基于粒子群神经网络的发动机故障诊断方法

研究复杂发动机的故障检测,提高检测的快速性和准确性。传统故障检测方式必须通过计算发动机不同部位实时的故障系数,并且与正常状态下的发动机系数标准逐个进行对比,从而判断发动机部件是否存在故障,当发动机结构复杂,部件较多的情况下,会造成检测方法计算量加大,检测耗时,结果滞后。为了克服上述问题,提出一种粒子群神经网络的复杂发动机故障检测技术,通过自适应粒子神经网络进行迭代计算,对发动机可能出现故障的部位进行相关参数统计,从而提前进行预判,减少大量由计算带来的滞后性影响。实验证明,改进方法能够大幅减低检测耗时,弥补滞后误差,取得了令人满意的效果。