胡浩帆
(中遠(yuǎn)海運特種運輸股份有限公司,廣州 510623)
由于柴油機(jī)運轉(zhuǎn)部件表面之間的相對運動,將不可避免地導(dǎo)致部件的磨損,并且磨損量將隨著時間而逐漸增加,對柴油發(fā)動機(jī)部件的磨損狀況進(jìn)行監(jiān)測和預(yù)報,可提高其運行可靠性。《油液分析在船用動力系統(tǒng)狀態(tài)監(jiān)測中的應(yīng)用》中,描述了油液分析技術(shù)對船用動力系統(tǒng)進(jìn)行狀態(tài)監(jiān)測的方法;《基于光譜-鐵譜分析的航空發(fā)動機(jī)磨損故障診斷應(yīng)用研究》中,提出了通過對滑油進(jìn)行光譜分析能夠發(fā)現(xiàn)監(jiān)測油樣中的超標(biāo)元素,對滑油光譜分析與機(jī)械故障間的關(guān)系進(jìn)行了研究。但是尚未有結(jié)合滑油成分含量統(tǒng)計數(shù)據(jù),對柴油機(jī)零件的磨損狀況進(jìn)行分析的理論與方法。本文基于對柴油機(jī)潤滑油的光譜分析法,通過工神經(jīng)網(wǎng)絡(luò)來分析柴油機(jī)零件的磨損狀況。
潤滑油帶有大量的柴油機(jī)內(nèi)部零部件磨損信息,通過對滑油效能的分析可以間接的判斷零部件的磨損狀況,監(jiān)控和預(yù)測其磨損故障;針對零部件磨損問題的油液分析,可以采用滑油光譜分析、自動磨粒分析、滑油鐵譜分析以及掃描電子顯微鏡—能譜分析,這些方法各具優(yōu)缺點。
磨損監(jiān)測框圖,如圖1所示。
圖1 磨損監(jiān)測功能圖
采用三層BP神經(jīng)網(wǎng)絡(luò)作為例子。網(wǎng)絡(luò)輸入一個長度為N的向量,經(jīng)過加乘權(quán)值后輸出一個長度為J的向量;每一層的輸入和輸出用x和y表示,輸入層第一個神經(jīng)元的輸入可以表示為x1N,網(wǎng)絡(luò)的輸出為:
采用BP人工神經(jīng)網(wǎng)絡(luò)對滑油數(shù)據(jù)進(jìn)行分析。診斷柴油機(jī)磨損故障的關(guān)鍵,是對神經(jīng)網(wǎng)絡(luò)的訓(xùn)練。其訓(xùn)練過程為:利用已知數(shù)據(jù)訓(xùn)練神經(jīng)網(wǎng)絡(luò),在達(dá)到設(shè)定值后訓(xùn)練結(jié)束,構(gòu)建故障向量與其特征值之間非線性映射,完成對神經(jīng)網(wǎng)絡(luò)的訓(xùn)練;然后將待測數(shù)據(jù)經(jīng)處理后輸入到已訓(xùn)練好的網(wǎng)絡(luò)中,得出一組輸出向量,再與不同故障的特征向量對比分析,可實現(xiàn)對故障類型的診斷。故障診斷流程圖,如圖2所示。
圖2 故障診斷流程圖
(1)在設(shè)計BP神經(jīng)網(wǎng)絡(luò)模型前,需首先確定網(wǎng)絡(luò)的基本結(jié)構(gòu),該問題尚未有明確的選擇方法或選擇體系。但已知,任何區(qū)間上的連續(xù)函數(shù),均可通過單隱含層的BP網(wǎng)絡(luò)構(gòu)建擬合模型,單隱含層的三層BP神經(jīng)網(wǎng)絡(luò)即可完成X維到Y(jié)維映射的功能。
樣本數(shù)量十分龐大,增加一個隱含層對縮減神經(jīng)網(wǎng)絡(luò)的規(guī)模會有十分顯著的效果。精準(zhǔn)對柴油機(jī)磨損故障的診斷,樣本數(shù)量應(yīng)適中,本文選擇構(gòu)建單一隱含層的三層神經(jīng)網(wǎng)絡(luò)。
(2)輸入層節(jié)點數(shù)往往由輸入向量的維數(shù)決定,與網(wǎng)絡(luò)所解決的實際問題密切相關(guān)。本文通過神經(jīng)網(wǎng)絡(luò)構(gòu)建滑油效能數(shù)據(jù)與柴油機(jī)運行狀況的非線性映射,由于輸入的每個向量都由19個元素構(gòu)成,所以得出的特征向量均為19維向量,由此可確定神經(jīng)網(wǎng)絡(luò)的輸入層節(jié)點數(shù)為19。
輸出層神經(jīng)元的個數(shù)同樣依賴于對實際問題的分析。在模式分類中,輸出神經(jīng)元個數(shù)通常與類別數(shù)量相同,故本文中輸出神經(jīng)元個數(shù)設(shè)為1。
(3)隱含層節(jié)點數(shù)的確定
隱含層節(jié)點數(shù)選擇的合理性,對BP人工神經(jīng)網(wǎng)絡(luò)性能的影響十分巨大。較多的隱含層節(jié)點數(shù),可以顯著的提高神經(jīng)網(wǎng)絡(luò)的準(zhǔn)度,但同時會使網(wǎng)絡(luò)訓(xùn)練時間加長;節(jié)點數(shù)較少,其診斷則誤差較大。
確定隱含層節(jié)點數(shù)的方法,是依靠經(jīng)驗公式得出一個估計值,在一定范圍內(nèi)進(jìn)行反復(fù)測試,確定可以使神經(jīng)網(wǎng)絡(luò)達(dá)到理想準(zhǔn)度的節(jié)點數(shù)。本文選用的經(jīng)驗公式為:
根據(jù)公式(12),歸一化處理后可將待輸入數(shù)據(jù)限定在[0,1]之間。
(5)網(wǎng)絡(luò)構(gòu)建函數(shù)的選擇
針 對newff、feedforwardnet、newcf、cascadeforwardnet四種函數(shù),分別構(gòu)建神經(jīng)網(wǎng)絡(luò)模型并進(jìn)行模擬,得到四組不同的收斂過程和收斂曲線,比較四種函數(shù)所構(gòu)成神經(jīng)網(wǎng)絡(luò)的迭代次數(shù)以及誤差。
為保證四種函數(shù)訓(xùn)練所得網(wǎng)絡(luò)的可比性,均采用同一組訓(xùn)練數(shù)據(jù),訓(xùn)練函數(shù)均采用trainbfg函數(shù)、學(xué)習(xí)函數(shù)為learngdm、性能函數(shù)采用mse函數(shù),最大迭代次數(shù)為500次,誤差值設(shè)為0.000 1、學(xué)習(xí)率為0.01。比較結(jié)果,如表1所列。
表1 不同構(gòu)建函數(shù)對應(yīng)訓(xùn)練數(shù)據(jù)
根據(jù)表1中四種函數(shù)來看,本文選用feedforwardnet函數(shù)構(gòu)建神經(jīng)網(wǎng)絡(luò)。
圖3 網(wǎng)絡(luò)結(jié)構(gòu)圖
圖4 誤差分析
利用一系列數(shù)據(jù),檢驗本文設(shè)計的BP神經(jīng)網(wǎng)絡(luò)的實際診斷效果。根據(jù)診斷結(jié)果,經(jīng)神經(jīng)網(wǎng)絡(luò)預(yù)測診斷后,決定系數(shù)R均在0.85以上,證明本文所構(gòu)建的BP神經(jīng)網(wǎng)絡(luò),可以較精確地依據(jù)滑油效能數(shù)據(jù)診斷柴油機(jī)磨損故障。
為了實現(xiàn)神經(jīng)網(wǎng)絡(luò)以及仿真過程的可視化,將Matlab中訓(xùn)練成功的神經(jīng)網(wǎng)絡(luò)在Simulink中以模塊的形式輸出。
利用Simulink中Random Number模塊模擬真實滑油效能數(shù)據(jù),組成一個有19個元素構(gòu)成的向量作為待測數(shù)據(jù),這19個向量分別對應(yīng)滑油中Fe、Cr、Pb以及水分等元素的含量.在構(gòu)建Random Number模塊時,設(shè)置各種元素含量在正常范圍內(nèi)。
采用GUI構(gòu)建系統(tǒng)界面。為保證系統(tǒng)可對某一元素超出正常范圍進(jìn)行模擬,在Random Number模塊前插入constant值改變輸出值,將界面按鈕與模塊連接,實現(xiàn)GUI對Simulink模塊中的constant的參數(shù)控制,達(dá)到模擬故障數(shù)據(jù)的目的。
基于滑油效能對柴油機(jī)零件磨損狀況進(jìn)行研究,依據(jù)基于效能數(shù)據(jù)結(jié)合人工神經(jīng)網(wǎng)絡(luò),通過監(jiān)測診斷柴油機(jī)運行狀況對其零件磨損狀況做出判斷,利用BP神經(jīng)網(wǎng)絡(luò)可以較精確地依據(jù)滑油效能數(shù)據(jù)診斷柴油機(jī)磨損故障,構(gòu)建柴油機(jī)零件磨損情況診斷模擬系統(tǒng),對通過滑油效能研究柴油機(jī)零件磨損情況的仿真模擬提供幫助。