基于BP神经网络的发动机故障诊断研究
|
摘要
柴油机是许多设备和军事装备的心脏，保证其良好的工作状态对维护其整体工作效率是至关重要的。目前柴油机故障诊断多利用台架试验法，此方法耗时长，台架结构庞大，造价高，难以在应用部门推广。而且由于此类复杂机械的非稳态多元激励特性、时变传递路径特性以及复杂运行机理等因素，使得这一研究方向具有相当的难度。
本文在分析了国内外柴油机故障诊断研究现状的基础上，给出了一种通过燃油压力信号来进行柴油机故障诊断的设计方案。
燃油喷射系统是柴油机的心脏部分，其工作质量直接影响柴油机工作过程及整机性能，决定柴油机的经济性和可靠性。同时，它又是柴油机的主要故障源。而燃油喷射系统的状态信息主要体现在高压油管的压力波形中，当某处发生故障时，必然使原有供油状态发生变化，燃油流动的压力和流速等参数会有相应的改变，反映在压力波形上将导致波形形态和波形参数值的变化。
本文所提出的柴油机故障诊断方法是：利用传感器测出燃油压力信号，根据燃油压力信号绘制出燃油压力波形，并且提取出特征参数，再将这些特征参数当作BP神经网络的输入样本，并利用LM改进学习算法训练所建立的BP神经网络，然后利用训练好的神经网络进行柴油机故障诊断，得出诊断结果。这种方法不仅大大简化了故障诊断的方法，而且还使故障诊断具有人工智能化。
仿真试验表明，基于神经网络的故障诊断结果与实测值具有良好的一致性，只要选择足够典型的原始故障样本训练BP神经网络，网络的容错性和稳定性就较好。针对设备运行的复杂性，仅选用单一的诊断参数往往会做出错误的判断，而基于神经网络的故障模式识别方法能充分利用信息特征，实现输人与输出之间的映射关系，得出准确的诊断结果。人工神经网络为状态监测和故障诊断提供了新的理论方法和技术手段，这种故障诊断方法完全可用于柴油机、大型旋转机组等的故障诊断，因而具有广泛的应用前景。
The diesel engine is the heart of many equipment and the military equipment, so it is important to ensure its well working condition and maintains its whole working efficiency. At present, diesel engine fault diagnosis most use the method of gantry testing, but this method need to keep long time and huge structure and high cost, so it is difficulty in promoting the application. Moreover, as such complex mechanical multi-state excitation and operation mechanism and time-varying and other factors enables this research direction to have the suitable difficulty.
Based on the analysis of the domestic and foreign research about diesel engine fault diagnosis at the current status, it gives a design proposal in this paper to carry on the diesel engine fault diagnosis through the fuel pressure signal.
The fuel injection system is part of the heart of diesel engine. Its work quality has the directly influence about the diesel engine work process and entire machine performance, and it decides the efficiency and the reliability about diesel engine. Meanwhile, it is the main diesel engine failure source. The state information of fuel injection system is mainly manifested in the high-pressure oil pipe profile, When somewhere breaks down, it must causes the original feed condition to change inevitably, and the pressure and speed of the fuel oil flow must be changed corresponding and so on. All of reflections will lead to change the parameters and shapes of the pressure waveform.
In this paper, it proposed the method of diesel engine fault diagnosis is: first, determines the fuel pressure signal using the sensor; second, draws up the fuel pressure profile according to the fuel pressure signal, and withdraws the characteristic parameter; third, treats these
本文在分析了国内外柴油机故障诊断研究现状的基础上，给出了一种通过燃油压力信号来进行柴油机故障诊断的设计方案。
燃油喷射系统是柴油机的心脏部分，其工作质量直接影响柴油机工作过程及整机性能，决定柴油机的经济性和可靠性。同时，它又是柴油机的主要故障源。而燃油喷射系统的状态信息主要体现在高压油管的压力波形中，当某处发生故障时，必然使原有供油状态发生变化，燃油流动的压力和流速等参数会有相应的改变，反映在压力波形上将导致波形形态和波形参数值的变化。
本文所提出的柴油机故障诊断方法是：利用传感器测出燃油压力信号，根据燃油压力信号绘制出燃油压力波形，并且提取出特征参数，再将这些特征参数当作BP神经网络的输入样本，并利用LM改进学习算法训练所建立的BP神经网络，然后利用训练好的神经网络进行柴油机故障诊断，得出诊断结果。这种方法不仅大大简化了故障诊断的方法，而且还使故障诊断具有人工智能化。
仿真试验表明，基于神经网络的故障诊断结果与实测值具有良好的一致性，只要选择足够典型的原始故障样本训练BP神经网络，网络的容错性和稳定性就较好。针对设备运行的复杂性，仅选用单一的诊断参数往往会做出错误的判断，而基于神经网络的故障模式识别方法能充分利用信息特征，实现输人与输出之间的映射关系，得出准确的诊断结果。人工神经网络为状态监测和故障诊断提供了新的理论方法和技术手段，这种故障诊断方法完全可用于柴油机、大型旋转机组等的故障诊断，因而具有广泛的应用前景。
The diesel engine is the heart of many equipment and the military equipment, so it is important to ensure its well working condition and maintains its whole working efficiency. At present, diesel engine fault diagnosis most use the method of gantry testing, but this method need to keep long time and huge structure and high cost, so it is difficulty in promoting the application. Moreover, as such complex mechanical multi-state excitation and operation mechanism and time-varying and other factors enables this research direction to have the suitable difficulty.
Based on the analysis of the domestic and foreign research about diesel engine fault diagnosis at the current status, it gives a design proposal in this paper to carry on the diesel engine fault diagnosis through the fuel pressure signal.
The fuel injection system is part of the heart of diesel engine. Its work quality has the directly influence about the diesel engine work process and entire machine performance, and it decides the efficiency and the reliability about diesel engine. Meanwhile, it is the main diesel engine failure source. The state information of fuel injection system is mainly manifested in the high-pressure oil pipe profile, When somewhere breaks down, it must causes the original feed condition to change inevitably, and the pressure and speed of the fuel oil flow must be changed corresponding and so on. All of reflections will lead to change the parameters and shapes of the pressure waveform.
In this paper, it proposed the method of diesel engine fault diagnosis is: first, determines the fuel pressure signal using the sensor; second, draws up the fuel pressure profile according to the fuel pressure signal, and withdraws the characteristic parameter; third, treats these
引文
[1] 孙即祥．现代模式识别．国防科技大学出版社，2001．5
[2] 李国勇．智能控制及其MATLAB实现．电子工业出版社，2005，5
[3] 朱博，胡燕，赵永标．人工神经网络在故障诊断系统中的应用．舰船电子工程，2005，1：91～95
[4] 胡守仁等．神经网络导论．国防科技大学出版社，1993
[5] 焦李成．神经网络系统理论．西安电子科技大学出版社，1990
[6] 张立明．人工神经网络的模型及其应用[M]．复旦大学出版社，1988
[7] 王道平等．故障智能诊断系统的理论与方法[M]．冶金工业出版社，1990
[8] 刘建新，谈荣望．利用瞬态转速波动进行内燃机故障诊断的试验方法．内燃机车，1993，4：31～36
[9] 李建秋，欧阳明高．汽车发动机瞬时转速信号波动规律分析．内燃机学报，1999，17(4)：1～5
[10] 刘建敏．检测柴油机燃油系统故障的新方法．内燃机工程，1993，14(3)
[11] 李焕良等．基于BP神经网络的电气系统故障诊断。起重运输机械，2005，6：55～56
[12] 陈祥初，张振仁，王继杰等．柴油机转速的测量与应用．小型内燃机，1995，24：6～10
[13] 吴今培，肖健华．智能故障诊断与专家系统[M]．科学出版社，1997
[14] 杨行峻，郑君里．人工神经网络．高等教育出版社，1991
[15] 颜延虎，钟秉林，黄仁．神经网络技术及其在旋转机械故障诊断中的应用．振动工程学报，1993，6(3)
[16] 穆志纯，徐雪艳，闰铁梁．利用双BP法提高BP网络的泛化能力．模式识别与人工智能，1995，8(1)
[17] 李学桥，马莉．神经网络工程应用．重庆大学出版社，1996
[18] 陈树越，余红英，刘广璞．BP网络算法及其在故障诊断中的应用述评．振动、测试与诊断，2001，(6)
[19] 王俊生．柴油发动机燃油系统的故障分析研究．山西建筑，2003，4：250
[20] 林荣文，董锡明．柴油机高压油管压力波数字信号的采集、处理和仿真及故障辨识的研究．中国铁道科学，2001，4：133～134
[21] 吴波，吴功平．柴油机喷油系统压力波形的特征抽取及描述方法．震动工程学报，1992，3：34～40
[22] 吴波，吴功平．柴油机喷油系统压力波形的分析方法．郑州工学院学报，1991，3：20～25
[23] 廖素兰，韩志奎．柴油机燃油压力波形的变化规律与数据特征．移动电源与车辆，1999，4：20～23
[24] 张兴华等．表征内燃机不同特征的检测技术研究．山东内燃机，1998，3
[25] 郭其一，陈邦兴，卢桂章，赵新．故障诊断中的控制策略问题．信号与控制，2000，6
[26] 屈梁生，何正嘉．机械故障诊断学．上海科学技术出版社，1986
[27] 王学合，黄震，范荫．柴油机故障灰色诊断系统研究．柴油机，2000，5
[28] 刘建敏，骆清国，郑晓江，尹胜波．柴油机燃油喷射系统技术状况不解体检测仪的研制．内燃机工程，2000，1
[29] 刘建敏等．影响燃油喷射系统不解体测量电压波的因素研究．柴油机，2000，2
[30] 李晓东．高压油管压力波形测试新方法．柴油机设计与制造，1993，2：43～45
[31] 刘同锋，赵树州，王红克。根据喷油压力波形特征判断燃油喷射装置故障部位．内燃机车，2001，12：28～30
[32] 乔新勇，刘东利，康葳，张小明．基于压力波的柴油机喷油器故障诊断研究．无损检测NDT，2004，4：180～183
[33] 董学刚．燃油压力波检测在机车柴油机故障判断上的应用．内燃机车，2002，7：25～27
[34] 虞和济，陈长征，张省，周建男．基于神经网络的职能诊断．冶金工业出版社，2000，5
[35] 张玲，张钹．人工神经网络理论及应用．浙江科学技术出版社，1997，5
[36] 程瑞琪．人工神经网络技术在设备故障诊断中的应用．机械研究与应用， 1999，12：13～14
[37] 黄德双．神经网络模式识别系统理论．电子工业出版社，1996
[38] 靳蕃．神经网络学习样本的研究．98中国神经网络会议文集，1998：167～171
[39] 王江萍，屈梁生．柴油机故障诊断技术的现状与展望．机械科学与技术，1997，5：878～882
[40] 田有为，沈沉，张西振．柴油机故障诊断系统．辽宁省交通高等专科学校学报，2004，9：48～49
[41] 龚金科，刘孟祥，刘湘玲．柴油机工作过程数学模拟．移动电源与车辆，2002，2：11～13
[42] 卢士亮，杨海鹏，侯军兴．汽车故障诊断技术的探讨．科技论坛，2005，12：45
[43] 肖淑梅，贾民平．现代汽车状态检测和故障诊断技术及其发展．扬州职业大学学报，2005，6：53～56
[44] 飞思科技产品研发中心．神经网络理论与MATLAB7实现．电子工业出版社，2005，3
[45] 飞思科技产品研发中心．MATLAB7辅助控制系统设计与仿真．电子工业出版社，2005，3
[46] 田有为．基于可靠性方法的柴油机故障机理研究．东北大学硕士学位论文，2003
[47] 孙刚直．喷柴油机喷油器早期故障分析及其对发动机性能影响的研究．河南科技大学硕士学位论文，2004，5
[2] 李国勇．智能控制及其MATLAB实现．电子工业出版社，2005，5
[3] 朱博，胡燕，赵永标．人工神经网络在故障诊断系统中的应用．舰船电子工程，2005，1：91～95
[4] 胡守仁等．神经网络导论．国防科技大学出版社，1993
[5] 焦李成．神经网络系统理论．西安电子科技大学出版社，1990
[6] 张立明．人工神经网络的模型及其应用[M]．复旦大学出版社，1988
[7] 王道平等．故障智能诊断系统的理论与方法[M]．冶金工业出版社，1990
[8] 刘建新，谈荣望．利用瞬态转速波动进行内燃机故障诊断的试验方法．内燃机车，1993，4：31～36
[9] 李建秋，欧阳明高．汽车发动机瞬时转速信号波动规律分析．内燃机学报，1999，17(4)：1～5
[10] 刘建敏．检测柴油机燃油系统故障的新方法．内燃机工程，1993，14(3)
[11] 李焕良等．基于BP神经网络的电气系统故障诊断。起重运输机械，2005，6：55～56
[12] 陈祥初，张振仁，王继杰等．柴油机转速的测量与应用．小型内燃机，1995，24：6～10
[13] 吴今培，肖健华．智能故障诊断与专家系统[M]．科学出版社，1997
[14] 杨行峻，郑君里．人工神经网络．高等教育出版社，1991
[15] 颜延虎，钟秉林，黄仁．神经网络技术及其在旋转机械故障诊断中的应用．振动工程学报，1993，6(3)
[16] 穆志纯，徐雪艳，闰铁梁．利用双BP法提高BP网络的泛化能力．模式识别与人工智能，1995，8(1)
[17] 李学桥，马莉．神经网络工程应用．重庆大学出版社，1996
[18] 陈树越，余红英，刘广璞．BP网络算法及其在故障诊断中的应用述评．振动、测试与诊断，2001，(6)
[19] 王俊生．柴油发动机燃油系统的故障分析研究．山西建筑，2003，4：250
[20] 林荣文，董锡明．柴油机高压油管压力波数字信号的采集、处理和仿真及故障辨识的研究．中国铁道科学，2001，4：133～134
[21] 吴波，吴功平．柴油机喷油系统压力波形的特征抽取及描述方法．震动工程学报，1992，3：34～40
[22] 吴波，吴功平．柴油机喷油系统压力波形的分析方法．郑州工学院学报，1991，3：20～25
[23] 廖素兰，韩志奎．柴油机燃油压力波形的变化规律与数据特征．移动电源与车辆，1999，4：20～23
[24] 张兴华等．表征内燃机不同特征的检测技术研究．山东内燃机，1998，3
[25] 郭其一，陈邦兴，卢桂章，赵新．故障诊断中的控制策略问题．信号与控制，2000，6
[26] 屈梁生，何正嘉．机械故障诊断学．上海科学技术出版社，1986
[27] 王学合，黄震，范荫．柴油机故障灰色诊断系统研究．柴油机，2000，5
[28] 刘建敏，骆清国，郑晓江，尹胜波．柴油机燃油喷射系统技术状况不解体检测仪的研制．内燃机工程，2000，1
[29] 刘建敏等．影响燃油喷射系统不解体测量电压波的因素研究．柴油机，2000，2
[30] 李晓东．高压油管压力波形测试新方法．柴油机设计与制造，1993，2：43～45
[31] 刘同锋，赵树州，王红克。根据喷油压力波形特征判断燃油喷射装置故障部位．内燃机车，2001，12：28～30
[32] 乔新勇，刘东利，康葳，张小明．基于压力波的柴油机喷油器故障诊断研究．无损检测NDT，2004，4：180～183
[33] 董学刚．燃油压力波检测在机车柴油机故障判断上的应用．内燃机车，2002，7：25～27
[34] 虞和济，陈长征，张省，周建男．基于神经网络的职能诊断．冶金工业出版社，2000，5
[35] 张玲，张钹．人工神经网络理论及应用．浙江科学技术出版社，1997，5
[36] 程瑞琪．人工神经网络技术在设备故障诊断中的应用．机械研究与应用， 1999，12：13～14
[37] 黄德双．神经网络模式识别系统理论．电子工业出版社，1996
[38] 靳蕃．神经网络学习样本的研究．98中国神经网络会议文集，1998：167～171
[39] 王江萍，屈梁生．柴油机故障诊断技术的现状与展望．机械科学与技术，1997，5：878～882
[40] 田有为，沈沉，张西振．柴油机故障诊断系统．辽宁省交通高等专科学校学报，2004，9：48～49
[41] 龚金科，刘孟祥，刘湘玲．柴油机工作过程数学模拟．移动电源与车辆，2002，2：11～13
[42] 卢士亮，杨海鹏，侯军兴．汽车故障诊断技术的探讨．科技论坛，2005，12：45
[43] 肖淑梅，贾民平．现代汽车状态检测和故障诊断技术及其发展．扬州职业大学学报，2005，6：53～56
[44] 飞思科技产品研发中心．神经网络理论与MATLAB7实现．电子工业出版社，2005，3
[45] 飞思科技产品研发中心．MATLAB7辅助控制系统设计与仿真．电子工业出版社，2005，3
[46] 田有为．基于可靠性方法的柴油机故障机理研究．东北大学硕士学位论文，2003
[47] 孙刚直．喷柴油机喷油器早期故障分析及其对发动机性能影响的研究．河南科技大学硕士学位论文，2004，5