國際主流的運(yùn)輸方式,柴油機(jī)是船舶的主要?jiǎng)恿碓础２裼蜋C(jī)燃油噴射系統(tǒng)作為船用柴油機(jī)重要組成部分,有必要對(duì)它的故障診斷技術(shù)進(jìn)行深入研究。目前已應(yīng)用的柴油機(jī)燃油噴射系統(tǒng)故障診斷方法往往存在缺陷和不足。例如油液分析法僅能判斷使用潤滑油的部件的相關(guān)故障、振動(dòng)分析法信號(hào)采集困難、瞬時(shí)轉(zhuǎn)速監(jiān)測法只能確定故障位置但無法判斷故障原因。神經(jīng)網(wǎng)絡(luò)擁有強(qiáng)大的并行計(jì)算能力,可以將輸入向量迅速傳遞至神經(jīng)元中進(jìn)行計(jì)算和學(xué)習(xí),其網(wǎng)絡(luò)結(jié)構(gòu)適用于解決線性空間至非線性空間的映射問題,在機(jī)械故障診斷方面表現(xiàn)優(yōu)異。因此,本文采用將自適應(yīng)遺傳算法和神經(jīng)網(wǎng)絡(luò)結(jié)合的方法對(duì)柴油機(jī)燃油噴射系統(tǒng)進(jìn)行故障診斷。在網(wǎng)絡(luò)模型的選取方面,BP神經(jīng)網(wǎng)絡(luò)是一種多層前向模型學(xué)習(xí)算法,在結(jié)構(gòu)上較為松散,有著診斷不精確、容易陷入局部極值的缺點(diǎn)。Elman神經(jīng)網(wǎng)絡(luò)作為一種局部回歸神經(jīng)網(wǎng)絡(luò),引入了負(fù)反饋機(jī)制,網(wǎng)絡(luò)結(jié)構(gòu)更加完整,診斷精度和速度比BP神經(jīng)網(wǎng)絡(luò)均有提高。同時(shí),通過改進(jìn)Elman神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)算法、激勵(lì)函數(shù)和網(wǎng)絡(luò)結(jié)構(gòu)提高了Elman神經(jīng)網(wǎng)絡(luò)動(dòng)態(tài)信息處理能力。結(jié)果表明,改進(jìn)型Elman神經(jīng)網(wǎng)絡(luò)適用于在線診斷,整體診斷效果比BP神經(jīng)網(wǎng)絡(luò)更好。對(duì)遺傳算... 

【文章來源】：大連海事大學(xué)遼寧省 211工程院校

【文章頁數(shù)】：74 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖２．２?３種激勵(lì)函數(shù)??Ｆｉｇ．?２．２?Ｔｈｒｅｅ?ｋｉｎｄｓ?ｏｆ?ａｃｔｉｖａｔｉｏｎ?ｆｕｎｃｔｉｏｎｓ??入正比，此經(jīng)，＝?Ｊ火，Ａ

?大連海事大學(xué)碩士學(xué)位論文???Ｅｌｍａｎ神經(jīng)網(wǎng)絡(luò)在結(jié)構(gòu)上由輸入層、隱含層、承接層和輸出層組成。輸入層僅起到??接收外界信息的作用，權(quán)值為１。隱含層激勵(lì)函數(shù)為Ｓ型函數(shù)，為全局響應(yīng)函數(shù)。輸出??層對(duì)隱含層結(jié)果進(jìn)行線性加權(quán)。承接層為一個(gè)特別的隱含層，激勵(lì)函數(shù)為Ｓ型函數(shù)，針??對(duì)上一時(shí)刻隱含層的輸出調(diào)整權(quán)值和閾值，起到了負(fù)反饋?zhàn)饔谩??２．３．２?Ｅｌｍａｎ神經(jīng)網(wǎng)絡(luò)計(jì)算流程??Ｅｌｍａｎ神經(jīng)網(wǎng)絡(luò)空間表達(dá)式如卜：??Ｙ（ｋ）?＝?ｇ（ｗ３?？（ｋ））?（２．２９）??ｉ／（ｋ）?＝?ｑ（ｗ，?ｕ．．?ｋ）?＋?ｗ２?Ｘ（ｋ－１））?（２．３０）??？．（ｋ）?＝?ｉ／（ｋ－ｌ）?（２．３１）??式中：義⑴是神經(jīng)網(wǎng)絡(luò)的外端輸入；ｗ（ｋ）為隱含層輸出；：Ｋ（ｋ）為網(wǎng)絡(luò)的輸出：叫為??承接層權(quán)值：ｗ２為隱含層權(quán)值；叫為輸出層權(quán)值；《（？）為隱含層的傳遞函數(shù)。??Ｅｌｍａｎ神經(jīng)網(wǎng)絡(luò)流程如圖２．７所示：??權(quán)值初始化??料軌?計(jì)算誤左函數(shù)??輸乂Ｓ＋?｜?Ｙ????飛?１?是否符合？??，Ｉ?ｒ＾ｎ?１??承接層?？??權(quán)值史新????Ｉ???Ｉ?［???輸出層??圖２．７?Ｅｌｍａｎ神經(jīng)網(wǎng)絡(luò)流程??Ｆｉｇ．?２．７?Ｅｌｍａｎ?ｎｅｕｒａｌ?ｎｅｔｗｏｒｋ?ｆｌｏｗ??Ｅｌｍａｎ神經(jīng)網(wǎng)絡(luò)在計(jì)算時(shí)分為學(xué)習(xí)和驗(yàn)證兩部分，首先對(duì)所有的權(quán)值和閾值進(jìn)行賦??伉。在ＢＰ祌經(jīng)網(wǎng)絡(luò)的學(xué)４過程中，相輸入仏總首先從輸入以進(jìn)入隱含層，經(jīng)過ｉｌ？算后??１５??

，（々—１）?（２．４０）??式中／ｌ為自適應(yīng)參數(shù)，取值為０．８５。該算法利用慣性，當(dāng)前梯度與上次梯度進(jìn)行??加權(quán)，方向一致時(shí)則累加，更新步長變大，方向相反時(shí)則互相抵消，逐漸趨近于平衡，??使誤差函數(shù)值達(dá)到最校??２．４．２激勵(lì)函數(shù)的改進(jìn)??在理論上，任易階導(dǎo)數(shù)均不為常數(shù)的函數(shù)均可以作為神經(jīng)網(wǎng)絡(luò)的激勵(lì)函數(shù)。Ｅｌｍａｎ??神經(jīng)網(wǎng)絡(luò)通常使用Ｓｉｇｍｏｉｄ函數(shù)作為激勵(lì)函數(shù)，函數(shù)表達(dá)式為：／（．〇?＝?—１一，導(dǎo)數(shù)為??１?＋?ｅ??／＇（ｘ）?＝?／（ｘ）（ｌ－／（．ｘ））。函數(shù)圖像如圖２．８所示：??Ｓｉｇｍｏｄ?吶數(shù)??０８?－???－??０．７?－?Ｚ?－??０．６?－?／?－??０?５?－?／?－??０．４?－?／?－??０．３?－?／?－??０２?－?Ｚ?－??０１?－??ｑ?—?ｉ?ｉ．?ｉ?垂?Ｉ?ｉ?Ｉ??－５?４?－３?－２?－１?０?１?２?３?４?５??圖２．８?Ｓｉｇｍｏｉｄ函數(shù)圖像??Ｆｉｇ．?２．８?Ｓｉｇｍｏｉｄ?ｆｕｎｃｔｉｏｎ?ｉｍａｇｅ??１８??

【參考文獻(xiàn)】：
期刊論文
[1]柴油機(jī)噴油泵供油提前角的檢查與調(diào)整[J]. 韓鳳禹.  農(nóng)機(jī)使用與維修. 2019(12)
[2]基于改進(jìn)的遺傳算法與人工神經(jīng)網(wǎng)絡(luò)的類流感的預(yù)測[J]. 胡紅萍,白黃琴,白艷萍,張菊平,劉茂省.  中北大學(xué)學(xué)報(bào)(自然科學(xué)版). 2019(06)
[3]基于小波包分析和Elman神經(jīng)網(wǎng)絡(luò)的軍用電源智能故障診斷[J]. 柯炎,樊波,謝一靜,呂偉.  重慶大學(xué)學(xué)報(bào). 2019(09)
[4]BP神經(jīng)網(wǎng)絡(luò)模型在無人機(jī)系統(tǒng)故障預(yù)測中的應(yīng)用分析[J]. 蘇續(xù)軍,呂學(xué)志.  計(jì)算機(jī)應(yīng)用與軟件. 2019(09)
[5]多類別審計(jì)意見預(yù)測研究——基于SMOTE算法—BP神經(jīng)網(wǎng)絡(luò)模型[J]. 張慶龍,何斯佳.  審計(jì)研究. 2019(04)
[6]衛(wèi)星數(shù)據(jù)傳輸全流程調(diào)度及優(yōu)化算法[J]. 向云武,章文毅,田妙苗.  系統(tǒng)工程與電子技術(shù). 2018(06)
[7]基于IPSO-Elman神經(jīng)網(wǎng)絡(luò)的航空發(fā)動(dòng)機(jī)故障診斷[J]. 皮駿,黃江博.  航空動(dòng)力學(xué)報(bào). 2017(12)
[8]基于時(shí)域特征和小波分析的故障行波特征識(shí)別方法[J]. 李文國,馬秉宇.  電氣技術(shù). 2017(05)
[9]遺傳算法和神經(jīng)網(wǎng)絡(luò)在船舶柴油機(jī)故障診斷中的應(yīng)用[J]. 馮長寶,韓忠偉,孫沫莉.  艦船科學(xué)技術(shù). 2016(06)
[10]基于神經(jīng)網(wǎng)絡(luò)的柴油機(jī)燃油系統(tǒng)故障診斷[J]. 佟剛,郝旭.  機(jī)械工程與自動(dòng)化. 2015(05)

博士論文
[1]輪機(jī)模擬器發(fā)動(dòng)機(jī)建模方法研究[D]. 唐元元.大連海事大學(xué) 2018

碩士論文
[1]中央空調(diào)系統(tǒng)關(guān)鍵設(shè)備故障診斷研究[D]. 任聰.電子科技大學(xué) 2019
[2]基于卷積神經(jīng)網(wǎng)絡(luò)的車輛檢測算法研究[D]. 張鎮(zhèn).北京交通大學(xué) 2018
[3]航空發(fā)動(dòng)機(jī)傳感器神經(jīng)網(wǎng)絡(luò)故障診斷及滑模容錯(cuò)控制研究[D]. 范昕宇.南京航空航天大學(xué) 2015
[4]基于神經(jīng)網(wǎng)絡(luò)的船舶柴油機(jī)故障診斷研究[D]. 陳濤.武漢理工大學(xué) 2014
[5]基于Elman神經(jīng)網(wǎng)絡(luò)的短期負(fù)荷預(yù)測[D]. 劉榮.浙江大學(xué) 2013
[6]基于瞬時(shí)轉(zhuǎn)速法分析柴油機(jī)各缸工作均勻性的數(shù)據(jù)處理和故障診斷[D]. 衣文鳳.山東大學(xué) 2009



本文編號(hào)：3506863