地下无轨设备柴油机故障诊断专家系统的研究

论文摘要

本文介绍的柴油机故障诊断专家系统是一套专用于德国道依茨公司F10L413W型柴油机的在线实时自动化故障诊断系统。它是为国内某公司新近推出的一款大吨位无轨矿运卡车所开发的故障诊断专家系统中的一个核心子模块。首先主要针对F10L413W的16种故障的机理作了定性分析并选定了9个特征参数。结合F10L413W的实际情况列出了这9个特征参数和16种故障间的关联程度。针对16种故障中的5种分别应用BP、RBF、GRNN、PNN、ELman、CHNN、自组织竞争网络、SOFM、LVQ、CPN、ART-2共11种神经网络搭建了11个神经网络故障诊断专家系统。训练、测试，对测试结果结合本系统的实际情况进行了细致深入的分析。在从诊断准确率、训练时间、诊断分辨率、泛化能力等四个方面对以上11个神经网络故障诊断专家系统进行了对比之后，决定基于唯一在以上四个方面都达到最优并且非常贴合本系统实际情况的PNN来进行开发。在分析了故障样本的确定方式之后，作为对比，首先在不考虑故障先验概率、风险系数的情况下给出了48组训练样本、48组测试样本，搭建、训练、测试了第一个基于PNN的F10L413W型柴油机故障诊断专家系统。并改变网络径向基层散布常数SPREAD，观察诊断准确率的变化。随后，在考虑先验概率、风险系数的情况下给出了79组训练样本、48组测试样本（与第一个系统的测试样本相同），搭建、训练、测试了第二个基于PNN的F10L413W型柴油机故障诊断专家系统。同样改变SPREAD，观察诊断结果变化。发现最高诊断准确率由第一个系统的97．92％降低到了93．75％。在测试时同样考虑先验概率的情况下重新给出了79组测试样本（由上述测试样本变换而来），再次对第二个系统进行了测试，发现系统在SPREAD=0．065时准确率达到最高96．20％仅比第一个系统低了不到两个百分点。这主要是由于训练样本和测试样本的有限性所造成。本系统最终选用了第二套基于PNN的F10L413W型柴油机故障诊断专家系统。因为它更符合散布常数理论，贴合实际。并且风险系数的引入也有力地保障了对高风险系数故障的高诊断准确率。在本文结尾，对本套基于PNN的F10L413W型柴油机故障诊断专家系统的实现也作了相应的介绍。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 课题背景
• 1.2 故障诊断技术现状
• 1.2.1 故障诊断技术的意义与目的
• 1.2.2 在线故障诊断主要方法
• 1.3 本文主要研究内容与方法
• 1.3.1 柴油机故障机理分析
• 1.3.2 特征参数选取
• 1.3.3 各种神经网络故障诊断专家系统性能分析
• 1.3.4 基于 PNN 的柴油机故障诊断专家系统的实现
• 第二章 柴油机故障机理分析与特征参数的确定
• 2.1 气缸压缩压力不足
• 2.1.1 气门密封性不好，产生漏气
• 2.1.2 气缸套与活塞环配合密封性不好
• 2.1.3 气缸垫烧损
• 2.1.4 曲轴轴颈与轴承磨损严重
• 2.2 燃油系统故障
• 2.2.1 喷油器雾化不良
• 2.2.2 供油提前角过大或过小
• 2.2.3 喷油泵不供油
• 2.2.4 柱塞偶件或出油阀偶件磨损
• 2.3 润滑系统故障
• 2.3.1 机油泵故障
• 2.4 其它故障
• 2.5 特征参数的选取
• 2.5.1 缸内燃烧压力
• 2.5.2 振动信号
• 2.5.3 本系统特征参数的选取
• 第三章 神经网络专家系统基本原理
• 3.1 神经网络确定性数学模型
• 3.2 神经网络学习过程
• 3.3 神经网络专家系统概述
• 第四章 11种柴油机神经网络故障诊断专家系统的分析
• 4.1 BP 网络故障诊断专家系统
• 4.1.1 BP 网络结构
• 4.1.2 BP 网络故障诊断专家系统分析
• 4.2 RBF 网络故障诊断专家系统
• 4.2.1 RBF 网络结构
• 4.2.2 RBF 网络故障诊断专家系统分析
• 4.3 GRNN 网络故障诊断专家系统
• 4.3.1 GRNN 网络结构
• 4.3.2 GRNN 网络故障诊断专家系统分析
• 4.4 PNN 网络故障诊断专家系统
• 4.4.1 PNN 网络结构
• 4.4.2 PNN 网络故障诊断专家系统分析
• 4.5 ELman 网络故障诊断专家系统
• 4.5.1 ELman 网络结构
• 4.5.2 Elman 网络故障诊断专家系统分析
• 4.6 Hopfield 网络故障诊断专家系统
• 4.6.1 CHNN 网络结构
• 4.6.2 二神经元 CHNN 平衡分析
• 4.6.3 三神经元 CHNN 平衡分析
• 4.6.4 CHNN 网络故障诊断专家系统分析
• 4.7 自组织竞争网络故障诊断专家系统
• 4.7.1 自组织竞争网络结构
• 4.7.2 自组织竞争网络故障诊断专家系统分析
• 4.8 SOFM 网络故障诊断专家系统
• 4.8.1 SOFM 网络结构
• 4.8.2 概率分布与拓扑结构
• 4.8.3 SOFM 网络故障诊断专家系统分析
• 4.9 LVQ 网络故障诊断专家系统
• 4.9.1 LVQ 网络结构
• 4.9.2 LVQ 网络的训练
• 4.9.3 LVQ 网络故障诊断专家系统分析
• 4.10 CPN 网络故障诊断专家系统
• 4.10.1 CPN 网络结构
• 4.10.2 CPN 网络故障诊断专家系统分析
• 4.11 ART-2 网络故障诊断专家系统
• 4.11.1 ART-2 网络结构
• 4.11.2 ART-2 网络故障诊断专家系统分析
• 第五章 基于 PNN 的柴油机故障诊断专家系统的研究与实现
• 5.1 诊断系统网络模型的确定
• 5.2 模式可分性的 Cover 定理
• 5.3 贝叶斯方法
• 5.4 径向基层散布常数
• 5.5 贝叶斯方法在 PNN 中的实现
• 5.6 各种故障先验概率及风险系数确定
• 5.7 忽略先验概率及风险系数的诊断专家系统
• 5.7.1 故障样本的确定
• 5.7.2 诊断专家系统的建立与测试
• 5.8 考虑先验概率及风险系数的诊断系统
• 5.8.1 故障样本的确定
• 5.8.2 诊断专家系统的建立与测试
• 5.8.3 考虑先验概率的诊断专家系统测试
• 5.9 小结
• 5.10 基于 PNN 的柴油机故障诊断专家系统的实现
• 5.10.1 整个矿运卡车故障诊断专家系统的实现
• 5.10.2 基于 PNN 的柴油机故障诊断专家系统的实现
• 第六章 结论
• 致谢
• 参考文献
• 攻硕期间取得的研究成果