柴油机增压器的故障预测与健康管理
发布时间：2021-10-09 21:08
伴随着我国列车的高速发展,涡轮增压器作为列车发动机的关键部件之一,在机车的动力性、经济性和可靠性等方面发挥着重要的作用,因此对增压器的故障进行预测是非常必要的。本文重点研究了机车涡轮增压器故障预测的方法,建立了故障预测模型,设计开发了一套机车涡轮增压器故障预测系统。首先,根据文献资料和增压器的故障数据,总结涡轮增压器的常见故障,分析每类故障发生的主要原因并给出解决方案,为后续的预测系统提供技术支持。其次,提出了GA-SGNN的机车涡轮增压器故障预测方法。首先找出表征增压器工作性能的状态参数,计算多变量之间的关联度,然后建立了多变量灰色预测模型（MGM（1,n））对变量进行预测,用残差和相对误差检验了模型的精度,得出相对误差均小于5%,结果表明MGM（1,6）模型的精度符合要求。在MGM（1,6）模型基础上有机结合BP神经网络,建立串联灰色神经网络预测模型（SGNN模型）,结果表明SGNN模型预测精度比MGM（1,6）模型预测精度高。在建立的SGNN模型的基础上,引入遗传算法来改善灰色神经网络模型的局部最优和收敛性问题,建立了基于遗传算法的灰色神经网络模型（GA-SGNN）并对模型的精度...
【文章来源】：大连理工大学辽宁省 211工程院校 985工程院校 教育部直属院校
【文章页数】：67 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
1 绪论
1.1 研究背景及意义
1.2 故障预测技术的发展现状
1.2.1 国外故障预测的发展现状
1.2.2 国内故障预测的发展现状
1.3 本文的研究内容与结构安排
1.3.1 研究的主要问题及技术路线
1.3.2 整文结构安排
1.4 本章小结
2 机车增压器的故障
2.1 机车增压器常见的故障
2.1.1 噪声和震动异常
2.1.2 喘振
2.1.3 漏油
2.1.4 温度过高
2.1.5 增压压力过大
2.1.6 增压压力不足
2.2 解决方案
2.3 本章小结
3 机车增压器故障预测方法研究
3.1 多变量灰色预测模型
3.1.1 灰色关联度矩阵
3.1.2 MGM(1,n)模型
3.1.3 MGM(1,n)模型应用
3.2 灰色神经网络模型
3.2.1 人工神经网络
3.2.2 BP神经网络简介
3.2.3 灰色神经网络模型简介
3.2.4 灰色神经网络模型应用
3.3 基于遗传算法的灰色神经网络模型
3.3.1 遗传算法简介
3.3.2 遗传算法基本原理
3.3.3 遗传-灰色神经网络模型应用
3.4 本章小结
4 机车增压器故障诊断方法研究
4.1 RBF神经网络模型
4.1.1 RBF神经网络拓扑结构
4.1.2 RBF神经网络的学习算法
4.2 RBF神经网络模型应用实例
4.3 本章小结
5 机车增压器故障预测系统的设计和开发
5.1 MATLAB GUI设计
5.2 软件运行界面
5.3 本章小结
6 总结与展望
6.1 总结
6.2 展望
参考文献
致谢
【参考文献】：
期刊论文
[1]浅析废气涡轮增压器的使用与故障排除[J]. 钟小丽. 企业技术开发. 2014(17)
[2]机械故障预测模型综述[J]. 薛子云,杨江天,朱衡君. 机械强度. 2006(S1)
[3]我国车用增压器产品现状及发展趋势[J]. 张晋东. 柴油机. 2005(04)
[4]基于预测滤波器的故障诊断方法研究[J]. 李骥,张洪钺. 中国科学E辑:信息科学. 2004(12)
[5]基于神经网络的军用飞机故障预报系统研究[J]. 赵海东,缪旭东,吕世聘. 系统工程与电子技术. 2003(07)
[6]大型旋转机械计算机在线状态监测和故障诊断技术[J]. 史定国,董振兴. 化工设备与管道. 2000(04)
[7]用于故障预测的BP网络模型及改进[J]. 李勇,孙艳萍,孙海波,宋景东. 东北电力学院学报. 1999(01)
[8]基于灰色模型的故障预报技术及其在空间推进系统上的应用[J]. 程惠涛,黄文虎,姜兴渭. 推进技术. 1998(03)
[9]MGM（1,n）灰色模型及应用[J]. 翟军,盛建明,冯英浚. 系统工程理论与实践. 1997(05)
博士论文
[1]基于人工智能和虚拟仪器技术的发动机故障诊断专家系统研究[D]. 李增芳.浙江大学 2004
硕士论文
[1]基于大数据的公交车辆状态细分与故障预测研究[D]. 尚小税.北京交通大学 2018
[2]基于油中溶解气体的变压器故障预测研究[D]. 尹豪杰.西南交通大学 2018
[3]接触网的故障预测与健康管理研究[D]. 尚博文.大连交通大学 2017
[4]船机涡轮增压器故障诊断方法及系统研究[D]. 姚荣荣.重庆大学 2016
[5]基于灰色遗传算法优化神经网络的江西省GDP预测[D]. 牛晋徽.景德镇陶瓷大学 2016
[6]涡轮增压器性能检测与故障预测系统的研制[D]. 何刘海.大连理工大学 2013
[7]FFNN在柴油机燃油系统故障诊断中的应用[D]. 黄勇.大连理工大学 2008
本文编号：3427007
【文章来源】：大连理工大学辽宁省 211工程院校 985工程院校 教育部直属院校
【文章页数】：67 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
1 绪论
1.1 研究背景及意义
1.2 故障预测技术的发展现状
1.2.1 国外故障预测的发展现状
1.2.2 国内故障预测的发展现状
1.3 本文的研究内容与结构安排
1.3.1 研究的主要问题及技术路线
1.3.2 整文结构安排
1.4 本章小结
2 机车增压器的故障
2.1 机车增压器常见的故障
2.1.1 噪声和震动异常
2.1.2 喘振
2.1.3 漏油
2.1.4 温度过高
2.1.5 增压压力过大
2.1.6 增压压力不足
2.2 解决方案
2.3 本章小结
3 机车增压器故障预测方法研究
3.1 多变量灰色预测模型
3.1.1 灰色关联度矩阵
3.1.2 MGM(1,n)模型
3.1.3 MGM(1,n)模型应用
3.2 灰色神经网络模型
3.2.1 人工神经网络
3.2.2 BP神经网络简介
3.2.3 灰色神经网络模型简介
3.2.4 灰色神经网络模型应用
3.3 基于遗传算法的灰色神经网络模型
3.3.1 遗传算法简介
3.3.2 遗传算法基本原理
3.3.3 遗传-灰色神经网络模型应用
3.4 本章小结
4 机车增压器故障诊断方法研究
4.1 RBF神经网络模型
4.1.1 RBF神经网络拓扑结构
4.1.2 RBF神经网络的学习算法
4.2 RBF神经网络模型应用实例
4.3 本章小结
5 机车增压器故障预测系统的设计和开发
5.1 MATLAB GUI设计
5.2 软件运行界面
5.3 本章小结
6 总结与展望
6.1 总结
6.2 展望
参考文献
致谢
【参考文献】：
期刊论文
[1]浅析废气涡轮增压器的使用与故障排除[J]. 钟小丽. 企业技术开发. 2014(17)
[2]机械故障预测模型综述[J]. 薛子云,杨江天,朱衡君. 机械强度. 2006(S1)
[3]我国车用增压器产品现状及发展趋势[J]. 张晋东. 柴油机. 2005(04)
[4]基于预测滤波器的故障诊断方法研究[J]. 李骥,张洪钺. 中国科学E辑:信息科学. 2004(12)
[5]基于神经网络的军用飞机故障预报系统研究[J]. 赵海东,缪旭东,吕世聘. 系统工程与电子技术. 2003(07)
[6]大型旋转机械计算机在线状态监测和故障诊断技术[J]. 史定国,董振兴. 化工设备与管道. 2000(04)
[7]用于故障预测的BP网络模型及改进[J]. 李勇,孙艳萍,孙海波,宋景东. 东北电力学院学报. 1999(01)
[8]基于灰色模型的故障预报技术及其在空间推进系统上的应用[J]. 程惠涛,黄文虎,姜兴渭. 推进技术. 1998(03)
[9]MGM（1,n）灰色模型及应用[J]. 翟军,盛建明,冯英浚. 系统工程理论与实践. 1997(05)
博士论文
[1]基于人工智能和虚拟仪器技术的发动机故障诊断专家系统研究[D]. 李增芳.浙江大学 2004
硕士论文
[1]基于大数据的公交车辆状态细分与故障预测研究[D]. 尚小税.北京交通大学 2018
[2]基于油中溶解气体的变压器故障预测研究[D]. 尹豪杰.西南交通大学 2018
[3]接触网的故障预测与健康管理研究[D]. 尚博文.大连交通大学 2017
[4]船机涡轮增压器故障诊断方法及系统研究[D]. 姚荣荣.重庆大学 2016
[5]基于灰色遗传算法优化神经网络的江西省GDP预测[D]. 牛晋徽.景德镇陶瓷大学 2016
[6]涡轮增压器性能检测与故障预测系统的研制[D]. 何刘海.大连理工大学 2013
[7]FFNN在柴油机燃油系统故障诊断中的应用[D]. 黄勇.大连理工大学 2008
本文编号：3427007
本文链接：https://www.wllwen.com/guanlilunwen/glzh/3427007.html
