(信号与信息处理专业论文)基于神经网络信息融合的发动机故障诊断系统研究.pdf_第1页
(信号与信息处理专业论文)基于神经网络信息融合的发动机故障诊断系统研究.pdf_第2页
(信号与信息处理专业论文)基于神经网络信息融合的发动机故障诊断系统研究.pdf_第3页
(信号与信息处理专业论文)基于神经网络信息融合的发动机故障诊断系统研究.pdf_第4页
(信号与信息处理专业论文)基于神经网络信息融合的发动机故障诊断系统研究.pdf_第5页
已阅读5页,还剩70页未读, 继续免费阅读

(信号与信息处理专业论文)基于神经网络信息融合的发动机故障诊断系统研究.pdf.pdf 免费下载

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

中北大学硕士学位论文 基于神经网络信息融合的发动机故障诊断系统研究 摘要 本论文首先探讨了机械故障诊断的一些基本方法,特别对往复机械的故障诊断方法 进行深入的研究。针对工程中的关键机械,详细研究了发动机故障类别特点,发动机故 障诊断的方法,比较了传统诊断方法和智能诊断方法的优缺点,并重点研究和总结了近 年来在故障诊断领域得到广泛应用的人工神经网络故障诊断方法。 发动机作为往复机械的代表,故障呈现出比较复杂和多样性的特点,应用传统的诊 断方法很难进行识别,并且诊断准确性很低。随着人工智能技术的发展和应用,越来越 多的科技人员把其引入故障诊断领域,收到了比传统诊断方法更好的效果。 本论文详细论述了神经网络在故障诊断领域的应用,深入地研究了应用神经网络实 施发动机故障诊断的方法。系统研究了b p 网络的数学原理、网络模型结构的建立原则、 网络参数选择的方法、网络样本的训练方式、网络样本的处理方法等等,并且总结和探 讨了几种b p 改进方法。 论文应用v c + + 语言和m a t l a b 工具软件,建立发动机的故障诊断系统,数据库的 操作采用了s q ls e r v e r2 0 0 0 管理系统,实现了初步的智能化诊断。最后,以润滑子系 统为例实验了此系统,验证了应用神经网络实施故障诊断的可行性和正确性。 关键词:发动机,故障诊断,神经网络,b p 算法 中北大学硕士学位论文 t h er e s e a r c ho f e n g i n et r o u b l ed i a g n o s i ss y s t e mb a s e do n n e u r a ln e t w o r ki n f o r m a t i o nf u s i o n a b s t r a c t f i r s t l yt h et h e s i sh a ss t u d i e ds o m eb a s i cm e t h o d so fm e e h a n i c a lt r o u b l ed i a g n o s e d a n d e s p e c i a l l ym a d ead e e pr e s e a r c ho nt h em e t h o d so fb a c ka n df o r t hm a c h i n e st r o u b l e d i a g n o s e s a g a i n s t t h e i m p o r t a n t m e c h a n i ci n p r o j e c t , t h e t h e s i sd i s c u s s e d e n g i n e c l a s s i f i c a t i o nc h a r a c t e r i s t i ca n dm e t h o d so ft r o u b l ei nd e t a i l c o m p a r i n gt h ea d v a n t a g e sa n d d i s a d v a n t a g e sb e t w e e nt r a d i t i o n a ld i a g n o s e sa n di n t e l l i g e n c ed i a g n o s e s ,t h et h e s i ss t u d i e da n d s u m m a r i z e de m p h a t i e a l l yt h em e t h o do fa r t i f i c i a ln e u r a ln e t w o r kt r o u b l ed i a g n o s i n gw h i c hi s b e m ga p p l i e da tt h ef i e l do f t r o u b l ed i a g n o s i n gw i d e l yi nr e c e n ty e a r t h ee l l g i l i ea st h er e p r e s e n t a t i v eo fb a c ka n df o r t hm a c h i r e ,t h et r o u b l ed e m o n s t r a t e s c h a r a c t e f i s t i c so fe o m p l e x i t ya n dm u l t i p l i c i t y i t sd i 硒c u l tf o ru st od i s t e r nt h et r o u b l eb y u s i n gt r a d i t i o n a id i a g n o s i sm e t h o d a n dt h ed i a g n o s ea c c u r a c yi sv e r yl o w w i t hd e v e l o p m e n t a n da p p l i c a t i o no no f a r t i f i c i a li n t e l l i g e n c et e c h n o l o g y , m o r ea n dm o l er e s e a r c h e sa p p l i e di ta t t r o u b l ed i a g n o s i sf i e l da n dh a v ea c q u i r e dt h er e s u l tb e a e rt h a nt r a d i t i o n a lm e t h o d s t h et h e s i sw o u l dd i s c u s st h ea p p l i c a t i o no fa r t i f l c i a ln e u r a ln e t w o r ka tt h ef i e l do f t r o u b l ed i a g n o s i si nd e t a i l ,e s p e c i a l l yr e g a r d i n ge n g i n e sa sr e s e a r c ho b j e c tr e s e a r c h e dt h e m e t h o do f n e u r a ln e t w o r ko nt r o u b l ed i a g n o s eo fe n g i n ed e c p l y a n de m p h a t i c a l l yi n t r o d u c e d m a t h e m a t i cm a t h e m a t i c sp r i n c i p i eo fb pn e t w o r k , e x p l o r e dt h es e r i n g u 廿o fn e t w o r km o d e l s t r u c t u r e ,t h ep a r a m e t e rc h o o s eo fn e t w o r k ,n e t w o r kt r a i n i n gw a y , n e t w o r kt r e a t m e n tm e t h o d s e t e a tl a s t s u m m a r i z e ds e v e r a lk i n d si m p r o v e dm e t h o do f b p b ya p p l y i n gv c + + a n d 晰l a b t h ea u t h o rs e t su ps o f t w a r eo fe n g i n et r o u b l e d i a g n o s i s 1 1 1 ed a t a b a s e so p e r a t i o ni sb a s e do ns q ls e r v e r2 0 0 0 a c h i e v i n gp r e l i m i n a r y i n t e l l i g e n c ed i a g n o s i s f i n a l l y , t h et h e s i st o o ki u b r i c a t i o ns y s t e ma sa ne x a m p l e ,m a d et h e t r o u b l ed i a g n o s i si no r d e rt oc h e c kt h es y s t e m ,a n dt h er e s u l ts h o w e dt h a tt h ee n g i n ed i a g n o s i s b a s e do nn e u r a ln e t w o r kw a se x e c u t a b l ea n dc o r r e c t l y k c y w o r d s :e n g i n e ,t r o u b l ed i a g n o s i s ,n e u r a ln e t w o r k ,b pa i g o r i t h m 原创性声明 本人郑重声明:所呈交的学位论文,是本人在指导教师的指导下, 独立进行研究所取得的成果。除文中已经注明引用的内容外,本论文 不包含其他个人或集体已经发表或撰写过的科研成果。对本文的研究 作出重要贡献的个人和集体,均已在文中以明确方式标明。本声明的 法律责任由本人承担。 论文作者签名: 避翌 关于学位论文使用权的说明 本人完全了解中北大学有关保管、使用学位论文的规定,其中包 括:学校有权保管、并向有关部门送交学位论文的原件与复印件: 学校可以采用影印、缩印或其它复制手段复制并保存学位论文; 学校可允许学位论文被查阅或借阅;学校可以学术交流为目的,复 制赠送和交换学位论文;学校可以公布学位论文的全部或部分内容 ( 保密学位论文在解密后遵守此规定) 。 签 名: 导师签名: e t l o i :迎2 :垒:鲤 日期: 担2 :垒如 中北大学硕士学位论文 1 1 课题的目的和意义 第一章绪论 在科技高度发展的今天,先进的机械设备不再是一个简单的机械物理运动的载体而 是一个集机械、电子、计算机、液压等一体的大型复杂设备由于现代大型复杂工程机 械设备高昂的研制代价以及发生故障后造成的灾难性后果,其可靠性的要求非常严格, 但严重事故仍然时常发生。因此,提高系统运行的可靠性、防止和杜绝影响正常任务完 成的故障的发生和发展,一直是人- t t : t l ! 常关心的重要课题。由于以上种种原因,故障诊 断技术受到了工程机械领域科研人员的高度重视,并得到了迅速发展。发动机是最常用 的动力设备之一,广泛用于固定发电、工程机械及特种船舶等领域。在大多数情况下, 由于其工作条件比较恶劣发生故障的可能性也较大,而且其发生故障后,将会影响机 械系统的正常运转,直接或间接或间接的造成巨大损失。发动机属于机械设备,有着机 械设备故障诊断的共性,通过对它的故障诊断技术的研究,可以对机械故障诊断技术的 发展起更大的推进作用。 进一步的理论研究和应用结果表明,故障诊断技术本身的发展还远远不能满足实际 问题的需要。各种监测手段和诊断方法仅利用单一信息源数据对设备某类特定故障实施 诊断,缺乏对多源多维信息的协同利用、综合处理,也未能充分考虑诊断对象的系统性 和整体性,因而在可靠性、准确性和实用性方面都存在着不同程度的缺陷。 近几年迅速发展起来的神经网络信息融合技术,探讨机械故障诊断中的智能化和多 源信息融合的理论、方法和手段,并将其应用于机械故障诊断中,取得了预期的效果。 为机械故障诊断技术的系统化和智能化开拓了新的理论方法和技术途径,同时推动了机 械故障诊断技术的实用化进程。 1 2 故障诊断与神经网络的结合 人工神经网络系统是对人类大脑神经网络系统的一种物理结构上的模拟,即以计算 机仿真的方法,从物理结构上模拟人脑,以使系统具有人脑的某些智能。从信息技术角 1 中北大学硕士学位论文 度讲,神经网络属于系统辨识的方法。它之所以能够应用到故障诊断领域是因为它有一 个重要的特性一非线性映射的能力。它能够通过对知识( 故障样本) 的学习,最大精度地 建立故障征兆和故障原因的映射关系。目前,神经网络在故障诊断中的运用主要有: ( 1 ) 神经网络直接用于故障诊断。挑选关键参数作为输入层,故障参数作为输出 层,利用典型样本学习所得权值进行模式识别。 ( 2 ) 自适应神经网络模式识别。传统模式识别过程在特征提取上具有很大的盲目 性,效率低,而自适应神经网络则利用神经网络分布式信息存储和并行处理,避开模式 识别中建模和特征提取的麻烦,从而消除了模式不符和特征提取不当所带来的影响,使 得故障易于识别。 ( 3 ) 神经网络信号处理。神经网络用于信号处理主要是利用其最优化算法和其智 能化识别的特点。 ( 4 ) 模糊神经网络。具有准确的非线性拟合和学习能力。 ( 5 ) 神经网络与专家系统结合识别,其结合包括3 个层次。神经网络完全取代专 家系统;神经网络与专家系统浅层次结合;神经网络和专家系统深层次结合。实践证明, 神经网络只有和专家系统完全结合起来,互补长短,才能克服神经网络的缺乏经验、无 推理性以及专家系统的知识“瓶颈问题”等缺陷,到达一种较完美的组合【2 】。 1 3 本论文的主要研究内容 发动机故障诊断的研究,国内外的学者作了许多的工作,取得了很多丰硕的成果。 正是因为发动机是一个复杂的机械系统,对其的故障诊断的研究将随着科学技术的进步 而不断进步不断的深入。本论文在总结和研究前人工作的基础上,探讨了发动机故障诊 断的方法。本文主要完成了一下几方面工作: ( 1 ) 回顾和总结了发动机故障诊断的一些基本方法和发展趋势,明确了今后发动 机故障诊断的研究方向。 ( 2 ) 重点探讨近年来应用较广的一种发动机故障诊断的方法一神经网络方法。 着重研究了多层感知器神经网络:数学原理、拓扑结构、网络参数的选择和确定、多层 感知器网络的一种重要的算法b p 算法( 误差反传算法) 以及此网络训练样本的选择和 处理方法;简要分析了一些适于故障诊断和在故障诊断领域有很大发展前途的神经网络 2 中北大学硕士学位论文 方法。 ( 3 ) 详细地研究了神经网络故障诊断方法:发动机的结构层次和故障机理、神经 网络故障诊断的实施方案和步骤、并齿轮为例详细探讨神经网络的故障诊断方法。 ( 4 ) 介绍了神经网络故障诊断软件的编制步骤和关键技术,此软件可以实现故障 样本的训练、存储以及故障诊断。其中对数据库利用有效的记录了故障记录,为发动机 的运行提供可靠的故障查询和预测。最后以z 1 2 v 1 9 0 b 柴油机的润滑系统为例检验了此 系统,得到了较高的诊断准确率,这些更为有效的说明神经网络用于故障诊断的可行性 和软件的实用性。 3 中北大学硕士学位论文 第二章故障诊断技术概论 2 1 机械设备故障诊断技术概述 设备诊断技术从某种角度考虑,可以属于信息技术范畴。它是利用被诊断对象所提 供的一切有用信息,经过分析处理,获得最能识别设备状态的特征参数,最后做出正确 的诊断结论。就象医生给病人治病一样,首先利用病人所提供的一切有用的信息,如脉 搏、体温、排泄物等来进行疾病的诊断,然后确定治疗方案3 1 。 2 2 故障诊断技术介绍 故障诊断学是- - 1 - 多学科交叉的科学,几乎涉及自然科学的全部领域,并且随着科 学技术不断进步而向前发展。它广泛利用各学科的最新科技成就形成更为先进有效的诊 断方法。由于设备故障的复杂性和设备故障与征兆之间关系的复杂性,使设备故障诊断 是一种探索性的过程,并且重点不仅要研究故障本身,而还要研究故障诊断的方法。因 故障的复杂性,有时不能只采用一种方法,需要多种方法相结合,所以要从各学科中广 泛探求有利于故障诊断的原理、方法和手段。 目前,人们通常把故障诊断方法分为传统故障诊断方法和智能故障诊断方法。传统 故障诊断方法是利用物理的和化学的原理及手段,通过伴随故障出现的各种物理和化学 现象,直接检测故障。这种方法形象、快速,但只能检测部分故障。而在此基础上将人 工智能的理论和方法用于故障诊断,并结合故障诊断的数学方法,形成了智能故障诊断 方法,这是故障诊断的一条全新途径,已得到广泛的应用,也成为目前故障诊断方法研 究的主要方向。人工智能诊断方法目前主要的工具是专家系统和人工神经网络,或结合 一些其它的技术如:模糊技术,模式识别等。现今可以说它是研究非线性系统故障诊断 的最有利的方法,也是当前研究的热点【4 l 【5 l 。 2 2 1 往复机械故障诊断 在机械运动中,往复运动是一种常见的直线运动。所谓的往复机械是指做纯粹的直 4 中北大学硕士学位论文 线运动的机械,或是通过一系列的机构将往复( 直线、摆动) 运动变成回转运动或将 回转运动变成往复运动的机械。大多数情况下,往复机械专指由一系列的机构将往复运 动变成回转运动的机械设备,例如:内燃机( 汽油机、发动机) ,汽轮机等。往复机 械广泛应用于国民生产的各个部门,起着举足轻重的作用,因此对其进行故障诊断的研 究有着重要的意义。往复机械的复杂性决定了故障的多样性和复杂性,必定给其故障诊 断带来相当大的困难。为了准确对其进行故障诊断,不仅需要作大量的实验研究和经验 的积累,还要不断地采用新的检测方法和诊断方法,并对各种征兆参数进行谨慎细致的 分析,尽可能的采用多种手段进行综合判断。对往复机械设备进行故障诊断,应对设备 的结构和运行时的动力特性有十分清晰的了解,还应通晓机械设备发生故障的机理。为 了能深入掌握整个机械设备在运行中出现的各种征兆,有必要对各个分离部件进行故障 机理的研究,在此基础上才能组合为系统的故障机理的研究。可以说故障的机理是故障 诊断的先决条件,只有明确故障的机理才能进行故障诊断,因此我们要对往复机械进行 故障诊断,首先要对往复机械的故障机理进行研究d 5 1 。 2 2 2 发动机故障诊断 发动机作为动力机械,其运行状态的好坏,直接影响到成套设备的工作状况。因此, 对其进行运行状态监测和故障诊断,确保设备处于最佳运行状态,提高设备维修质量和 效率是十分必要的。另一方面,发动机是比较重要、应用较广泛的往复机械设备,对其 进行故障诊断研究有着重要的经济效益和社会意义。 发动机故障诊断和其它类型机械的故障诊断一样,首先必须对故障进行机理研究, 并以故障信号的检测技术及信号处理技术为基本技术,以故障信号处理和特征提取理论 为基本理论,以基于信号处理及特征提取的故障类型识别方法为基本方法。近年来,针 对发动机故障诊断的研究工作有了较大的发展,但尚未达到在工程实际中有效应用的水 平,主要原因是对基本技术的研究和各类故障、特别是综合故障案例和图谱的积累工作 己跟不上诊断基本理论和方法研究的快速发展。又因为发动机是一种复杂的往复式动力 机械,由于其结构复杂性加之运动的往复性,使得发动机的故障诊断变得十分复杂,所 以,近年来对发动机的故障诊断研究工作一直是许多故障诊断研究者潜心研究的一个难 题【2 】。 5 中北大学硕士学位论文 最初的发动机故障诊断设备是一些车载诊断设备,其特点是用车载仪器仪表,检测 一些常用的指标,如压力、温度、速度等,简单判断设备运行状态;上个世纪8 0 年代 以后,非车载诊断系统得到了很大发展,出现了固定的检测设备,能进行功率、转速检 测,尾气分析,润滑油油质分析等;此后,车载与非车载诊断设备开始综合起来使用, 并采用先进的信号处理技术,除传统的压力、温度、转速、功率等指标外,又采用了振 动分析( 时域、频域) 等方法:进入9 0 年代后,随着人工智能技术的发展,发动机故 障诊断技术进入了智能化的阶段。随着检测项目增加,软件功能增强,诊断的准确性也 大为提高。这些年来,我国的发动机故障诊断技术也有了较大发展,但在可靠性和实用 性上与国外的差距较大。 2 2 2 1 发动机常见故障 按发动机的结构特点,可将其常见故障分为以下类型:曲柄连杆机构故障、配气机 构故障、润滑系故障、冷却系故障以及燃油供给系故障等,下面作具体介绍。 曲柄连杆机构是发动机中传递运动和动力的机构,工作条件恶劣,燃烧产生的高压、 高温气体直接作用在曲柄连杆机构的各零部件上,在交变的载荷和热负荷的作用下,极 易出现故障。曲柄连杆机构故障具体可分为机体组零件故障、活塞连杆组零件故障和曲 轴飞轮组零件故障。机体组零件故障主要包括水套壁的裂纹与破洞、汽缸体主要安装孔 的磨损、汽缸体上平面的翘曲、连接螺纹的损坏、汽缸磨损、拉缸、汽缸产生裂纹、汽 缸套穴蚀、缸盖与缸体结合平面的翘曲和缸盖产生裂纹等。活塞连杆组零件故障主要有 活塞环槽磨损、活塞销孔磨损、销座裂纹、活塞顶部裂纹、活塞裙部磨损、活塞环磨损、 活塞环弹力下降和活塞环的折断与卡死等。曲柄飞轮组零件故障主要有曲轴曲颈磨损、 曲轴弯曲与扭曲、曲轴断裂、合金层的磨损、合金层疲劳裂纹与剥落、合金腐蚀和烧瓦 等。 配气机构主要零部件的常见故障有:气门密封锥面与头部缺陷:气门颈部烧损、腐 蚀、裂纹、变形与折断、气门导杆的磨损与弯曲、气门端面及气门锁夹槽的磨损、气门 导管的失效、气门弹簧失效、摇臂失效、推杆失效、挺柱失效、凸轮轴失效以及正时齿 轮失效等。润滑系故障主要有机油泵故障和滤清器故障等。冷却系故障主要有:水泵漏 水、水泵叶轮与其相配合的泵壳磨损:水泵轴、水泵轴承孔磨损:散热器漏水、结垢;风 扇摆头、节温器失效等【3 2 】。 6 中北大学硕士学位论文 下面分别就发动机故障诊断技术“现状与方法”及“发展与展望”进行论述 6 1 。 2 2 2 2 发动机故障诊断技术现状与方法 ( 1 ) 示功图法 示功图是描述发动机动力性能的基本手段,它综合反映了发动机作出机械功的热力 转换过程。所以,长期以来,人们一直利用示功图对发动机工作过程作综合性的监测。 测录示功图的实质是测量气缸中气体压力随时间( 或曲轴转角、或气缸容积) 变化的信 号。获取示功图的方法分为直接测录法和间接测录法两大类,前者是用示功器直接测量 随曲轴转角变化的缸内压力,并将其整理计算为反映发动机工作进程的示功图;后者是 通过测量发动机工作过程中其它物理量来识别缸内气体压力,以求得示功图的方法。由 于间接测录法对发动机工作过程无任何影响,故近年来国内外主要侧重于这种方法的研 究加通过测量缸盖螺栓应变求得缸内压力或利用缸盖振动信号反映缸内气体力等。 ( 2 ) 振动信号故障诊断法 发动机动转时产生振动是不可避免的,这是由其结构特点和工作性质决定的。所以, 不论是性能监测还是工作过程监测,振动信号都是反映其内在关系极其有效的敏感参 数。对于工作过程而言,燃爆过程的内部瞬变压力经各种传递通道直接反映在对应的振 动信息中。而对于性能参数监测,衡量机器工作状态正常与否的综合性指标是与工作过 程及各机构间运动协调与否紧密相关的,而这些指标在振动信息中反映更敏感、更直接。 振动信号特征法的依据是振动信号中所包含着振源和状态等信息【3 3 】。振动监测及故障诊 断的出发点是在机械动力特性分析及谱分析基础上,研究发动机运行过程中的故障原因 与状态效应。 近年来,通过振动信号提取发动机故障特征的研究己取得了较大的进展。研究的重 点是通过缸盖或缸体振动信号,提取燃烧激振力及排气门落座响应的频率特征,对发动 机工作过程故障进行诊断。但是,这种方法还多局限于在实验室对零部件单一模拟故障 的诊断方面,例如喷油器、活塞、连杆、配气齿轮等方面的故障,距实际应用还有一定 距离。此方法是目前应用得最多的方法。 ( 3 ) 铁谱和光谱技术监测发动机磨损状况( 油液分析诊断法) 铁谱及光谱分析己成为机械故障诊断和工况监测的一种有效手段3 6 1 。在诸多发动机 状态监测手段中,润滑油的铁谱及光谱分析是可行而又有效的方法。以往的试验和经验 7 中北大学硕士学位论文 表明,铁谱和光谱由于其本身特点,在其监测功能上有各自的优势和不足。由于发动机 运动件含有多种材料的摩擦副,而每一对摩擦副又会出现各种不同的磨损状态,产生于 不同摩擦副在不同的磨损状态下的磨粒是以不溶的颗粒形式存在于润滑油中的。光谱可 以准确地测定润滑油中磨损元素的含量,但不能了解其存在的形状,而且其监测灵敏度 又受到磨粒本身粒度的影响,因此无法判断磨损的类型;铁谱可以直观地了解磨粒的形 状、大小和成份等重要的磨损信息,但对有色金属就不具有与铁屑磨粒相同的灵敏度, 而且分辨能力不如光谱分析仪。所以联合采用铁谱及光谱技术,获得了取长补短、相得 益彰之效果。 ( 4 ) 灰色系统理论诊断法 灰色系统理论是1 9 8 2 年由华中理工大学学者邓聚龙教授创立并发展起来的,以其 新颖的思路和广泛的适用性在理论与工程界引起广泛的注意,并迅速在社会、经济及工 程等许多领域获得广泛应用【3 7 1 。灰色理论用于发动机故障诊断的原理:把发动机系统看 成是一个复杂的灰色系统,利用存在的已知信息去推知含有故障模式的不可知信息的特 性、状态和发展趋势,并对未来的发展做出预测和决策,其过程即是一个灰色过程的白 化过程。灰色理论在故障诊断中的应用包括灰色系统建模、关联度分析、灰色模型预测 等。利用灰色系统可以实现故障的预测,其准确率高,计算量小,易于微机实现。 ( 5 ) 基于专家系统的智能诊断方法 专家系统人工智能的主要分支之一,其核心主要包括以下几部分:知识库、知识获 取部分、推理机、解释部分。在知识表达方面,大多数诊断型专家系统都是以产生式和 框架式规则进行知识表达的利用产生式规则进行知识表达,一方面得益于现存的人工 智能语言,如l i s p ;另一方面受益于它的表达合乎人的心理逻辑,便于进行知识获取, 利于人接受。框架式规则进行知识表达也得到了越来越多的应用,这主要得益于面向对 象的编程技术的兴起及普及,以c + + 语言为代表的程序语言对面向对象的数据结构极为 支持,而框架式规则正是一种面向对象的数据结构,在诊断推理方面,主要表现在对推 理逻辑和推理模型的研究上。对于发动机故障诊断专家系统的研究,从国内外开发的众 多系统来看,都是在注重上述特点的同时,充分突出了对基于数字信号处理的深层诊断 知识的研究【3 3 1 。 ( 6 ) 神经网络诊断法 , 8 中北大学硕士学位论文 人工神经网络具有非线性映射能力,实现故障特征信号到具体故障的推理。人工神 经网络的研究已经有5 0 多年的历史,用于故障诊断正在兴起,它的应用,给故障诊断 带来了超乎寻常的价值。 2 2 3 发动机故障诊断技术发展与展望 ( 1 ) 有目标的拓宽监测范围在髓铡反映发动机整机性能与局部功能衰退参数 的基础上,通过对发动机故障机理及故障演进过程的深入研究,找出发动机发生各类故 障的主要根源,对反映根源参数变化的信号进行监测。例如泪前对发动机磨损状态的分 析研究大多是利用油液监测信息,而对引起磨损的根源如机油压力低及机油变质等却关 心不够,所以要预防故障、降低故障损失,将故障扼杀在萌芽期,就要有针对性地对根 源参数进行定量监测与控制。 ( 2 ) 优化监测层次及监测参数的组合各类监测参数的拓宽,使综合性、全面 性监测发动机工作过程成为可能,合理利用监测参数,对整机性能进行监测,诊断整机 有无故障;在此基础上,对故障进行定位及量化分析,即确定多缸发动机的故障缸、故 障部位,乃至劣化程度;查明最大可能的故障原因,使监测与控制形成良好循环。 ( 3 ) 故障信息的开发与充分利用现有监测与分析方法,在对发动机故障作出 正确诊断上存在一些缺陷,究其原因是对故障信号所包含的丰富信息开发利用得不够, 所以有必要充分利用检测到的各种诊断信息,形成集成与融合的智能故障诊断策略,为 此应重点解决以下关键技术: ( a ) 研制适合于发动机故障诊断的专用新型集成化传感器; ( b ) 研究各类传感器的优化布置和监测参数的优化组合; ( c ) 对于多缸发动机,在分析发动机运动状态及振动机理的基础上,寻找各缸振 动信号之间相互交叉影响最小的最佳测点;以便建立综合性多层次故障信号测试体系, 实现多传感器信息融合故障诊断技术。 在发动机故障诊断理论方面,首先要有针对性地搜集、建立发动机各类单一故障和 综合故障的故障图谱,针对发动机结构复杂,振动系统属多激励、非平稳( 非线性) 系 统的特点,综合应用非线性系统理论、容错控制理论、可靠性理论、模糊数学理论等研 究有效的信号处理方法,探索对故障凝聚性好的特征提取方法f 3 9 1 ,进行故障特征值的提 9 中北大学硕士学位论文 取。在发动机故障诊断基本方法方面,深入研究诊断特征参数的合理选择,以及在此基 础上的基于神经网络的多传感器信息集成与融合故障诊断技术;统计决策理论; d e m p s t e r - s h a f e r 证据推理法等;并在集成与融合信息的基础上,对发动机运行故障进行 分类与识别。 1 0 中北大学硕士学位论文 3 1 神经网络的定义 第三章神经网络简介 人工神经网络( a n n ) 是以神经元为顶点,顶点问的连接为边的有向图,是一种大规 模的非线性自适应动力学系统。它模拟人脑的工作机制,采用非线性函数作为活性衡量 标准形成人工神经元,依靠大量神经元的互联形成层式处理模式。它是在现代神经科学 研究成果的基础上提出的。神经科学研究表明,生物神经系统是由大量的神经细胞或神 经元广泛相互连接组成的,一个神经元与另一个神经元密切接触,传递神经冲动,实现 信息传递。人的大脑皮层由六个不同的功能区组成,上面布满了大约1 4 x 1 0 “个神经细 胞,它相当于一万台大型计算机并行运行。可见,人脑是一个广泛相互连接的复杂非线 性系统,这种系统具有特殊的信息处理功能。所以,研究人工神经网络的目的就是试图 模拟人脑信息处理、记忆的机制,设计新一代智能型计算机。为此,美国的神经网络学 家h e c h t n i d s e n 给出人工神经网络的一般定义:神经网络是由多个非常简单的处理单元 彼此按某种方式相互连接而成的计算机系统,该系统是靠其状态对外部输入信息的动态 响应来处理信息的。 3 1 1 神经网络的发展和应用 人工神经网络的出现,除了神经科学的研究本身的突破和进展之外,更主要是由于 计算机科学和人工智能发展的需要。我们知道现代计算机有很强的计算和信息处理能 力,但是它解决像模式识别、感知、评判和决策等复杂问题的能力却很差,远不如人, 特别是它只能按人事先编好的程序机械的执行,缺乏向坏境学习和适应环境的能力。很 早时候,人们就已经知道人脑的工作方式与现代计算机不同,现代计算机只是在功能上 模拟人脑。人脑是由极大量的基本单元( 称之为神经元) 经过复杂的相互连接而成的一 种高度复杂、非线性、并行处理的信息处理系统。虽然单个神经元的反应速度比起计算 机的基本单元一逻辑门要慢5 - 6 个数量级,但由于人脑的神经元的数量巨大( 约为l o l o 个) ,并且每个神经元可以与几千个其它的神经元连接( 总连接数约为6 x 1 0 “个) ,因 1 1 中北大学硕士学位论文 此对有些问题的处理速度反而比计算机快得多。人们很自然地会想到,人脑的组织结构 和运行机制必有其绝妙的特点,因而从模仿人脑结构的角度出发,来探寻新的信息表示、 存储和处理方式,设计全新的计算处理结构模型,构造一种更接近人类智能的信息处理 系统来解决传统的冯诺依曼计算机难以解决的问题,它必将大大促进科学进步,并会 在人类生活的各个领域引起巨大的变化。这就促使人们研究人工神经网络系统( a n n ) 1 7 1 。 还应当指出的是,神经网络的发展除了上述一些直接原因外,还有一些其它的科学 背景。进入2 0 世纪7 0 年代,非线性科学取得了迅速的发展,科学界对复杂系统的功能 表现出了浓厚的兴趣,p d g o g i n g e 因提出非平衡系统的自组织理论( 耗散结构理论) 而 获得了诺贝尔奖;h a k e n 研究了大量元件集体作用而产生的宏观有序结构创立了协同学; 今年来广泛研究的混沌动力学和奇异吸引子理论揭示了系统的复杂行为。从抽象意义上 讲,这些工作都是复杂系统如何通过元件之间的相互作用,系统结构上由无序到有序, 功能由简单到复杂,类似于生物系统的进化过程和智能系统的学习过程。同时神经科学 和脑科学研究也日益深入,取得了很多突破性的成果例如:感觉系统的侧抑制原理、皮 层的功能柱结构和信息处理的并行、层次观点等等。这些科学成果对于人工神经网络模 型的提出和神经计算机的研制给予了不可或缺的启示【7 1 。 神经网络理论和网络模型就是在如此的科学背景的支撑下以及在生产力发展( 计算 机和人工智能,机器人产业) 的迫切要求下产生和发展起来的。 人工神经元网络是生理学上的真实人脑神经网络的结构和功能,以及若干基本特性 的某种理论抽象,简化和模拟而构成的一种信息处理系统。人工神经网络是由大量的神 经元通过极其丰富和完善的联接而构成的自适应非线性动态系统。神经网络通过样本的 训练和学习使信息隐含在连接权值上,经过训练达到稳定的神经网络能够完成智能化的 工作。神经网络是人工智能一种有效工具,也是目前十分引人注目的研究领域,其理论 研究正在不断的深入,应用神经网络技术来解决各种类型的实际问题得到了高度的重 视,其应用己经广泛的渗透到了各个领域。尽管目前人们对人工神经网络还处在研究状 态,但是基于生物神经系统的分布存储、并行处理、自适应学习这些现象,已经构造出 具有一些低级智慧的人工神经网络系统。虽然这些人工神经网络只是对大脑粗略而简单 的模仿,在功能上和规模上比真正的神经网络相差得还很远,但是它在一些科学研究和 实际工程领域中己显示了巨大的威力。特别在智能控制、模式识另i j 、计算机视觉、自适 1 2 中北大学硕士学位论文 应滤波和信号处理、非线性优化、自动目标识别、连续语音识别、声纳信号处理、知识 处理、传感技术和机器人、生物医学工程等方面取得了令人瞩目和鼓舞的进展和成绩。 更要特别指出的是,近年来,把人工神经网络应用于故障诊断方面,为研究设备的故障 诊断方法开辟了一条新的途径并取得了可喜的成果i s 。 3 1 2 人工神经元的数学模型和工作方式 根据神经细胞的结构和功能,从2 0 世纪4 0 年代开始,先后提出的神经元模型有几 百种之多,其中对脑模型、自动机、人工智能研究和人工神经网络发展有重大影响的是 1 9 4 3 年由美国心理学家m c c u l i o e h 和数学家p i t s 共同提出的形式神经元的数学模型,通 常被称之为m p 模型。此神经元数学模型更接近生物神经元的工作方式,所以我们也把 此事件作为人工神经科学理论研究的开创时代。下面简要叙述一下m p 模型: 设有n 个神经元互连,每个神经元的活性状态t ( f = l ,2 ,) 取0 或l ,分别代表抑制或 兴奋两种状态。每一个神经元的状态按式( 3 1 ) 所表示的规则受其它神经元制约1 3 l 。 五= 八峋一谚) ( 3 1 ) j - t 其中嘞表示神经元f 和神经元之间的连接强度( 连接权) ,e 为神经元阈值,( ) 为传递函数或转换函数,在这里取阶跃函数u ( ) 。神经元的学习过程就是调整连接权坳 的过程。阶跃函数u ( ) 定义为: ,= 艺:三: 2 , 神经元的传递函数有许多种,目前常用的有对数s 型函数和正切s 型函数,根据解 决不同的问题选择不同的传递函数。 对数s 型函数定义为: ) 2 存( o ,( 力 1 ) ( 3 3 ) 正切s 型函数定义为: 1 3 中北大学硕士学位论文 八= 等( - l 删 p 时, a ( t + 1 ) = ,一d e e x a ( t ) ,p ( t + 1 ) = ,一a e c p ( t ) 当a e ( t + 1 ) m 1 ( 3 6 5 ) 强=i, i , m - 0 。6 1 8 ( m - n ) ” n ,要完全表达问题最少需要的隐层节 点数: h = m - n 1 ( h 为隐层节点数) ( 3 6 6 ) 第三种平方根法【1 9 】 露= 珥+ + 口 ( 3 6 7 ) 坼输入节点数 输出节点数 押隐层节点数 口= 1 1 0 之间的常数 第四种聚类分析法 2 0 j 网络的隐含层是输入模式“内部表示”,实际上就是对一类输入模式中所含的区别 于其它类别的输入模式的特征进行抽取,并将抽取出的特征传递给输出层,因此,中间 层也称特征抽取层。所以隐层节点数取决于输入模式特征。具体方法如下: ( 1 ) 建立新样本集( u ) i = l ,2 ,m ; ( 2 ) 计算相似性( 勺) ; ( 3 ) 构造模糊相似矩阵( 毛) : ( 4 ) 聚类分析; 设定水平值五,与模糊相似矩阵( 勺) 。中各元素进行比较,如果( 勺) 旯说明u 和q 相 似,可归为一类进行合并,最后的分类数即为网络隐层节点数。 第五种双向法1 2 1 】 综合增长法和删减法单向法,得到双向法。 ( 1 ) 初始隐层节点数p o( p o 略多于隐层节点数的估计值) ; 3 3 中北大学硕士学位论文 ( a ) k o i m o g o r o v 方法:n = 2 m + l ( m 为输入层节点数) ; ( b ) 聚类分析法,同4 ( c ) 实值样本数减l ( 2 ) 采用选取的样本集对网络进行训得到输出误差4 蚝; ( 3 ) 减少k 个隐层节点,对具有p ( p = 岛一k ) 隐层节点的网络重新训练,得到新的 输出误差缈: 若缈 砜,则增加k ( 七 七) 个隐层节点 若砂 蚬,则减少k ( 后 七) 个隐层节点 ( 4 ) 反复试验,直至网络的特性不在明显变化。 第六种相关法圈 隐层节点数与输入和输出的信息量有关,随着输入和输出信息量的增加,隐层节点 数也往往需要有所增加,而在输入训练样本不是太庞大的情况下,这个信息量则直接与 输入网络的元素数和目标类别有关。 经验公式; 以:n , + m a _ x c _ n o + 一n c ) ( 3 6 8 ) 0 隐层节点数 ,输入向量维数 虬输出向量维数 m 目标分类数( 训练样本数) 六种方法具体如何使用现在并没有任何依据,目前只能根据使用经验来选择或分别使用 根据网络运行效果来决定。 二、网络初始连接权值和阈值的设置 ( a ) 在初始权值的选择上,基本上具有相同的观点:初始权值不可取固定值,只能取 随机值。一般取- 1 到l 范围内的随机值,但在o 5 至1 0 问的随机值比好。 3 4 中北大学硕士学位论文 ( b ) 阙值向量的设定;闽值选择也尚无理论指导,一般选择0 - 1 之间的随机数。 ( c ) 网络学习率或初始学习率、学习率调节系数以及优化方法中的附加动量系

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论