优化算法在船舶柴油机智能故障诊断中的应用研究

论文摘要

本论文对优化算法在船舶柴油机智能故障诊断上的应用做了深入研究,所优化的智能故障诊断系统采用的是模糊神经网络系统。船舶柴油机是一个复杂的系统,是整个船舶动力的源泉,其正常运行对于保证船舶工作的安全性具有举足轻重的意义。由于它涉及机械、热力、信号检测、安全保护、控制等许多领域,并且其工作状态与燃油、增压、燃烧、冷却、润滑等一系列子系统密切相关,所以其故障诊断问题需要从各个不同的角度进行综合研究,是一个具有多故障属性的系统。论文首先介绍了船舶柴油机故障理论与故障诊断过程,给出了研究的船舶柴油机故障诊断特征参量介绍。其次,近年来先进的故障诊断技术迅猛发展,特别是多种基于智能故障诊断的方法和技术,为解决复杂系统的故障诊断提供了有力的保障。在智能故障诊断中,对故障征兆向量到故障向量的连续映射过程,将模糊逻辑系统与人工神经网络相互结合形成的模糊神经网络(FNN)既有模糊逻辑系统有效利用模糊信息的优点,又有神经网络并行处理,高度自组织自学习信息的特点,克服单一系统的不足,能够更好的适应于智能故障诊断系统。论文将模糊神经网络智能故障诊断系统应用针对船舶柴油机并进行了仿真研究。最后,论文首次针对船舶柴油机故障诊断系统将遗传算法和蚁群算法与模糊神经网络智能故障诊断方法相结合,对其参数进行优化训练,通过对船舶柴油机智能故障诊断系统的仿真研究,与基于BP算法学习的模糊神经网络相比较,得到了更为准确的故障诊断结果,并提高了智能故障诊断系统的泛化能力,克服了BP算法的不足,具有收敛速度快的特点,避免了网络训练陷入局部极值的弊端。表明了本论文研究工作的可行性和有效性。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 课题的背景与意义
• 1.2 智能故障诊断的研究与发展
• 1.3 智能优化算法的研究和发展
• 1.3.1 遗传算法的研究和发展
• 1.3.2 蚁群算法的研究与发展
• 1.4 船舶柴油机故障诊断的研究现状
• 1.5 论文的研究内容
• 第2章 船舶柴油机故障诊断
• 2.1 船舶柴油机故障诊断技术概述
• 2.1.1 船舶柴油机故障的性质
• 2.1.2 船舶柴油机故障诊断过程
• 2.1.3 船舶柴油机特征提取
• 2.2 船舶柴油机故障诊断特征参量
• 2.3 本章小结
• 第3章 基于FNN的船舶柴油机故障诊断方法研究
• 3.1 模糊理论概述
• 3.1.1 模糊集合的定义
• 3.1.2 模糊关系及模糊推理
• 3.2 神经网络理论
• 3.2.1 神经网络的基本原理
• 3.2.2 多层前馈网络—BP网络
• 3.2.3 多层前向神经网络的非线性逼近能力
• 3.3 模糊神经网络的结构及学习算法
• 3.3.1 基于标准模型的模糊神经网络
• 3.3.2 基于T-S模型的模糊神经网络
• 3.4 基于FNN的船舶柴油机智能故障诊断
• 3.4.1 模糊神经网络学习样本
• 3.4.2 模糊神经网络结构模型
• 3.4.3 仿真结果与分析
• 3.5 本章小结
• 第4章 遗传算法优化的FNN船舶柴油机故障诊断研究
• 4.1 遗传算法的概述
• 4.1.1 遗传算法的基本思想
• 4.1.2 遗传算法的特点
• 4.2 遗传算法的流程
• 4.3 遗传算法基本原理
• 4.3.1 编码问题
• 4.3.2 适应度函数
• 4.3.3 选择问题
• 4.3.4 交叉/基因重组运算
• 4.3.5 变异运算
• 4.3.6 主要参数的选择
• 4.4 遗传算法优化的FNN的船舶柴油机故障诊断
• 4.4.1 遗传算法优化的FNN的步骤
• 4.4.2 遗传算法优化的FNN的智能故障诊断仿真研究及结果分析
• 4.5 本章小结
• 第5章 蚁群算法优化训练的FNN船舶柴油机故障诊断研究
• 5.1 蚁群算法概述
• 5.2 蚁群算法的研究
• 5.2.1 用于离散优化问题的算法
• 5.2.2 用于连续优化问题的算法
• 5.3 蚁群算法基本原理
• 5.4 蚁群算法框架
• 5.5 蚁群算法优化的FNN的船舶柴油机故障诊断
• 5.5.1 蚁群算法优化的FNN的步骤
• 5.5.2 蚁群算法优化的FNN的故障诊断仿真结果及分析研究
• 5.6 本章小结
• 结论
• 参考文献
• 攻读硕士学位期间发表的论文和取得的科研成果
• 致谢