發(fā)布時(shí)間：2018-12-29 08:58

【摘要】：目前,柴油機(jī)故障診斷已經(jīng)成為國(guó)內(nèi)外研究的焦點(diǎn)問(wèn)題。柴油機(jī)故障診斷中,可以通過(guò)多個(gè)傳感器得到不同的故障信息,為了得到較高的故障診斷的精度和可靠性,必須充分利用獲得的故障信息對(duì)柴油機(jī)進(jìn)行故障診斷。 本文首先論述了柴油機(jī)故障診斷的國(guó)內(nèi)外研究現(xiàn)狀,以及將信息融合技術(shù)應(yīng)用到柴油機(jī)故障診斷中的必要性和可行性,對(duì)柴油機(jī)振動(dòng)信號(hào)進(jìn)行了機(jī)理研究,為實(shí)驗(yàn)的順利進(jìn)行打下基礎(chǔ)。 為了能夠從多方面反映柴油機(jī)的運(yùn)行狀態(tài),首先采用神經(jīng)網(wǎng)絡(luò)方法對(duì)柴油機(jī)振動(dòng)信號(hào)及壓力信號(hào)進(jìn)行特征級(jí)信息融合,研究了BP神經(jīng)網(wǎng)絡(luò)、RBF神經(jīng)網(wǎng)絡(luò)的原理及算法,并針對(duì)RBF神經(jīng)網(wǎng)絡(luò)的不足,提出了一種采用遞階遺傳編碼方案的混合遞階遺傳算法,用該算法優(yōu)化RBF神經(jīng)網(wǎng)絡(luò)的隱含層結(jié)構(gòu)、隱含層中心值、基寬和輸出的線性權(quán)值。分別采用這三種方法進(jìn)行故障診斷,并在Matlab下進(jìn)行仿真,將診斷結(jié)果進(jìn)行比較,驗(yàn)證了遺傳算法優(yōu)化的RBF神經(jīng)網(wǎng)絡(luò)具有訓(xùn)練速度快、精度高的優(yōu)越性。 另外,為了綜合利用多個(gè)傳感器獲得的診斷信息,將遺傳算法優(yōu)化的RBF神經(jīng)網(wǎng)絡(luò)和D-S證據(jù)理論相結(jié)合,針對(duì)振動(dòng)信號(hào)和壓力信號(hào),將特征級(jí)融合結(jié)果構(gòu)建mass函數(shù),進(jìn)行決策級(jí)融合的柴油機(jī)故障診斷,削弱了診斷結(jié)果的不確定度,診斷結(jié)果更加精確。由于D-S證據(jù)理論進(jìn)行信息融合時(shí),只是簡(jiǎn)單地對(duì)證據(jù)進(jìn)行組合,本文采用加權(quán)證據(jù)合成法。當(dāng)進(jìn)行多個(gè)證據(jù)融合時(shí),證據(jù)間的沖突程度用證據(jù)距離和沖突因子綜合起來(lái)表示,之后通過(guò)得到的證據(jù)間的沖突程度的值確定權(quán)重系數(shù),并修正證據(jù)基本信任分配函數(shù)。然后用D-S規(guī)則進(jìn)行合成,故障診斷實(shí)驗(yàn)表明了此方法對(duì)沖突證據(jù)融合的有效性,充分驗(yàn)證了該方法能夠有效提高故障診斷的準(zhǔn)確性和可靠性。
[Abstract]:At present, diesel engine fault diagnosis has become the focus of research at home and abroad. In the fault diagnosis of diesel engine, different fault information can be obtained by multiple sensors. In order to obtain higher accuracy and reliability of fault diagnosis, it is necessary to make full use of the obtained fault information to diagnose the fault of diesel engine. In this paper, the present situation of diesel engine fault diagnosis at home and abroad, the necessity and feasibility of applying information fusion technology to diesel engine fault diagnosis are discussed, and the mechanism of diesel engine vibration signal is studied. To lay a foundation for the smooth progress of the experiment. In order to reflect the running state of diesel engine from many aspects, the characteristic level information fusion of diesel engine vibration signal and pressure signal is carried out by using neural network method, and the principle and algorithm of BP neural network and RBF neural network are studied. Aiming at the deficiency of RBF neural network, a hybrid hierarchical genetic algorithm using hierarchical genetic coding scheme is proposed. The algorithm is used to optimize the structure of hidden layer, the center value of hidden layer, the base width and the linear weight of output of RBF neural network. The three methods are used for fault diagnosis, and the simulation results are carried out under Matlab. The results show that the RBF neural network optimized by genetic algorithm has the advantages of fast training speed and high precision. In addition, in order to synthetically utilize the diagnosis information obtained by multiple sensors, the RBF neural network optimized by genetic algorithm and D-S evidence theory are combined to construct the mass function for vibration signal and pressure signal. The fault diagnosis of diesel engine based on decision level fusion weakens the uncertainty of the diagnosis result and makes the diagnosis more accurate. Since D-S evidence theory is only a simple combination of evidence, the weighted evidence synthesis method is used in this paper. When multiple evidences are fused, the degree of conflict between evidence is expressed by the distance of evidence and the conflict factor, and then the weight coefficient is determined by the value of the degree of conflict between the evidence, and the basic trust distribution function of evidence is modified. Then the D-S rule is used to synthesize and the fault diagnosis experiment shows that this method is effective for conflict evidence fusion and fully proves that the method can effectively improve the accuracy and reliability of fault diagnosis.
【學(xué)位授予單位】：大連海事大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2012
【分類(lèi)號(hào)】：TP202;TK428

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 郭慶春;孔令軍;史永博;崔文娟;張小永;寇立群;;基于神經(jīng)網(wǎng)絡(luò)的入境旅游人數(shù)預(yù)測(cè)[J];價(jià)值工程;2011年25期

2 寧彬;吳釗;周健威;;電子政務(wù)績(jī)效評(píng)價(jià)體系研究[J];電腦知識(shí)與技術(shù);2011年13期

3 黃蓮花;李光明;;神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)融合在車(chē)用傳感器中的應(yīng)用[J];裝備制造技術(shù);2011年08期

4 張國(guó)光;王林山;;一類(lèi)時(shí)滯遞歸神經(jīng)網(wǎng)絡(luò)的魯棒穩(wěn)定性[J];濱州學(xué)院學(xué)報(bào);2011年03期

5 周鳴一;程文清;趙建立;;基于神經(jīng)網(wǎng)絡(luò)的程控交換機(jī)故障診斷方法研究[J];電腦知識(shí)與技術(shù);2011年25期

6 曹婧華;冉彥中;郭金城;;玉米考種系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[J];長(zhǎng)春師范學(xué)院學(xué)報(bào);2011年08期

7 孫海龍;馮超;匙瑞堂;;滾動(dòng)軸承狀態(tài)監(jiān)測(cè)[J];工業(yè)設(shè)計(jì);2011年05期

8 李華;曹曉龍;成江榮;;BP神經(jīng)網(wǎng)絡(luò)在軟件項(xiàng)目風(fēng)險(xiǎn)評(píng)估中的應(yīng)用[J];計(jì)算機(jī)仿真;2011年07期

9 楊鶴年;;機(jī)電一體化系統(tǒng)中的智能控制技術(shù)[J];煤炭技術(shù);2011年07期

10 許杰;程錦房;何光進(jìn);;一種基于艦船磁場(chǎng)的神經(jīng)網(wǎng)絡(luò)識(shí)別模型[J];船電技術(shù);2011年09期

相關(guān)會(huì)議論文 前10條

1 侯艷芳;馮紅梅;;基于神經(jīng)網(wǎng)絡(luò)的調(diào)制識(shí)別算法的研究[A];武漢(南方九省)電工理論學(xué)會(huì)第22屆學(xué)術(shù)年會(huì)、河南省電工技術(shù)學(xué)會(huì)年會(huì)論文集[C];2010年

2 沈建榮;楊林泉;陳琳;;神經(jīng)網(wǎng)絡(luò)的穩(wěn)定性判據(jù)與區(qū)域經(jīng)濟(jì)結(jié)構(gòu)調(diào)整[A];系統(tǒng)工程與可持續(xù)發(fā)展戰(zhàn)略——中國(guó)系統(tǒng)工程學(xué)會(huì)第十屆年會(huì)論文集[C];1998年

3 石山銘;李富蘭;丁俊麗;;神經(jīng)網(wǎng)絡(luò)的知識(shí)獲取[A];全國(guó)青年管理科學(xué)與系統(tǒng)科學(xué)論文集（第1卷）[C];1991年

4 吳清烈;徐南榮;;基于神經(jīng)網(wǎng)絡(luò)的一種多目標(biāo)決策方法[A];復(fù)雜巨系統(tǒng)理論·方法·應(yīng)用——中國(guó)系統(tǒng)工程學(xué)會(huì)第八屆學(xué)術(shù)年會(huì)論文集[C];1994年

5 李曉鐘;汪培莊;羅承忠;;神經(jīng)網(wǎng)絡(luò)與模糊邏輯[A];中國(guó)系統(tǒng)工程學(xué)會(huì)模糊數(shù)學(xué)與模糊系統(tǒng)委員會(huì)第五屆年會(huì)論文選集[C];1990年

6 房育棟;余英林;;高階自組織映射及其學(xué)習(xí)算法[A];1995年中國(guó)控制會(huì)議論文集（上）[C];1995年

7 王曉曄;杜朝輝;呂德忠;劉建峰;;神經(jīng)網(wǎng)絡(luò)模糊控制在溫度控制系統(tǒng)中的應(yīng)用[A];1997中國(guó)控制與決策學(xué)術(shù)年會(huì)論文集[C];1997年

8 金龍;吳建生;;基于遺傳算法的神經(jīng)網(wǎng)絡(luò)短期氣候預(yù)測(cè)模型(摘要)[A];新世紀(jì)氣象科技創(chuàng)新與大氣科學(xué)發(fā)展——中國(guó)氣象學(xué)會(huì)2003年年會(huì)“氣候系統(tǒng)與氣候變化”分會(huì)論文集[C];2003年

9 申偉;張?jiān)��?;基于MATLAB的自適應(yīng)神經(jīng)網(wǎng)絡(luò)模糊系統(tǒng)(ANFIS)的應(yīng)用[A];《制造業(yè)自動(dòng)化與網(wǎng)絡(luò)化制造》學(xué)術(shù)交流會(huì)論文集[C];2004年

10 田艷兵;;BP算法和PSO算法在神經(jīng)網(wǎng)絡(luò)中的研究[A];第二十九屆中國(guó)控制會(huì)議論文集[C];2010年

相關(guān)重要報(bào)紙文章 前10條

1 記者 陳青　通訊員 孫國(guó)根;揭示神經(jīng)網(wǎng)絡(luò)形成新機(jī)制[N];文匯報(bào);2011年

2 于翔;數(shù)字神經(jīng)網(wǎng)絡(luò)中的協(xié)同應(yīng)用[N];網(wǎng)絡(luò)世界;2009年

3 健康時(shí)報(bào)特約記者　 張獻(xiàn)懷;干細(xì)胞移植：修復(fù)受損的神經(jīng)網(wǎng)絡(luò)[N];健康時(shí)報(bào);2006年

4 鄒麗梅 陳耀群;江蘇科大神經(jīng)網(wǎng)絡(luò)應(yīng)用研究通過(guò)鑒定[N];中國(guó)船舶報(bào);2006年

5 記者 孫剛;“神經(jīng)網(wǎng)絡(luò)”：打開(kāi)復(fù)雜工藝“黑箱”[N];解放日?qǐng)?bào);2007年

6 本報(bào)首席記者 任荃　實(shí)習(xí)生 史博臻;軌交“神經(jīng)網(wǎng)絡(luò)”觸動(dòng)創(chuàng)新神經(jīng)[N];文匯報(bào);2011年

7 計(jì)算機(jī)世界實(shí)驗(yàn)室 韓勖;當(dāng)布線系統(tǒng)遭遇神經(jīng)網(wǎng)絡(luò)[N];計(jì)算機(jī)世界;2009年

8 曹建兵 李祖兵 特約記者 何天進(jìn) 本報(bào)記者 于莘明;給導(dǎo)彈植入“神經(jīng)網(wǎng)絡(luò)”[N];科技日?qǐng)?bào);2005年

9 譚薇;“潮濕計(jì)算機(jī)”：擁有人類(lèi)智慧的超級(jí)大腦[N];第一財(cái)經(jīng)日?qǐng)?bào);2010年

10 韓婷婷;ICT強(qiáng)壯奧運(yùn)“神經(jīng)網(wǎng)絡(luò)”[N];通信產(chǎn)業(yè)報(bào);2007年

相關(guān)博士學(xué)位論文 前10條

1 劉志祥;深部開(kāi)采高階段尾砂充填體力學(xué)與非線性?xún)?yōu)化設(shè)計(jì)[D];中南大學(xué);2005年

2 戴雪龍;PET探測(cè)器神經(jīng)網(wǎng)絡(luò)定位方法研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2006年

3 馬戎;智能控制技術(shù)在煉鋼電弧爐中的應(yīng)用研究[D];西北工業(yè)大學(xué);2006年

4 文敦偉;面向多智能體和神經(jīng)網(wǎng)絡(luò)的智能控制研究[D];中南大學(xué);2001年

5 吳大宏;基于遺傳算法與神經(jīng)網(wǎng)絡(luò)的橋梁結(jié)構(gòu)健康監(jiān)測(cè)系統(tǒng)研究[D];西南交通大學(xué);2003年

6 杜文斌;基于神經(jīng)網(wǎng)絡(luò)的冠心病證候診斷標(biāo)準(zhǔn)與藥效評(píng)價(jià)模型研究[D];遼寧中醫(yī)學(xué)院;2004年

7 熊雪梅;參數(shù)化模糊遺傳神經(jīng)網(wǎng)絡(luò)及在植物病害預(yù)測(cè)的應(yīng)用[D];南京農(nóng)業(yè)大學(xué);2004年

8 李智;電站鍋爐燃燒系統(tǒng)優(yōu)化運(yùn)行與應(yīng)用研究[D];東北大學(xué);2005年

9 王承;基于神經(jīng)網(wǎng)絡(luò)的模擬電路故障診斷方法研究[D];電子科技大學(xué);2005年

10 譚陽(yáng)紅;基于小波和神經(jīng)網(wǎng)絡(luò)的大規(guī)模模擬電路故障診斷研究[D];湖南大學(xué);2005年

相關(guān)碩士學(xué)位論文 前10條

1 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

2 楊立儒;基于神經(jīng)網(wǎng)絡(luò)的電路故障診斷的研究與實(shí)現(xiàn)[D];解放軍信息工程大學(xué);2010年

3 劉蘭蘭;基于神經(jīng)網(wǎng)絡(luò)和遺傳算法的H型鋼粗軋工藝參數(shù)優(yōu)化研究[D];山東大學(xué);2011年

4 田鵬明;基于神經(jīng)網(wǎng)絡(luò)的振動(dòng)主動(dòng)控制研究[D];太原理工大學(xué);2012年

5 姜宇;發(fā)動(dòng)機(jī)裂解設(shè)備故障診斷技術(shù)的研究[D];吉林大學(xué);2012年

6 邢遠(yuǎn)凱;基于決策樹(shù)和遺傳算法的神經(jīng)網(wǎng)絡(luò)研究及應(yīng)用[D];浙江大學(xué);2010年

7 高寶建;基于神經(jīng)網(wǎng)絡(luò)的月降水預(yù)報(bào)模型在洪澤湖的應(yīng)用研究[D];南京信息工程大學(xué);2012年

8 陳少華;基于Hopfield神經(jīng)網(wǎng)絡(luò)控制系統(tǒng)的研究[D];山東科技大學(xué);2010年

9 來(lái)建波;基于神經(jīng)網(wǎng)絡(luò)的路段行程時(shí)間預(yù)測(cè)研究[D];云南大學(xué);2011年

10 閆超;基于BP神經(jīng)網(wǎng)絡(luò)的煤礦深埋硐室軟巖流變參數(shù)反演分析[D];安徽理工大學(xué);2011年

，

本文編號(hào)：2394621