第２７卷第４期 ２００６年１２月 上海海事大学学报 ＪＯＵＲＮＡＬ ＯＦ ＳＨＡＮＧＨＡＩ ＭＡＲＩ 兀ＭＥ ＵＮＩＶＥＲＳＩＴＹ Ｖｏ１．２７ Ｎｏ．４ Ｄｅｃ．２ｏ０６
文章编号：１６７２－９４９８（２００６）０４－００２２－０６
基于ＢＰ神经网络与时间序列分析的柴油机故障诊断
朱建元
（上海海事大学商船学院，上海２００１３５）
摘要：将时间序列分析和神经网络相结合应用于柴油机振动故障诊断．从时间序列分析的结果中 提取柴油机故障的特征参数，然后以此建立相应的神经网络，识别柴油机的运行故障，大大提高诊
断的准确性．讨论柴油机气阀间隙异常的诊断和柴油机负荷状态的识别，并给出振动特征参数与柴 油机工作状态之间的关系．
关键词：神经网络；柴油机；故障诊断；时间序列分析
中图分类号：ＴＫ４２３．２；ＴＶ３０６ 文献标志码：Ａ
Ｄｉｅｓｅｌ ｅｎｇｉｎｅ ｆａｕｌｔ ｄｉａｇｎｏｓｉｓ ｂａｓｅｄ ｏｎ ＢＰ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ
ａｎｄ ｔｉｍｅ ｓｅｒｉｅｓ ａｎａｌｙｓｉｓ
ＺＨＵ Ｊｉａｎｙｕａｎ
（Ｍｅｒｃｈａｎｔ Ｍａｒｉｎｅ Ｃｏｌｌｅｇｅ，Ｓｈａｎｇｈａｉ Ｍａｒｉｔｉｍｅ Ｕｎｉｖ．，Ｓｈａｎｇｈａｉ ２００１３５，Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ：Ａｎ ｉｎｖｅｓｔｉｇａｔｉｏｎ ｏｎ ｄｉｅｓｅｌ ｅｎｇｉｎｅ ｖｉｂｒａｔｉｏｎ ｆａｕｌｔ ｄｉａｇｎｏｓｉｓ ｉｓ ｃｏｎｄｕｃｔｅｄ ｂａｓｅｄ ｏｎ ｔｈｅ ｃｏｍｂｉｎａ－ ｔｉｏｎ ｏｆ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ ａｎｄ ｔｉｍｅ ｓｅｒｉｅｓ ａｎａｌｙｓｉｓ．Ｔｈｅ ｃｈａｒａｃｔｅｒｉｓｔｉｃ ｐａｒａｍｅｔｅｒｓ ｏｂｔａｉｎｅｄ ｆｒｏｍ ｔｉｍｅ ｓｅｒｉｅｓ
ａｎａｌｙｓｉｓ ａｒｅ ｕｓｅｄ ｔｏ ｂｕｉｌｄ ａ ｓｕｉｔａｂｌｅ ＢＰ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ ｉｎ ｏｒｄｅｒ ｔｏ ｄｅｔｅｃｔ ｔｈｅ ｅｎｇｉｎｅ ｏｐｅｒａｔｉｎｇ ｆａｕｌｔｓ ａｎｄ
柴油机设计与制造 Ｄｅｓｉｇｎ＆Ｍａｎｕｆａｃｔｕｒｅ ｏｆ Ｄｉｅｓｅｌ Ｅｎｇｉｎｅ ２００６年第１期第１４卷（总第１１４期）
基于小波理论变换和神经网络的
柴油机故障诊断方法的研究
黄强高世伦刘永长宾鸿赞
（华中科技大学能源与动力工程学院，湖北武汉４３００７４）
摘要提出一种基于小波理论和神经网络技术的柴油机振动诊断方法，首先对柴油机的振动
信号进行小波分析，提取相应特征向量，然后将振动样本的特征向量作为Ｒ＿ＢＦ神经网络的输入
参数，以故障类别作为输出参数训练该网络。训练后的神经网络可以利用测量的振动信号来判断 柴油机的故障状况。试验及仿真证明该方法在柴油机振动诊断中是有效可行的，对其它复杂机械
的振动诊断同样具有参考价值。
Ａｂｓｔｒａｃｔ：Ａ ｎｅｗ ｖｉｂｒａｔｉｏｎ ｄｉａｇｎｏｓｉｓ ｍｅｔｈｏｄ ｆｏｒ ｄｉｅｓｅｌ ｅｎｇｉｎｅ ｂａｓｅｄ ｏｎ ｗａｖｅｌｅｔ ｔｈｅｏｒｙ
ａｎｄ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ ｉｓ ｐｒｏｐｏｓｅｄ．Ｆｉｒｓｔｌｙ ｔｈｅ ｗａｖｅｌｅｔ ｔｈｅｏｒｙ ｉｓ ｕｓｅｄ ｔｏ ａｎａｌｙｚｅ ｖｉｂｒａｔｉｏｎ ｓｉｇｎａｌ ｏｆ ｄｉｅｓｅｌ ｅｎｇｉｎｅ。ｍａｉｎｌｙ ｔｈｅ ｗａｖｅｌｅｔ ｄｅｃｏｍｐｏｓｉｔｉｏｎ ａｎｄ ｒｅｄｕｃｅｄ ｎｏｉｓｅｓ ａｒｅ ｕｓｅｄ ｔｏ ａｃｈｉｅｖｅ
ｔｈｅ ｒｅｌｅｖａｎｔ ｃｈａｒａｃｔｅｒｉｓｔｉｅ ｖｅｃｔｏｒｓ．Ｓｅｃｏｎｄｌｙ ｍｏｄｅｌ ｏｆ ｎｅｕｒａｌ ｎｅｔｗｏｒｋｓ ｉｓ ｂｕｉｌｔ．ｉｔｓ ｉｎｐｕｔ ｐａ—
ｒａｍｅｔｅｒｓ ｉｎｃｌｕｄｅ ｅｉｇｈｔ ｒｅｌｅｖａｎｔ ｃｈａｒａｃｔｅｒｉｓｔｉｅ ｖｅｃｔｏｒｓ，ａｎｄ ｏｕｔｐｕｔ ｐａｒａｍｅｔｅｒｓ ｒｅｐｒｅｓｅｎｔ ｆｉｖｅ
ｋｉｎｄｓ ｏｆ ｆａｕｌｔｓ．Ａｔ ｌａｓｔ ｅｘｐｅｒｉｍｅｎｔ ｄａｔａ ｉｓ ｕｓｅｄ ｔｏ ｔｒａｉｎ ｔｈｉｓ ＲＢＦ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ．Ａｆｔｅｒ ｔｈａｔ
RBF网络在柴油机故障诊断中的应用
摘要：柴油机作为动力发电、工程机械的重要组成部分，其性能好坏直接影响到整个系统的运行。在生产过程中需要加强对柴油机开展故障诊断和监控，及时发展并解决故障，从而提高了柴油机在运行过程中的安全系数，降低安全事故发生率，减少不必要的经济损失。传统的柴油预计故障诊断与解决方式主要是润滑油方法、振动噪声方法，这些都以定期保养和后期维修为主要方法，这些诊断方式不能较早预知故障情况、成本较高、工作效率较低。随着计算机技术、信号分析处理技术、人工智能的迅速发展，柴油机故障诊断能力逐渐提升，以非线性并行分布处理为主的神经网络成为了当前广泛运用于柴油机故障诊断的主要方法。
关键词：RBF网络；柴油机故障诊断；BP网络
最近几年，计算机技术已经充分运用于故障诊断，成为了一种最新的诊断方法，特别是以非线性并行分布处理为主的神经网络知识逐渐完善，成为了柴油机故障诊断技术发展历程的高峰。本文主要分析了在MATLAB环境下使用径向基函数网络对柴油机进行故障诊断的诊断方案，和BP网络性能实行比较，证明RBF网络学习效率较高，在线时刻监测与诊断具有一定的优势。
一1、RBF神经网络
RBF 神经网络属于多层前向神经网络。RBF 网络是一种三层前向网络结构，第一层为输入层（即：信号源节点）；第二层为隐含层（隐含层神经元所描述的问题决定其个数，隐层单元变换函数主要是指对中心半径向对称而衰减的非负非线性函数）；第三层为输出层（主要负责对输入模式做出响应）。另外，RBF 网络也是属于一种单隐含层的前向网络结构，其可以根据自身隐层单元的个数而分为两种网络结构，即：广义化网络、正规化网络[1]。由于正规化的RBF 网络在求解权值时极易出现各种问题，因此在本文研究笔者主要采用广义化
RBF 网络实行故障诊断。
RBF 神经网络运作思路。隐含层单元的基主要为径向基函数，进而构成一个完整的隐含层空间，隐含层通过对输入矢量实施变换，这样可以将低维的模式输入数据直接转化至高维空间，这样将有利于不可分的低维空间中线性能够在高维空间线性中实现可分。
基于模糊神经网络的RT-flex柴油机燃油系统故障诊断
张国岭
【摘 要】介绍了RT-flex 60C柴油机燃油系统的常见故障类型,针对其故障类型提出了以传统的BP神经网络为主,利用模糊理论作为补充的一种智能故障诊断方法.建立了基于模糊BP神经网络的故障诊断模型,并运用MATLAB软件进行了仿真测试研究,阐明了该方法的有效性.
【期刊名称】《中国修船》
【年(卷),期】2015(028)002
【总页数】5页(P45-49)
【关键词】燃油系统;模糊神经网络;故障诊断
【作 者】张国岭
【作者单位】大连海事大学轮机工程学院,辽宁大连116026
【正文语种】中 文
【中图分类】U672
柴油机燃油系统因其结构比较复杂，故障率较高，英国柴油机工程师与用户协会提供的资料表明，造成柴油机停机故障的原因中，有27%是燃油系统故障[1]。
近十几年来，高压共轨燃油系统受到业界越来越多的青睐,其在降低油耗、改善排放、喷油正时和喷油率优化控制方面占据绝对的优势[2]。因此，开展共轨柴油机故障诊断的研究也是相当必要，有着重要的意义。
本文提出了基于模糊BP神经网络的一种智能故障诊断方法。故障诊断系统首先将采集的RT-flex60C型柴油机燃油系统故障征兆参数，进行模糊化处理后作为BP神经网络的输入，然后利用BP神经网络的联想记忆能力进行燃油系统故障模式识别，输出层推理出该系统的故障诊断结果。
本文在故障诊断研究的过程中选择燃油系统的供给部分和RT-flex系列柴油机特有的共轨系统作为研究对象。
燃油供给单元主要包括燃油供给泵、燃油循环泵、燃油混合桶、雾化加热器和自清滤器等，它们的相互关系如图1所示。
RT-flex系列柴油机的电控共轨技术能够实现对燃油喷射与排气阀执行机构的智能控制，可以自由选择喷射压力、气阀正时，实现低NOx排放、高燃烧效率以及在所有负荷状态下无烟运行，最低稳定转速可低至额定转速的10%～12%且仍保持无烟运行，还可以设置特殊的气阀正时，用于紧急停车和快速加载[3]。
