基于BP神經(jīng)網(wǎng)絡(luò)的柴油發(fā)動(dòng)機(jī)故障診斷

張松華，陸秀令

（湖南工學(xué)院電氣與信息工程系，湖南衡陽(yáng) 421002）

基于BP神經(jīng)網(wǎng)絡(luò)的柴油發(fā)動(dòng)機(jī)故障診斷

張松華，陸秀令

（湖南工學(xué)院電氣與信息工程系，湖南衡陽(yáng) 421002）

闡述了BP神經(jīng)網(wǎng)絡(luò)模型及原理，提出了基于BP神經(jīng)網(wǎng)絡(luò)的發(fā)動(dòng)機(jī)故障診斷分析方法，在理論分析的基礎(chǔ)上，對(duì)發(fā)動(dòng)機(jī)故障的檢測(cè)和分析進(jìn)行了MATLAB仿真，仿真結(jié)果表明，利用BP神經(jīng)網(wǎng)絡(luò)對(duì)發(fā)動(dòng)機(jī)故障進(jìn)行檢側(cè)具有檢測(cè)精度高、速度快的特點(diǎn).

發(fā)動(dòng)機(jī)；神經(jīng)網(wǎng)絡(luò)；故障診斷

柴油發(fā)動(dòng)機(jī)是一種重要的動(dòng)力來(lái)源，一旦產(chǎn)生故障就可能發(fā)生嚴(yán)重的后果，因此，如何準(zhǔn)確而又快速的分析發(fā)生故障的原因，并進(jìn)行故障類型的有效判斷，具有重要的現(xiàn)實(shí)意義.傳統(tǒng)的故障診斷方法有很多種，如潤(rùn)滑油法、性能參數(shù)法和振動(dòng)噪聲法等［1］.人工神經(jīng)網(wǎng)絡(luò)以大規(guī)模并行處理為特色，具有非常強(qiáng)的容錯(cuò)性和自學(xué)習(xí)能力，非常適合于機(jī)器或工程系統(tǒng)的故障診斷.筆者采用單隱層的BP神經(jīng)網(wǎng)絡(luò)對(duì)提取的故障樣本先進(jìn)行網(wǎng)絡(luò)的訓(xùn)練學(xué)習(xí)，再將訓(xùn)練后的網(wǎng)絡(luò)應(yīng)用于某型號(hào)柴油發(fā)動(dòng)機(jī)的故障診斷［2］，通過(guò)MATLAB仿真結(jié)果分析，可以獲得很好的故障診斷準(zhǔn)確率和效率.

1 BP神經(jīng)網(wǎng)絡(luò)模型及原理

圖1 單隱層BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

BP神經(jīng)網(wǎng)絡(luò)是一種單向傳播的多層神經(jīng)網(wǎng)絡(luò)，一般包括輸入層、隱層、輸出層和前向的相互連接.輸入層和輸出層的神經(jīng)元個(gè)數(shù)由待求的實(shí)際問(wèn)題和樣本的表示方式確定，一個(gè)單隱層BP網(wǎng)絡(luò)可以完成任意的n維到m維的映射，而隱層的神經(jīng)元個(gè)數(shù)一般與問(wèn)題的要求和輸入輸出神經(jīng)元個(gè)數(shù)有關(guān).單隱層BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)如圖1所示.其中：i＝1，2，…；s1；k＝1，2，…，s2；j＝1，2，…，r.

神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)過(guò)程由信息的正向傳遞、誤差計(jì)算和誤差的反向傳播過(guò)程組成，現(xiàn)以單隱層網(wǎng)絡(luò)為例介紹BP網(wǎng)絡(luò)的學(xué)習(xí)過(guò)程.

（1）信息正向傳遞過(guò)程.網(wǎng)絡(luò)的輸入向量為（p1，p2，…，pr），則隱層和輸出層輸入分別為：

其中：W1ij為第j個(gè)輸入層神經(jīng)元到第i個(gè)隱層神經(jīng)元的權(quán)值；Vjn為第i個(gè)隱層神經(jīng)元到第k個(gè)輸出層神經(jīng)元的權(quán)值；b1i和b2k是隱層和輸出層對(duì)應(yīng)神經(jīng)元的閾值.

（3）誤差反向傳遞過(guò)程.根據(jù)（1）式中所計(jì)算出的實(shí)際誤差值與設(shè)定的網(wǎng)絡(luò)目標(biāo)誤差進(jìn)行比較，按照減少目標(biāo)誤差輸出的方向，從輸出層反向逐層修正各層權(quán)值調(diào)整.具體的權(quán)值修正計(jì)算過(guò)程如下：輸出層的權(quán)值修正，其中δki＝（tka2k）·f′2＝ek·f′2，ek＝tk－a2k；輸出層的閾值修正＝η·δki；隱層的權(quán)值修正η·δij·pj，其中δij＝ei·；隱層的閾值修正，Δb1i＝η·δij.

綜上所述，BP算法將實(shí)際問(wèn)題中的輸入向量與輸出向量之間的非線性優(yōu)化問(wèn)題轉(zhuǎn)換為求解神經(jīng)網(wǎng)絡(luò)中的權(quán)值，主要根據(jù)輸入、輸出，利用梯度下降法迭代求得各層節(jié)點(diǎn)之間的權(quán)值，直到達(dá)到目標(biāo)誤差，然后就可以使用訓(xùn)練收斂后的網(wǎng)絡(luò)識(shí)別各種待診斷的故障類型.

2 BP神經(jīng)網(wǎng)絡(luò)在發(fā)動(dòng)機(jī)故障診斷中的應(yīng)用

大型的柴油發(fā)動(dòng)機(jī)是非常復(fù)雜的機(jī)電系統(tǒng)，若采用神經(jīng)網(wǎng)絡(luò)對(duì)整機(jī)進(jìn)行故障診斷，網(wǎng)絡(luò)結(jié)構(gòu)將非常復(fù)雜和龐大，因此根據(jù)故障的層次性特點(diǎn)，可以將整機(jī)分為渦輪增壓系統(tǒng)、燃燒系統(tǒng)、燃油系統(tǒng)和汽缸活塞組件等子系統(tǒng).筆者以其中的渦輪增壓系統(tǒng)故障診斷為例進(jìn)行分析.

2.1 故障樣本的采集與設(shè)計(jì)

根據(jù)對(duì)柴油機(jī)中的渦輪增壓系統(tǒng)工作過(guò)程的分析，確定其中渦輪增壓各部件可能出現(xiàn)故障的位置，作為網(wǎng)絡(luò)的輸出變量，同時(shí)確定用于區(qū)分以上故障的特征變量作為網(wǎng)絡(luò)輸入變量［3－4］.

（1）輸入變量.渦輪增壓系統(tǒng)中可以區(qū)分故障的主要因素可以包括汽缸排氣溫度、各缸平均燃燒最大爆發(fā)壓力、掃氣箱壓力、掃氣箱溫度等10個(gè)工作參數(shù)，選擇其中主要的7個(gè)參數(shù)外加1個(gè)柴油機(jī)負(fù)荷參數(shù)，一共8個(gè)網(wǎng)絡(luò)輸入變量.所選的7個(gè)工作參數(shù)的標(biāo)準(zhǔn)值如下：汽缸排氣溫度30 K；掃氣箱壓0.06 MPa；最大爆發(fā)壓力1 MPa；增壓器轉(zhuǎn)速1 500 r／min；壓氣機(jī)出口溫度30 K；掃氣箱溫度40 K；掃排氣管壓損系數(shù)0.06.若上述7個(gè)工作參數(shù)誤差超過(guò)表中數(shù)據(jù)，則可判斷機(jī)器有故障.

（2）輸出變量.輸出變量即系統(tǒng)要識(shí)別的故障類型變量，包括：正常工況（無(wú)故障）F1；增壓器效率下降（壓氣機(jī)、透平或機(jī)械效率下降等）F2；空冷器傳熱F3；透平保護(hù)格柵阻塞F4；透平通流部分阻塞F5.其取值范圍為［0，1］，0表示無(wú)此故障，0.5表示故障中等，1表示該故障嚴(yán)重.其中網(wǎng)絡(luò)的輸出變量包括F1到F5.表1給出了環(huán)境溫度為288 K時(shí)的9組故障樣本數(shù)據(jù).

表1 故障樣本數(shù)據(jù)

2.2 網(wǎng)絡(luò)訓(xùn)練與診斷測(cè)試

根據(jù)上述確定的輸入變量和輸出變量，用于診斷的BP網(wǎng)絡(luò)輸入層神經(jīng)元8個(gè)，輸出層神經(jīng)元5個(gè)，隱含層的神經(jīng)元似于17個(gè)，隱含層的神經(jīng)元數(shù)目可以通過(guò)實(shí)際訓(xùn)練的檢驗(yàn)來(lái)不斷調(diào)整.系統(tǒng)利用以下代碼來(lái)創(chuàng)建所設(shè)計(jì)的網(wǎng)絡(luò)：

Threshold＝［0 1；0 1；0 1；0 1；0 1；0 1；0 1；0 1］%確定網(wǎng)絡(luò)輸入向量范圍

net＝newff（threshold，［17，5］｛‘tansig’，’logsig’｝，’traingda’）%設(shè)計(jì)需要的BP網(wǎng)絡(luò)

利用以下代碼來(lái)訓(xùn)練和測(cè)試網(wǎng)絡(luò)：

net＝train（net，P，T）；%訓(xùn)練網(wǎng)絡(luò)

Y＝sim（net，P＿test）；%測(cè)試網(wǎng)絡(luò)

2.3 網(wǎng)絡(luò)訓(xùn)練與診斷測(cè)試結(jié)果

采用MATLAB對(duì)所設(shè)計(jì)的系統(tǒng)進(jìn)行仿真，網(wǎng)絡(luò)的訓(xùn)練誤差收斂曲線如圖2所示.圖2曲線表明：所設(shè)計(jì)的網(wǎng)絡(luò)經(jīng)過(guò)160步后達(dá)到目標(biāo)誤差，并且整個(gè)過(guò)程收斂性能良好，收斂速度較快.

系統(tǒng)通過(guò)3組新的實(shí)際數(shù)據(jù)對(duì)已訓(xùn)練好的網(wǎng)絡(luò)進(jìn)行診斷測(cè)試，測(cè)試網(wǎng)絡(luò)是否可以準(zhǔn)確判斷系統(tǒng)故障.測(cè)試樣本數(shù)據(jù)如表2所示，故障理想輸出和網(wǎng)絡(luò)的測(cè)試結(jié)果

如表3所示.

從表2，3中網(wǎng)絡(luò)的測(cè)試結(jié)果可以看出：3組測(cè)試樣本對(duì)

應(yīng)的故障類型分別是F2有嚴(yán)重故障，F(xiàn)3有中等故障，F(xiàn)4有

嚴(yán)重故障，與理想輸出所對(duì)應(yīng)的故障類型完全一致.因此，采

用所設(shè)計(jì)的網(wǎng)絡(luò)可以進(jìn)行柴油機(jī)渦輪增壓系統(tǒng)的實(shí)際故障診

斷，能達(dá)到了很高的故障診斷精度.

表2 測(cè)試樣本

圖2 診斷網(wǎng)絡(luò)的訓(xùn)練誤差截圖

表3 診斷結(jié)果

［1］ 李 濤，李艾華，徐 斌，等.統(tǒng)計(jì)模擬在氣閥機(jī)構(gòu)故障診斷中的應(yīng)用［J］.內(nèi)然機(jī)工程，2005，26（2）：72－75.

［2］ 紹向潮，何永強(qiáng)，蔡 娟，等.基于RBF神經(jīng)網(wǎng)絡(luò)的溫度傳感器故障診斷［J］.吉首大學(xué)學(xué)報(bào)：自然科學(xué)版，2010，31（2）：79－82.

［3］ 劉建敏，李曉磊，喬新勇.基于工作參數(shù)的柴油機(jī)故障診斷方法［J］.數(shù)據(jù)采集與處理，2009，24（10）：196－199.

［4］ 飛思科技產(chǎn)品研發(fā)中心.MATLAB6.5輔助神經(jīng)網(wǎng)絡(luò)分析與設(shè)計(jì)［M］.北京：電子工業(yè)出版社，2003.

Diagnosis of Diesel Engine Failures Based on BP Neural Network Based on BP Neural Network

ZHANG Song－h(huán)ua，LU Xiu－ling
（Department of Electrical and Information Engineering，Hunan Institute of Technology，Hengyang 421002，Hunan China）

System of diesel engine failure diagnosis and diagnosis method based on BP neural network are explained in this paper.According to the theoretical analysis，test and analysis of engine failure are simulated by MATLAB.Simulation result proves that this method can improve the fault diagnosis accuracy and convergence rate.

engine；neural network；failure diagnosis

book=69,ebook=171

TK421.8

A

10.3969／j.issn.1007－2985.2012.04.015

（責(zé)任編輯 陳炳權(quán)）

1007－2985（2012）04－0069－03

2012－03－26

湖南省教育廳科學(xué)研究項(xiàng)目（08C245）；湖南省教育廳教研教改項(xiàng)目（湘教通［2010］243）；衡陽(yáng)市科學(xué)技術(shù)

發(fā)展項(xiàng)目（2010KG056）；湖南工學(xué)院科學(xué)研究項(xiàng)目（HY10008）；湖南工學(xué)院質(zhì)量工程建設(shè)項(xiàng)目（A1125）

張松華（1980－），女，湖南新化人，湖南工學(xué)院電氣與信息工程系講師，主要從事通信，電子信息，Lab VIEW

虛擬平臺(tái)建設(shè)，神經(jīng)網(wǎng)絡(luò)應(yīng)用等研究.