基于小波神经网络的柴油机燃油系统故障诊断的设计与实现

发布时间：2017-06-27 12:00

  本文关键词：基于小波神经网络的柴油机燃油系统故障诊断的设计与实现，由笔耕文化传播整理发布。

【摘要】： 目前,柴油机燃油系统故障诊断理论和方法已成为研究的热门课题。作为往复式机械的典型代表,柴油机燃油系统故障呈现出复杂性和多样性的特点,因而应用传统的故障诊断理论和方法很难达到预期的目的和要求。神经网络理论的不断成熟,为柴油机燃油系统故障诊断提供了新思路、新方法。特征提取是故障诊断的重要环节,是决定诊断成功与否的关键。小波变换,由于其具有空间局部化的性质,成为了特征提取的重要手段。因此,小波变换与神经网络的结合—小波神经网络在柴油机燃油系统故障诊断中备受关注。本论文以现代检测技术、小波变换和人工神经网络等理论为基础,设计了柴油机燃油系统的故障诊断系统,并将其应用于工程中,取得了很好的效果。本论文的主要工作体现在以下几个方面： 1、采用了新型的不解体安装的固态信号采集方法。采用夹持式传感器,间接得到高压油腔内的压力波形,实现柴油机油压波形的不解体在线采集。 2、研究了基于小波变换的特征提取方法。在分析和阐述小波变换的基本理论和方法的基础上,针对油压波形的特点,研究了以下提取油压波形特征的方法： (1)小波系数模极大值法。柴油机油压信号在起喷点和最大喷油压力点往往包含着故障信号的重要特征。针对这一特点,本文应用小波系数模极大值法进行多尺度信号边缘检测,分析提取油压信号的故障特征。结果表明,小波系数模极大值法可较准确的提取油压信号的故障特征。 (2)小波包频带能量分析法。根据频带能量分析技术,提出“能量-故障”法,进行油压信号的故障特征提取。结果表明,采用频带能量分析法优于小波系数模极大值法,它提取的能量特征更适合作为神经网络故障诊断的输入向量。 3、研究了神经网络诊断柴油机燃油系统故障的方法。针对BP网络易陷入局部极小值和收敛速度慢的缺点,提出了以下诊断燃油系统故障的方法。 (1)研究了基于RBF网络的燃油系统故障诊断。充分利用RBF网络具有唯一最佳逼近和没有局部极小点的重要特征,对柴油机燃油系统进行故障诊断。诊断结果表明,采用RBF这种新型的网络结构,进行柴油机燃油系统故障诊断,可以从根本上避免网络陷入局部极小点和收敛速度慢的问题,从而准确快速地诊断故障。 (2)探索了基于SOFM网络的燃油系统的故障诊断。根据SOFM理论构建网络模型,并用于诊断燃油系统故障。结果表明,SOFM网络诊断模型对输入样本向量要求较高,但诊断结果较为准确。 4、提出了小波包神经网络应用于柴油机燃油系统故障诊断中的新方法。文中阐述了应用小波变换提取特征信息的方法和神经网络的基本结构与理论,将小波包能量与RBF网络相结合用于燃油系统故障诊断。小波变换与神经网络的松散型结合,大大提高了诊断的准确性。 5、以165型柴油机作为研究对象,设计了柴油机燃油系统的故障诊断系统,并进行了现场验证。上位机基于VC++设计,下位机基于89C52单片机设计,二者通过RS-232进行串行通讯。现场验证了本系统的可行性,能实现柴油机燃油系统实时在线诊断。 最后,对本文所做的工作,以及获得的成果经验进行了简单总结,分析了本文的不足之处以及有待进一步解决的问题。
【关键词】：柴油机 燃油系统 故障诊断 小波分析 神经网络
【学位授予单位】：山东大学
【学位级别】：硕士
【学位授予年份】：2010
【分类号】：TK428
【目录】：

• 摘要11-13
• ABSTRACT13-16
• 缩略词注释表16-17
• 第一章 绪论17-25
• 1.1 引言17-18
• 1.2 设备故障诊断理论概述18-21
• 1.2.1 故障诊断技术简介18-19
• 1.2.2 柴油机故障诊断技术研究现状19-20
• 1.2.3 小波神经网络研究现状20-21
• 1.3 课题研究的目的与意义21-22
• 1.3.1 课题研究的目的21
• 1.3.2 课题研究的意义21-22
• 1.4 本课题的主要工作及特点22-25
• 第二章 基于小波变换的故障特征提取25-43
• 2.1 小波分析基础25-32
• 2.1.1 小波分析定义25-26
• 2.1.2 连续小波变换26-28
• 2.1.3 离散小波变换28
• 2.1.4 多分辨率分析28-30
• 2.1.5 小波包理论30-31
• 2.1.6 小波和小波包分解的信号重构31-32
• 2.2 利用小波模极大值法进行信号特征提取32-35
• 2.2.1 小波系数模极大值法32-33
• 2.2.2 应用小波系数模极大值法提取油压信号特征33-35
• 2.3 利用小波包进行信号特征提取35-40
• 2.3.1 小波包分解的改进算法35-36
• 2.3.2 频带分析技术36-37
• 2.3.3 应用小波包频带分析提取油压信号能量特征37-40
• 2.4 小波系数模极大值法与小波包频带能量法分析比较40
• 2.5 本章小结40-43
• 第三章 柴油机燃油系统故障的小波神经网络智能诊断43-77
• 3.1 小波分析与神经网络的结合途径43
• 3.2 人工神经网络理论概述43-45
• 3.2.1 神经网络智能诊断44
• 3.2.2 人工神经网络在故障模式识别中的应用44-45
• 3.3 神经网络模型45-50
• 3.3.1 径向基函数(RBF)神经网络模型45-47
• 3.3.2 自组织特征映射(SOFM)神经网络模型47-50
• 3.4 网络模型的MATLAB实现50-53
• 3.4.1 神经网络工具箱简介50-51
• 3.4.2 RBF网络的MATLAB实现51-52
• 3.4.3 SOFM网络的MATLAB实现52-53
• 3.5 松散型小波神经网络53-54
• 3.5.1 多分辨率分析和神经网络结合53
• 3.5.2 小波包分析与神经网络结合53-54
• 3.6 柴油机燃油系统及常见故障54-62
• 3.6.1 柴油机燃油系统简介54-56
• 3.6.2 燃油压力波及测量56-57
• 3.6.3 燃油系统常见故障分析57-62
• 3.7 小波神经网络应用于燃油系统诊断62-76
• 3.7.1 基于RBF网络的故障诊断63-69
• 3.7.2 RBF网络与BP网络性能比较分析69-71
• 3.7.3 基于SOFM网络的故障诊断71-75
• 3.7.4 RBF网络与SOFM网络算法比较75-76
• 3.8 本章小结76-77
• 第四章 柴油机故障诊断系统设计与实现77-91
• 4.1 柴油机故障诊断系统概述77-78
• 4.2 故障诊断系统硬件设计78-81
• 4.2.1 信息采集模块79
• 4.2.2 存储模块79
• 4.2.3 通信模块79-80
• 4.2.4 电源模块80
• 4.2.5 复位模块80-81
• 4.2.6 键盘81
• 4.3 故障诊断系统软件设计81-86
• 4.3.1 软件设计思想81-82
• 4.3.2 程序语言选择与简介82-83
• 4.3.3 VC++调用MATLAB83-84
• 4.3.4 软件设计结构图和程序设计流程图84-86
• 4.4 系统功能实现及实验验证86-90
• 4.5 本章小结90-91
• 第五章 总结与展望91-93
• 附录93-95
• 参考文献95-101
• 致谢101-103
• 攻读学位期间发表的学术论文及获得的荣誉103-104
• 学位论文评阅及答辩情况表104

【引证文献】

中国硕士学位论文全文数据库 前5条

1 郭晶亮;基于支持向量机的柴油机故障诊断系统研究[D];武汉理工大学;2011年

2 刘兰辉;基于瞬时转速的汽车发动机动力性能与工作均匀性的故障诊断研究[D];山东大学;2011年

3 刘湘宁;低压串联电弧故障诊断技术的研究[D];沈阳工业大学;2012年

4 王贺伟;盘式刀库及机械手性能测试与可靠性分析[D];南京理工大学;2013年

5 王强龙;基于ARM的嵌入式柴油机故障诊断系统的设计与研究[D];中北大学;2013年

  本文关键词：基于小波神经网络的柴油机燃油系统故障诊断的设计与实现，，由笔耕文化传播整理发布。

本文编号：489668