当前位置:主页 > 科技论文 > 自动化论文 >

基于和声搜索算法优化BP神经网络的柴油机故障诊断研究

发布时间:2018-02-25 06:34

  本文关键词: BP神经网络 和声搜索算法 小波理论 柴油机故障诊断 出处:《中北大学》2017年硕士论文 论文类型:学位论文


【摘要】:柴油机作为国民生产生活中必不可少的大功率往复式机械,是很多重要设备的动力来源。然而由于柴油机构造复杂及使用环境恶劣导致其故障的多发性、多样性和滞后性,因此如何发现一种高效的故障诊断方法,是目前国内外学者研究的重点。BP神经网络具有信息并行处理能力强、容错性高、自学习和自适应能力优秀等优点,但它容易陷入局部最小值,收敛速度慢;和声搜索算法最大的特点是全局寻优能力突出,而且算法简单。因此本文将和声搜索算法与BP神经网络相结合,突出它们各自的优点,改善BP神经网络的缺陷,以便达到更好的故障诊断效果。本文以R6105AZLD型柴油机作为实验对象,通过总结归纳,得出柴油机常见故障类型及其设置方法,同时研究了实验测点信号的敏感度,得出实验测点设置的位置,进行柴油机实验数据采集。经过对比各小波基函数信噪比处理结果,确定了本文信号降噪使用的小波基函数,并通过对降噪信号时域频域特征以及小波包能量特征的提取分析,指出小波包能量特征值数据更适于本文。本文利用测试标准基准测试函数实验证明了BP神经网络容易陷入局部最小值,收敛速度慢的缺点,并利用BP神经网络进行柴油机故障诊断为后续实验结果对比做准备。运用和声搜索算法优化BP神经网络,并通过测试标准基准测试函数证明了该优化算法的优越性。最后利用优化算法进行柴油机故障诊断,诊断结果表明该优化算法能够提高故障诊断的准确率和效率,同时与BP神经网络诊断结果对比,再次证明了和声搜索算法优化BP神经网络的优越性。
[Abstract]:This paper uses R6105AZLD diesel engine as the experimental object , and points out that it is easy to fall into local minimum value and slow convergence speed .

【学位授予单位】:中北大学
【学位级别】:硕士
【学位授予年份】:2017
【分类号】:TP183;TK428

【参考文献】

相关期刊论文 前10条

1 沈绍辉;姚竹亭;;和声搜索算法优化支持向量机的柴油机故障诊断研究[J];组合机床与自动化加工技术;2015年09期

2 巴寅亮;王书提;谢鑫;;基于改进的BP神经网络的柴油发动机故障诊断[J];工业仪表与自动化装置;2015年03期

3 权春锋;李海斌;;BP神经网络柴油机故障诊断技术的应用[J];黑龙江科技信息;2015年12期

4 王秋鹏;;基于自适应神经模糊推理系统的柴油机故障诊断与探析[J];新技术新工艺;2014年07期

5 李海斌;;基于遗传算法的BP神经网络在柴油机故障诊断中的应用[J];科技视界;2014年13期

6 达列雄;刘杰;;和声搜索算法在油田事故应急资源筹集中的应用[J];电子测试;2014年03期

7 魏海斌;;柴油机配气机构常见故障原因分析[J];农机使用与维修;2013年12期

8 董雅宏;李刚;白宇君;高晓玲;;小波包分析在柴油机故障诊断中的应用[J];机械研究与应用;2012年05期

9 李劲华;杨永丽;邢丹丹;;和声搜索算法在组合测试用例生成中的应用[J];计算机与现代化;2012年09期

10 刘德地;王高旭;陈晓宏;刘丙军;王兆礼;;基于混沌和声搜索算法的水资源优化配置[J];系统工程理论与实践;2011年07期

相关博士学位论文 前2条

1 朱振夏;增压柴油机高原环境下的供油与进气调节研究[D];北京理工大学;2015年

2 张旭;人工免疫算法及其在船舶柴油机智能故障诊断中的应用研究[D];大连海事大学;2007年

相关硕士学位论文 前9条

1 沈绍辉;基于人工蜂群算法优化支持向量机的柴油机故障诊断研究[D];中北大学;2016年

2 刘洋;和声搜索算法演化计算理论及其在复杂车间调度中的应用[D];兰州理工大学;2016年

3 朱航;基于改进和声搜索算法的车间作业调度问题研究[D];南京理工大学;2015年

4 董安;基于形态滤波和灰色理论的柴油机故障诊断研究[D];中北大学;2014年

5 刘旭;基于改进型BP神经网络的风电功率预测研究[D];华北电力大学;2013年

6 陈莹珍;和声搜索算法的改进研究[D];北方民族大学;2012年

7 田静宜;基于粗糙集和神经网络的柴油机故障诊断研究[D];中北大学;2011年

8 占惠文;基于模糊神经网络的船舶柴油机故障诊断系统研究[D];武汉理工大学;2009年

9 易雄;基于小波分析的机械故障特征提取与诊断技术研究[D];浙江工业大学;2009年



本文编号:1533408

资料下载
论文发表

本文链接:https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/1533408.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户d6c11***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com