基于PNN的发动机PT燃油系统故障诊断

  • 格式:pdf
  • 大小:460.75 KB
  • 文档页数:3

Equipment Manageme设nt M管ain理tena&nce维Te修chn技olo术gy RMCM &●—一■■■●一●■■ 

基-- ̄P N N的发动机PT燃油系统故障诊断 Fault Diagnosis of PT Fuel System Based on Probabilistic Neural Network 邓士杰 ,崔翔 ,王东, DENG Shi一_iie ,CUI Xiang ,WANG Dong。 1.军械工程学院,河北石家庄050003 2.解放军国际关系学院,江苏南京210039 3.解放军理工大学野战工程学院,江苏南京210007 1.Ordnance Engineering College,Shijiazhuang 050003,Hebei,China 2.PLA University of International Study,Nanjing 21 0039,Jiangsu,China 3.School of Field Engineering,PLA University of Sicence&Technology,Nanjing 21 0007,Jiangsu,China 【摘要】针对传统故障诊断方法的局限性,提出了基于PNN的故障诊断方法,并以发动机的Pr燃油系统为例,进行 了故障诊断研究:通过与常用的BP神经网络进行对比试验,验证了基于PNN的故障诊断方法的有效性。 【Abstract】Aimed at the limitations of traditional fault diagnosis methods,a new method based on Probabilistic Neural Network was put forward.The PT fuel system was taken as an example to conduct the research on fault diagnosis.The validity of this method was confirmed by tests and the comparison with Back Propagation Neural Network 【关键词】概率神经网络;燃油系统;故障诊断;模式识别 【Key words】Probabilistic Neural Network;fuel system;fault diagnosis;pattern recognition 中图分类号:U415.5 文献标志码:B 文章编号:1000-033X(2013)02-0081-03 0引言 Vl"燃油系统是美国康明斯发动机公司的专利.目前 已广泛应用于各种大型工程机械中。作为发动机的核心 组成部件, 燃油系统的特性直接影响着发动机的工作 过程和性能指标.是改善发动机排放、降低油耗和提高性 能的关键部件[ ]。因此,研究 燃油系统的故障诊断,对 保证工程机械发动机安全、稳定、可靠地运行具有非常重 要的意义。 由于PT燃油系统故障现象和故障原因之间是明显 的非线性关系.用人工方法难以从症状中查出故障.而神 经网络技术的出现为故障的模式识别提供了有力手段。 PNN是由径向基函数网络发展而来的一种前馈型神经网 络,其理论依据是贝叶斯最小风险准则(贝叶斯决策理 论),PNN作为径向基网络的一种,适合于模式分类 。基 于此,本文利用PNN实现对PT燃油系统的故障诊断.通过 MATLAB仿真试验,取得了满意的应用效果。 1概率神经网络原理 1989年,概率神经网络由Specht D.F博士首次提出。 它是一种基于Bayes分类规则与Parzen窗的概率密度函数 估计方法发展而来的并行算法_4_,是一类结构简单、训练 简洁、应用广泛的人工神经网络_5_。基于PNN的故障诊断, 实质是利用PNN模型强大的非线性分类能力,将故障样 本空间映射到故障模式空间中。从而形成一个具有较强 容错能力和结果自适应能力的诊断网络系统_6_。PNN结构 主要由输入层、模式层、求和层、输出层组成,其基本结构 如图1所示。 与常用的BP神经网络相比,PNN的主要优点如下。 (1)训练速度快。由于PNN需调节的参数少,不需要 确定隐层数、隐层中的神经元等网络结构,比较容易使 用,因而大约比BP神经网络快5个数量级.其训练时间仅 仅略长于读取时间。 (2)只要有足够多的训练数据,不管分类问题多么 

81 霎 0 500 l 000 l 500 2 000 2 500 3 000 转速/(r・min ) (a)正常情况 茑10o r 舌 :L—亡二 二=二 一. 500 1 000 l 500 2 000 2 500 3 000 转速/(r・min‘。) (b)PT泵进油油路堵塞 圈4不同状态下压力随转速变化的曲线 的故障波形。为了从波形数据里方便地对故障进行准确 判断,本文采用PNN方法。 本例中构建5个输入层节点数(对应5个不同转速下 的燃油压力值)、3O个模式层节点数(对应30个样本)、5个 输出层节点数(对应5种故障)的概率神经网络拓扑结构, 将高斯窗的宽度设为0.6。网络训练完成后,进行网络性 能检验,将各层神经元问的连接权值代回网络中,对训练 样本进行回归模拟。模拟结果如图5所示。 

0 10 20 30 样本编号 jII}I 

样本编号 (a)PNN网络训练后的效果 (b)PNN网络训练后的误差 图5 PNN模拟结果 检验结果表明:训练样本的期望输出与PNN的仿真 输出完全重合。这说明网络已训练成功,可用来预测测试 样本。将10个测试样本输入已经训练好的网络.分类结果 与期望相同,分类正确率达到了100 ̄/3,结果如图6所示。 

预测样本编号 围6聊 N测试样本结果 为了检验PNN在模式分类中的泛化能力,本文采用 设备管理&维修技术 Equipment Management&Maintenance Technology BP神经网络与其对比。其预测结果如图7所示。从结果可 以看出,BP神经网络未能将测试样本的第3个数据进行 正确分类,由此可见PNN的预测效果或泛化能力优于BP 神经网络。 

田I∈ 

3结语 预测样本编号 圈7 BP神经网络的测试结果 

本文针对PNN在模式分类方面的显著特点.提出利 用PNN模型进行发动机Pr燃油系统的故障诊断.通过对 模型的性能测试证明了该方法的有效性。PNN训练速度 快,在工程上易于实现,而且对样本噪声具有较强的鲁棒 性,可以达到较高的诊断准确率。这一点明显优于常用的 BP神经网络。试验结果验证了PNNJ( ̄型用于解决发动机 燃油系统故障诊断问题的可行性.对推动工程机械发 动机故障的准确定位及维修具有重要的参考价值。 参考文献: [1]王辉,苏万华,刘 斌.基于调制多脉冲喷油模式的柴油预混合 燃烧和排放特性的研究LI].内燃机学报,2005,23(4):289—296. [2]徐晓,张文昭,谭永宏.PT泵的微机测试系统的设计U].电子 设计工程,2009,17(11):48—49. [3]史峰,王小川,郁磊,等.MATLAB神经网络3O个案例分析 [M].北京:北京航空航天大学出版社,2010. [4]葛哲学,孙志强.神经网络理论与MATLAB P.2007实现[M].北 京:电子工业出版社,2007. [5]王 豪,郑恩让.概率神经网络在电机故障诊断中的应用[J].化 工自动化及仪表,2010,37(8):59-62. [6]石 磊,王兴成.概率神经网络在发动机故障诊断中的应用U]. 自动化仪表,2011,32(3):33—35. [7]高强,马志义,刘本超,等.经验模式分解在发动机故障特征提 取中的应用[J].长安大学学报:自然科学版,2010,3o(3):83—86. 收稿日期:2012-09-12 [责任编辑:谭忠华] 5 4 3 2 l 

眯姆 求