基于模糊神经网络的船舶柴油机故障诊断系统研究

柴油机作为一种被广泛使用的船舶动力设备,其工作条件恶劣,容易发生故障,而且检测过程繁杂,维修工作量大,一旦修理和维护不及时或不准确,将导致海损事故,造成人员财产损失和海洋污染。因此,做好柴油机的故障诊断工作,对提高柴油机使用安全性、降低污染、节约维修费用及降低消耗具有重要的意义。由于柴油机结构较为复杂,采用传统方法对其进行诊断难以满足要求,近年来,随着计算机及人工智能的发展,借助于神经网络、模糊逻辑以及专家系统等人工智能技术的计算机诊断方法,是柴油机故障诊断研究的一个重要方向。 本文通过对人工神经网络、模糊逻辑理论,以及专家系统等人工智能理论的分析,综合各种理论技术的优势,对船舶柴油机的故障诊断做了一些初步的探讨,主要完成了以下几方面的工作: (1)分析了船舶柴油机故障诊断技术的国内外研究现状和故障诊断机理,重点研究了船舶柴油机涡轮增压系统和冷却水系统,建立了故障现象及其对应的故障原因样本集。 (2)针对船舶柴油机故障的复杂性和模糊性,引入模糊逻辑的概念,构造了模糊神经网络,并用它进行船舶柴油机涡轮增压系统和冷却水系统的故障诊断。诊断仿真结果表明,将模糊逻辑引入神经网络后,对知识的表示更准确,不仅对输入故障现象的描述更加细化,而且对输出的故障原因也有明确的解释,更符合人们的思维习惯。 (3)利用COM组件技术实现了Visual C++对MATLAB神经网络工具箱的调用,在此基础上开发了柴油机故障诊断专家系统试验平台,以模糊理论确定故障发生的程度;以专家经验,收集训练样本;以神经网络来完成自学习功能,提高了诊断的效率,克服了传统故障诊断的一些不足。本软件具有简单实用的人机界面,使用模块化的方式编程,易于扩充,为后续的研究建立了基础。