当前位置：文档之家 › 基于SOM神经网络的柴油机燃油系统故障诊断

基于SOM神经网络的柴油机燃油系统故障诊断

  • 格式：pdf
  • 大小：285.65 KB
  • 文档页数：4
习。它通过学习可以提取一组数据中的重要特征或 某种内在规律 ， 按离散时间方式进行分类 。网络可
网络的输入输出非线性映射特性 、信息的分 布存
组织和 自 学习能力 。使其成为故障诊断的一种有效
方法和手段ｌ 。 ２ 神经网络故障诊断方法 ２１ Ｓ ． ＯＭ 网络 的结构
特 征 映射 （ｅｆＯ Ｓｌ — ｉ Ｆａ 】 ｐ ｒ ｅ臼ｒ Ｍａ ，也 曙 ｅ
称 Ｋ ｈ ｎ ｎ映射）神经 网络 ，简称 Ｓ Ｍ 神经 网 ｏｏ ｅ ０ 络 ，是由 Ｋ ｈ ｎ ｎ教授 提出的对神经 网络的数值 ００ ｅ 模拟方法 ，这种方法是人工神经 网络的重要分支之
ｓ ｎ Ｏ ．Ｔ ｅ ｐ ． ｓ Ｉ ｈ ｐ ｓ ａ ｙ ｅ Ｉ Ｉ ｅ ｄ ｍ ａ ａ ｄ ｐ ｓ ｕ ｅ ｓ ａ ｅ ｃ ａ “ ｒｉ ｘ ｅ ｓ ｒ ｈ １ ｓ １ ． ｓ ａ ｅ ｉ ｎ Ｉｚ ｄ ｉ ｅ ｌｅ ｌ石 ｎ ｏ 嘶 ｎ ｓ ｒ ｈ ｐ ｈ ≥ ｓ ｅ 一
Ａｂｔ ｃ：ｓ Ｍ ｅ ｏｋｉ ｐ ｌ ｄ ｔ ａ ｄ ｏｉ ｆｄｅｅ ｎ －ｅｂ ｎ ｏ ｕ ｅｒ ｓｒ ｔ Ｏ ｎ 栅 ｒ 暑ａ ｐｉ ｏｆ１ 啦 ａ ！ ｅ 血 ｓ ０ ｉｓｌｅｇ ｙ ｓ ｍ ｇｎ ｎ ｎ ａ
ｍ锄）缸 ０ ｅ 】 Ｉ ０ ｋ趾 ｄ ｉ １ｕ ０ ｉｈ ｄ ｇ ｅ ｆ ｅｆ ｏ ｎｚ ． ｎ狃 ｄ ｓ ｌ ｌ锄ｍ— ｐ ｆ ｕ ｌ ｎ ｎ栅 ｓａ ｉ锣 ｆ ｇ ｅ ｒｅｏ １ 玛ａ ｉａ ０ ｔ ） ｈ ｓ — 廿 ｅｆ ｅ —
ｗｏ ｋ ｒ ｄ ｅ ｅ ；ｎ 硼 ｔｄｌ ）ｉ ｓ、 ｒｆｅ ｙ ｓＨ ａｉ ｎ ｅ ＇ｎｍ ｅ ｔ Ｉ ｓ】 ｓ ｓ、 ｒ也 ａ ｉｓ ｌｅ ｉ ｅ ｆ ｉ 训 ｓｓ ｉ ｒ ｉ｜ｄ ｂ ｊ ｅ ｌ ｅ ０ ｎ ｌ １ ｔ ｌ ｌ ｔ
仕Ｌ ｅ ｈ ｄ ｉ ￡ｅ 廿 ｅ ｔ ｌＩｔｄ ａ ｎ ｓｓ ｅ ｍ ｔ ０ ｓ ｅ ｆｃ ｖ ｏ ｆ ｌ ｉ ｇ ｏ ｉ ． ａ Ｉ
ｔｄ Ｓ ｅ ． ＯＭ ｎ咖 ｏ ｋ ｃ ｉ ｒ土０ ｏ１ ｔ ｌａｉ ｎ ｉ ｃ ｌ ｓ ｓ
ｔ ｄ ａ ｃ 】 ｉ ｇ ｔＩ １ ａ ｍ ｆ ｔｉ ｆ Ⅱ瞰 ｏ ｅ ｃ ｏ． Ｉ ｃ ｏ） ｉ ｄｌ ｔ 训 ｂ ｎ ｎ
ｔｅｔｐ ｆ ｌ ｅｎ ｔ ｒ ｈ ｅｏ 亿ｕｔ ＩＩ ｅｗ０ｋｉ ｉｅ ｙｕｉ ａ曲１ｌ ｌｔ 硼［ ｌ． ｈ ａｄ ｊｄ ｅ ｃ ｙ ． Ｓ缸ａ ｄｂ ｓｒ ｎ ｇｅｆ ｎ １ ｅ Ｔ ｅｆｌｔｓ ｕ ｇｄａ — ａ ｓ ｐ ｉ
摘要 利用神经 网络的非线性映射 ，及其 高度 的 自组织和 自学习能力，将 ｓ Ｍ 网络应用于 ｏ 柴油机的故障诊断。利用夹持式传感器获得柴油机喷射 系统的燃油压力波形 ，对波形进行时域分 析和特征提取。根据所取得故障信息及其对应的故障类型来构造网络结构，用单一故障样本对 网 络进行训练， 根据输 出神经元在输 出层的位置对故障进行判断。通过仿真 实验验证 ｓ Ｍ 神 经网络 ｏ 在柴油机故障诊断的正确性。经实例分析证 明， 该方法可对故障进行有效诊断。
随着科学技术与生产的发展 。现代设备大多数 集机电液于一体 ，结构越来越复杂 ，自动化程度越 来越高 。在工作过程 中 ，故 障发生 的概率相对要
高，故障后不仅会造成经济损失 ，甚至会导致整个 设备遭受灾难性的毁坏 。柴油机 由于其本身的结构 异常复杂 ，加之系统的输入 、输 出不明显 ．难 以用 比较完备 、准确的模型对其机构 、功能、以及状态 等进行有效的描述 ，因而给故障诊断带来了很大麻
柴 油机设 计与 制造
Ｄ ｓ ｎ＆ Ｍａｌａｔｒ ｆ ｅｅ ｎ ．ｅ ｅｉ ｇ ｎ】 ｃｕｅｏ ｓ ｌ ｇ ｆ Ｄｉ Ｅ ｍ
２ ０ 第 ４期 第 １ （ ０８年 ５卷 总第 ｌ５期 ） ２
基于 Ｓ Ｍ 神经 网络的柴油机燃油系统故障电工程 学院， １ 西安 ７ ０５ ； 北京首钢冷轧薄板有限公司， １０５２ 北京 １ １０） Ｏ３４
ｉ ｇ Ｉ ｌ ｒ ｓ ｌ ｓ ａ ｅ ０ １ｅ ０ ｙ ｅ ｆｄｅ ｅ ｎ ｉ ｅ ｉ １ ｎ ．Ｆ ｅ ｅ ｓｌ ｕ ｐ 】 ｈ ｐ ｆｉ ｃ ｎ ｓ ｍ ｏ ｉ ｓ ｌｅ ｇ ｎ ｓ ０ ｌ ｅ ｙ ｕ ｉｇ ａ ｄ ａ ｐ— ｎ ｄ ｂ ｓｎ ｍ ｏ
关键词 ：柴 油机
燃 油 系统
故 障诊 断
神经 网络
Ｋ ｙｗＯ ｄ ： ｊｓ ｌ ｎ ｊｅ，ｕ Ｉ ｙ ｔｍ ， ａ Ｉｄａ ｎ ｓｓ ｎ ｕ ｅ Ｏ． ｅ ｒ ｓ ｄｅ ｅ ｅ ｇｎ ｆｅ Ｓｅ ｆｕｔ ｉ Ｏ ｉ， ｅ 陷ｌ ，ｒ ｓ ｇ ｎ ‘
１ 前言
储 、并行处理和全局集体应用 ，特别是其高度的自
ｃ ｉｇｔ ｅｌｃ 廿 ｎ ｏ ｌ ｌｎ ｕ ｓｉ ｌ ｕ ｙ ｒ Ｔ ｅ ｃ ｒｅ ｎ ｓ ｆＳ Ｍ ｅｌ ｌｎ ｔ ０ ｎ ｔ ａ ｏ ｆ 蝴 ｔ ｅ ｌ ０ 印Ｉ ｌ ＿ ． ｈ ｏｒ ｄ ｅ ｓ０ Ｏ ｎ Ｉ ａ ｅ— ｏ ｈ ｏ ｏ ｎ ｎ ｕ ｔ ａ ｅ ｒ
一
烦 。近年来 ，随着模式识别和神经 网络理论 的引 入 ，柴油机故障诊断技术有了较快的发展。神经 网 络技术的出现 ，为故障诊断问题提供了一种新的解
决途径，特别是对于柴油机这类复杂的系统。神经
。
自组织特征映射神经 网络 （Ｏ 模拟大脑神 ＳＡ
经系统的 自组织特征映射功能 ，是一种无监督竞争 式学 习的前馈 网络 ，在训练 中能无 监督 自组织学

合集下载

基于SOM神经网络应急柴油发电机组故障诊断研究

基于SOM神经网络应急柴油发电机组故障诊断研究

基于SOM神经网络应急柴油发电机组故障诊断研究
李金蓉;邓先红;张乐;陈浩森;段忠平;郝文杰;于大鹏
【期刊名称】《核科学与工程》
【年(卷),期】2022(42)5
【摘要】应急柴油发电机组是核电厂安全相关的重要设备,及时准确的故障诊断确保应急柴油发电机组能够正常运行对核安全有着重要的意义。

本文梳理核电应急柴油发电机组故障种类,总结故障集、参数集、故障特征数据,利用MATLAB神经网络工具箱建立SOM神经网络实现应急柴油发电机组故障类型的聚类和仿真,准确诊断某时刻应急柴油发电机组出现的单一故障及双重故障。

仿真结果表明:SOM神经网络具有故障识别能力,但在对出现两种或两种以上故障诊断过程需要重新建立故障样本,操作比较繁琐,不具备实际操作性,后续对复合神经网络的故障诊断进行研究,保持SOM神经网络诊断准确性的同时兼顾可操作性。

【总页数】6页(P1152-1157)
【作者】李金蓉;邓先红;张乐;陈浩森;段忠平;郝文杰;于大鹏
【作者单位】中国核动力研究设计院;生态环境部核与辐射安全中心
【正文语种】中文
【中图分类】TK428
【相关文献】
1.基于SOM神经网络的柴油机故障诊断
2.基于SOM神经网络的柴油机燃油系统故障诊断
3.基于SOM神经网络的汽轮发电机组振动故障诊断研究
4.SOM神经网络在风力发电机组故障诊断中的应用
5.基于SOM神经网络的柴油机故障诊断
因版权原因，仅展示原文概要，查看原文内容请购买。

基于神经网络的抽油机故障诊断

基于神经网络的抽油机故障诊断

基于神经网络的抽油机故障诊断1 引言神经网络技术在学习速度、适应性、非线性映射等性能上有独特的优势,能够进行有效的监督分类,因此常用来进行聚类分析,然而在进行聚类分析时,出现为了提高识别精度而使网络规模较大,并且收敛时间慢的问题,1981 年芬兰学者Kohonen 提出了一个比较完整的、分类性能较好的自组织特征映射(Self-Organizing Feature Map)神经网络(简称SOM 网络)的方案。

SOM 网络是一种由全连接的神经元阵列组成的无教师自组织网络,可以认为是2 层网络,第一层是输入层,另一层是竞争层,本例的SOM 网络结构如图1 所示[1]: 本文针对传统自组织神经网络分类精度低和收敛速度慢的缺点进行改进。

2 自组织特征映射神经网络SOM 网络能将任意维输入映射成一维或者二维离散图形,并保持其拓扑结构不变,此外,网络通过对输入模式的反复学习,可以使连接权值空间分布密度与输入模式的概率分布趋于一致。

网络在竞争过程中,近邻者相互激励,远邻者相互抑制,比远邻更远的神经元则表现弱激励作用。

由于这种交互作用的曲线类似于墨西哥人带的帽子,因此也称这种交互方式为“墨西哥帽”[2],如图2所示:SOM 网络根据其学习规则,对输入模式进行自动分类,捕捉住各个输入模式中所含的模式特征,并对其进行自组织,在竞争层将分类结果表现出来,SOM 网络的特点是: 1) 一旦由于某种原因,某个神经元受到损害或者完全失效,剩下的神经元仍可以保证所对应的记忆信息不会消失。

2) 网络对学习模式的记忆不是一次性完成的,而是通过反复学习,将输入模式的统计特征“溶解”到各个连接权上的。

所以这种网络具有较强的抗干扰能力。

它的具体的工作原理过程如下:1) 首先将权值赋予随机初始值;同时设置一个初始邻域,并设置网络的循环次数;2)然后给。

基于神经网络专家系统的柴油机故障诊断系统

基于神经网络专家系统的柴油机故障诊断系统

断 。如 果遇 到 特 殊 的情 况 （ 如二者分别诊 断时 ， 结 果 不 太 明显 ） ， 可 以采 用神 经 网络 和专 家 系统 联 合 诊 断 ，
的专家 系统 在 故 障诊 断 方 面 虽 然取 得 了飞 速 发 展 ，
但 一 直存 在 一些 问题 不 能解 决 ， 如“ 匹配冲突” 及“ 无
第ｉ 个 隐层 点 的输 出 ， 则 神经 网络 的输 出为
此时把采集到的数 据送 到信号处理系统 ， 通过一 系列
的运算 、 分析、 提取， 把 得 到 的特 征 参 数 输送 到神 经 网 络， 由神 经 网络 做 出 定 量 诊 断最 后 给 出最 终 的诊 断 结 果； 另一 种是 根 据 专 家 系 统 的定 性 诊 断得 出柴 油 机 的 各种 性 能参数 都 在 规 定 的范 围之 内 ， 说 明柴 油 机 运 行
以提 高诊 断效 率 。
本 系统 对 柴油 机 的启 动 性 能 参 数 、 进 排 气 系 统 性 能参数 、 燃 油 供 给系统 性 能 参 数 、 振 动 信 号 进 行 测试 ， 具 体 工作 流 程见 图 １所示 。
种新 的故 障诊 断 系统 ， 将专 家 系统 和 Ｒ Ｂ Ｆ神经 网络 相
２ ０ １ ３年 ６月
农 机 化 研 究
第 ６期
基 于 神 经 网 络 专 家 系 统 的 柴 油 机 故 障 诊 断 系 统
陈会 莲 ，郑艳 博
（ 唐 山科 技 职业 技 术学 院 ，河北 唐 山 摘 ０ ６ ３ ０ ０ １ ）
要 ： 柴 油 机在 农 业 机械 中被广 泛 应 用 ， 由于运 行 状况 复 杂 ， 故 障类 型 和部 位 种类 繁多 。为 此 ， 提 出 了将 神 经
基于神经网络专家系统的柴油机故障诊断系统

基于神经网络专家系统的柴油机故障诊断系统

基于神经网络专家系统的柴油机故障诊断系统陈会莲;郑艳博【摘要】柴油机在农业机械中被广泛应用,由于运行状况复杂,故障类型和部位种类繁多.为此,提出了将神经网络技术与专家系统融合的集成式故障诊断专家系统,对柴油机进行不解体故障诊断.以燃油系统故障为例,介绍了神经网络专家系统特点、结构及诊断方法,并对295D柴油机在不同的工况下采集气缸盖的振动信号进行测试,用RBF神经网络对测试数据进行训练.训练测试结果表明,用此系统诊断295D柴油机常出现故障有良好的效果.【期刊名称】《农机化研究》【年(卷),期】2013(035)006【总页数】3页(P230-232)【关键词】柴油机;神经网络;专家系统;故障诊断【作者】陈会莲;郑艳博【作者单位】唐山科技职业技术学院,河北唐山 063001;唐山科技职业技术学院,河北唐山 063001【正文语种】中文【中图分类】TP183;TK420 引言柴油机是一种常见的往复式动力机械，由于运行状况非常复杂，出现故障的部位及形式种类繁多。

因此，为了减少故障发生率，避免重大事故及经济损失，需要对柴油机的运行状况进行监测和诊断。

对柴油机进行实时、不解体故障诊断和状态监测，确保其处于最佳工况，对提高使用的安全性、降低污染、节约能源及维修费用等方面具有重要的意义[1]。

近年来，单一的专家系统在故障诊断方面虽然取得了飞速发展，但一直存在一些问题不能解决,如“匹配冲突”及“无穷递归”等，因此推理速度慢、效率低。

神经网络具有很强的鲁棒性、记忆能力及强大的自学习能力，虽然部分功能克服了专家系统存在的缺点，但最严重的问题是没能力来解释自己的推理过程和依据，理论和学习算法还有待于进一步完善和提高。

为此，提出了一种新的故障诊断系统，将专家系统和RBF神经网络相结合，对295D柴油机常出现的故障进行诊断。

1 神经网络与专家系统相结合神经网络和专家系统在对设备进行诊断时，二者有许多相似的地方：神经网络是由数据推动进行归纳推理，而专家系统是利用建立好的知识库和实例进行演绎推理。