基于改进人工免疫和神经网络的柴油机故障诊断

被引：9

作者：

李阳

朱宗胜

机构：

[1] 安阳工学院计算机科学与信息工程学院

来源：

计算机测量与控制 | 2013年 / 08期

关键词：

柴油机; 故障诊断; BP算法; 人工免疫;

D O I：

10.16526/j.cnki.11-4762/tp.2013.08.030

中图分类号：

TP183 [人工神经网络与计算]; TK428 [检修与维护];

学科分类号：

摘要：

柴油机作为动力装置的关键设备,对其进行实时地故障检测和诊断具有重大的意义;因此,提出了一种基于小波包分解和改进人工免疫神经网络的柴油机故障诊断方法;首先,对柴油机缸盖振动信号采用小波阈值法进行降噪,再采用小波包分解获得故障诊断特征向量,并将其作为BP神经网络的输入以训练网络,最后,采用改进的人工免疫算法对BP神经网络的各参数进行优化,以获得最终的BP神经网络故障诊断模型;柴油机气阀故障诊断实例表明:文中的柴油机故障诊断模型能正确地实现故障诊断,且与其它方法相比,训练误差仅为0.0001,具有诊断精度高和诊断时间短的优点。

引用

页码：2080 / 2082+2086 +2086

页数：4

共 10 条

[1]

A review of process fault detection and diagnosis[J] . Venkat Venkatasubramanian,Raghunathan Rengaswamy,Kewen Yin,Surya N. Kavuri. &nbspComputers and Chemical Engineering . 2002 (3)

[2]

Fault diagnosis for internal combustion engines using intake manifold pressure and artificial neural network[J] . Jian-Da Wu,Cheng-Kai Huang,Yo-Wei Chang,Yao-Jung Shiao. &nbspExpert Systems With Applications . 2009 (2)

[3] 柴油机缸盖噪声信号处理方法及故障诊断研究 [J].

程利军 ;

张英堂 ;

罗亮 ;

丁俊芳 .

振动与冲击, 2009, 28 (04) :173-176+212

[4] 基于小波包分析和LS-SVM的柴油机故障诊断方法 [J].

左来 .

计算机测量与控制, 2009, (11) :2150-2152

[5] 基于小波包变换和奇异值分解的柴油机振动信号特征提取研究 [J].

李国宾 ;

关德林 ;

李廷举 .

振动与冲击, 2011, 30 (08) :149-152

[6] 粗糙集及PSO优化BP网络的故障诊断研究 [J].

吴伟 ;

李楠 ;

郭茂耘 .

计算机科学, 2011, 38 (11) :200-203

[7] 贝叶斯与遗传神经网络相融合的柴油机故障诊断研究 [J].

王鑫 ;

于洪亮 ;

段树林 ;

闫锦 .

船舶工程, 2012, 34 (01) :32-35

[8] 基于小波网络的船舶柴油机燃油系统故障诊断 [J].

印洪浩 ;

彭中波 .

重庆交通大学学报(自然科学版), 2012, 31 (02) :349-352

[9] 基于BP算法和ACO算法的故障诊断推理研究 [J].

刘庆杰 ;

王小英 ;

王茂发 .

计算机测量与控制, 2012, 20 (06) :1460-1462+1466

[10]

Modeling and simulation of screw axis based on PSO-BP neural network and orthogonal experiment. You Z P,Li S Y,Li W L,et al. Proceedings of2009Second International Symposium on Computational Intelligence and Design . 2009

← 1 →