基于神经网络的船舶柴油机故障诊断研究

发布时间：2017-10-03 10:30

  本文关键词：基于神经网络的船舶柴油机故障诊断研究

  更多相关文章： BP神经网络 船舶柴油机 故障诊断 遗传算法 燃油系统

【摘要】：船舶电站是整个船舶系统的动力心脏，为整个船舶系统提供原动力。随着现代船舶系统的日趋高性能化和结构复杂化，船舶电站的柴油发电机组也日益朝着大型化、高速化、精密化的方向发展，工作性能不断改善，自动化程度越来越高。一方面它将大大提高劳动生产率，，提高船舶系统的电能质量，降低维护成本和能耗。但另一方面带来的问题是，一旦其中某一部分或某一环节发生故障，往往会使整个船舶系统处于瘫痪状态，直接或间接造成巨大的经济损失，甚至造成关键设备的损坏，危及人身安全。因此，如何迅速判断故障发生的原因，进而有效地排除故障，保证船舶的继续正常航行具有特别重要的意义。 本文在分析国内外智能诊断技术研究现状及柴油机故障诊断诸多方法的基础上，给出了一种基于遗传神经网络的柴油机故障智能诊断方法，并且对柴油机燃油系统故障诊断问题进行了深入研究。 首先，论文对故障诊断技术的研究现状及课题的研究内容进行了简要的论述，介绍了柴油机故障诊断的几种常见方法，并分析了神经网络故障诊断方法存在的问题。 其次，针对BP神经网络收敛速度慢和容易陷入局部极小值问题，将遗传算法和神经网络有机结合，利用遗传算法的全局搜索能力，优化网络的初始权值和阀值，解决其本身固有的两个缺陷，进而提高了BP神经网络诊断故障时的准确性和快速性。 最后，在MATLAB环境下进行仿真研究，把柴油机燃油系统典型故障数据作为遗传神经网络的训练样本，构建及训练网络，并对模拟故障进行诊断分析。仿真结果表明，基于遗传神经网络的故障诊断结果与实测值具有良好的一致性，只要选择足够典型的原始故障样本训练遗传神经网络，网络的稳定性就较好。基于遗传神经网络的故障模式识别方法能充分利用信息特征，实现输入与输出之间的映射关系，得出准确的诊断结果。
【关键词】：BP神经网络 船舶柴油机 故障诊断 遗传算法 燃油系统
【学位授予单位】：武汉理工大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：U672
【目录】：

• 摘要4-5
• Abstract5-9
• 第1章 绪论9-16
• 1.1 课题研究背景9-10
• 1.2 船舶柴油机组故障诊断的研究现状和发展10-13
• 1.2.1 船舶柴油机组故障诊断的国内外研究现状10-12
• 1.2.2 船舶柴油机故障诊断的发展趋势12-13
• 1.3 人工神经网络在故障诊断中的应用13-15
• 1.4 本文研究内容和论文结构15-16
• 第2章 BP 神经网络的原理16-32
• 2.1 人工神经网络的基本理论16-20
• 2.1.1 人工神经网络的发展16-17
• 2.1.2 人工神经元模型17-20
• 2.2 BP 神经网络20-28
• 2.2.1 BP 神经网络的模型20-22
• 2.2.2 BP 神经网络的学习算法22-25
• 2.2.3 标准 BP 算法的改进方法25-26
• 2.2.4 BP 网络参数的选取原则26-28
• 2.3 基于 BP 网络对柴油机涡轮增压系统的故障诊断28-31
• 2.3.1 BP 网络输入、输出及样本数据28-29
• 2.3.2 网络结构的确定及训练29-30
• 2.3.3 BP 网络测试及结果分析30-31
• 2.4 本章小结31-32
• 第3章 遗传算法优化 BP 神经网络32-46
• 3.1 BP 网络的缺点和优化方案32-34
• 3.1.1 BP 网络的缺点32
• 3.1.2 BP 网络的优化方案32-34
• 3.2 遗传算法的原理34-36
• 3.3 遗传算法中参数的选择36-45
• 3.3.1 编码方案的选择36-37
• 3.3.2 编初始种群的生成37-38
• 3.3.3 适应度函数的设计38-39
• 3.3.4 遗传操作的设计39-42
• 3.3.5 初始参数的选取原则42-43
• 3.3.6 遗传算法优化实例43-45
• 3.4 本章小结45-46
• 第4章 柴油机燃油系统的故障诊断46-65
• 4.1 船舶柴油机组的简介46-48
• 4.1.1 柴油机燃油系统46-47
• 4.1.2 燃油喷射过程47-48
• 4.2 柴油机燃油系统压力波形48-53
• 4.2.1 压力波形成机理48-51
• 4.2.2 燃油压力的测量51-53
• 4.3 燃油系统的几种常见故障53-57
• 4.4 柴油机燃油压力波形特征参数的提取57-60
• 4.4.1 燃油压力波形特征提取58
• 4.4.2 诊断特征参数的识别58-60
• 4.5 基于遗传算法神经网络的燃油系统故障诊断60-64
• 4.5.1 样本数据及 BP 网络结构的确定60-62
• 4.5.2 遗传算法优化 BP 网络62-63
• 4.5.3 优化后 BP 网络的训练及测试63-64
• 4.6 本章小结64-65
• 第5章 总结与展望65-67
• 5.1 全文总结65-66
• 5.2 研究展望66-67
• 致谢67-68
• 参考文献68-70

【参考文献】

中国期刊全文数据库 前10条

1 蒋磊;杨朔;;船用柴油机故障诊断技术现状及发展趋势[J];船舶;2007年04期

2 时志刚;冯明志;高荃;;我国船舶柴油机发展展望[J];柴油机;2012年01期

3 陈家金;王和平;;船舶电力推进系统的发展[J];世界海运;2006年04期

4 孙欣;丁香乾;石硕;;BP神经网络在柴油机涡轮增压系统故障诊断中的应用[J];计算机应用研究;2006年06期

5 吉根林;遗传算法研究综述[J];计算机应用与软件;2004年02期

6 周红晓;基于神经网络的柴油机故障诊断方法[J];计算机测量与控制;2003年07期

7 杨小强,李生义;神经网络技术在柴油机故障诊断中的应用[J];矿山机械;1999年07期

8 鲁绪阁;范云霄;钱抗抗;;设备故障诊断技术综述及其发展趋势[J];矿山机械;2007年12期

9 许丽君;陈红卫;;神经网络在船舶柴油机故障诊断中的应用研究[J];计算机测量与控制;2013年06期

10 杨志;董振良;万金波;;基于神经网络的柴油机故障诊断[J];中国新技术新产品;2011年24期

本文编号：964696