船舶柴油机供油系统故障诊断(3)

分类：化学论文范文 时间：关注：(1)

用一个特定的输出向量将它与输入向量联系起来。3) 分类：把输入向量以所定义的合适方式进行分类。4) 数据压缩：减少向量维数以便于传输或存储。

　　5.2 神经网络故障诊断

　　BP 网络由于其具有很强的非线性逼近能力及自适应、自学习能力，因此可以处理那些难以用数学模型描述的系统，本系统主用通过BP 网络对故障模式进行分类。由于LabVIEW 中没有神经网络相关的函数工具包，所以在此利用LabVIEW 提供的MATLAB Script 节点来调用MATLAB 神经网络工具箱中的函数来创建和训练神经网络。MATLAB Script 节点在LabVIEW 中位于Function 模板>>Analyze 子模板>>Mathematics子模板>>Formula 子模板下。模拟柴油机工作状态提取特征参数，建立标准故障模式。其中的F1～F8 分别代表正常喷射,喷孔堵塞1个、2个,启喷压力20 MPa和18. 5MPa ,喷油器弹簧折断,针阀下卡死以及针阀偶件磨损八种故障模式。

　　在训练标准故障模式特征参数时，经过对MATLAB 神经网络训练的程序多次调试，证明采用下述方法，训练效果比较明显。1) BP 三层网络结构为NN(6，8，16) ，即输入单元数6 对应6 个故障特征参数，输出单元数8 对应8 种故障模式，中间层数为16;2) 神经网络算法的第一层选用tangsig 函数，第二层选用logsig 函数，并选用LM(Leven-Marquardt)算法;3) 学习率为0.01，最大训练次数1000 次，训练要求精度为0. 0001;4) 设置训练过的特征参数门限值为0.8，即训练结果的值大于0.8，输出1，否则输出为0。

　　根据仿真结果表明当训练到74 次的时候就符合了0. 0001 精度要求，说明该故障模式分类是完全有效。再将归一化后的数据送入MATLAB Script 节点，得到一串0、1代码，并与标准故障模式匹配，输出故障诊断结果。

　　6 结语

　　这里采用外卡式压力传感器测取的高压油管压力波可实现对柴油机喷油器故障的不解体诊断，并且把虚拟仪器应用到故障诊断系统中，将原先笨重、昂贵的硬件模块变为小巧、方便的软件模块编程。本章中把虚拟仪器技术与人工神经网络模型引入喷油器的故障诊断中,实现对柴油机故障的智能诊断,并有利于实现实时故障的在线检测。实践证明,实现柴油机不解体故障诊断、故障诊断虚拟化、是智能故障诊断的一个发展方向。

　　参考文献：

　　[1]王颖，冯志敏，朗豪翔，王炳辉，邹介棠.船舶柴油机远程故障诊断研究.船舶工程，2002，(4)：31~33

　　[2] 王俊，迟钦河，俞松耀，熊智慧. 基于虚拟仪器技术的测速雷达信号处理系统.微机算计信息，2003(10)：66-68.

　　[3] 娄云，李青林，赵卫兵，柴油发动机燃油压力波形特征提取方法.内燃机车,2005(10):41-44.

　　[4] 张红辉，李晓建，张振仁，柴油机供油系统的检测与研究.机电工程技术,2004(33).

• 共3页:
• 上一页
• 1
• 2
• 3
• 下一页