[摘要]本文給出了神經(jīng)網(wǎng)絡(luò)模型在預(yù)測過程中的學(xué)習(xí)算法和改進(jìn)的神經(jīng)網(wǎng)絡(luò)的訓(xùn)練算法，并用于柴油發(fā)動機(jī)運(yùn)行中的故障預(yù)測，經(jīng)過多種柴油機(jī)的試驗(yàn)證明試驗(yàn)結(jié)果滿意，對故障的實(shí)時檢測有重要意義，具有良好的應(yīng)用前景。

[關(guān)鍵詞]神經(jīng)網(wǎng)絡(luò) 柴油發(fā)動機(jī) 故障診斷

一、柴油機(jī)的主要結(jié)構(gòu)

柴油機(jī)的結(jié)構(gòu)非常復(fù)雜，而且不同用途的柴油機(jī)結(jié)構(gòu)也不盡相同，下面以機(jī)車柴油機(jī)為例，簡單介紹其主要結(jié)構(gòu)：

（1）固定件：包括機(jī)體、氣缸蓋、氣缸套等，它是柴油機(jī)的骨架和所有零部件的安裝基礎(chǔ)；（2）運(yùn)動件：包括活塞、連桿、曲軸等，是實(shí)現(xiàn)能量轉(zhuǎn)換的重要部件；（3）配氣機(jī)構(gòu)：主要由凸輪軸、氣門等組成，它控制著進(jìn)、排氣管道的開啟和關(guān)閉；（4）進(jìn)、排氣系統(tǒng)：主要由增壓器、中冷器、濾清器及進(jìn)、排氣管道等組成，完成換氣；（5）燃油系統(tǒng)：是柴油機(jī)的重要組成部分，其工作狀態(tài)直接影響著柴油機(jī)的工作性能。其中噴油泵、噴油器及高壓油管是其重要結(jié)構(gòu)；（6）調(diào)控系統(tǒng)：以調(diào)速器為核心，實(shí)現(xiàn)對柴油機(jī)供油量的調(diào)節(jié)；（7）機(jī)油系統(tǒng)：為運(yùn)動摩擦表面提供充足的潤滑油，保證柴油機(jī)的正常工作；（8）冷卻系統(tǒng)：適時地降低零部件的溫度，保證柴油機(jī)的正常工作；（9）其他輔助系統(tǒng)：包括啟動系統(tǒng)、靜液壓系統(tǒng)等，協(xié)助柴油機(jī)完成正常工作。

二、柴油機(jī)故障診斷的方法

故障診斷技術(shù)，是指在發(fā)動機(jī)不解體或局部解體的情況下確定其技術(shù)狀況，查明其故障部位及原因的檢查方法。該技術(shù)是運(yùn)用現(xiàn)代測試設(shè)備和計(jì)算機(jī)技術(shù)來確定發(fā)動機(jī)的技術(shù)狀況和故障的科學(xué)分析方法，是在傳統(tǒng)的人工檢驗(yàn)的基礎(chǔ)上隨著社會的進(jìn)步和科學(xué)技術(shù)的提高而逐步發(fā)展起來的。下面介紹幾種典型的對柴油機(jī)進(jìn)行故障診斷的方法。

1.振動分析法

2.應(yīng)用鐵譜和光譜技術(shù)監(jiān)測柴油機(jī)磨損狀況

3.熱力參數(shù)分析法

4.油液分析法

5.基于灰色系統(tǒng)理論的故障診斷方法

6.基于神經(jīng)網(wǎng)絡(luò)的故障診斷法

7.基于專家系統(tǒng)的智能化診斷方法

8.基于支持向量機(jī)的柴油機(jī)故障診斷方法

9.基于模式識別對柴油機(jī)故障進(jìn)行診斷

三、基于BP神經(jīng)網(wǎng)絡(luò)的柴油機(jī)故障診斷的深入研究

1.人工神經(jīng)網(wǎng)絡(luò)概述

人工神經(jīng)網(wǎng)絡(luò)（ANN）是一類非常有效的預(yù)測技術(shù)。ANN模擬人的直觀性思維，特色在于信息的分布式存儲和并行協(xié)同處理，具有集體運(yùn)算和自適應(yīng)學(xué)習(xí)的能力。

故障預(yù)測的神經(jīng)網(wǎng)絡(luò)主要以兩種方式實(shí)現(xiàn)預(yù)測功能，一是以神經(jīng)網(wǎng)絡(luò)（如BP網(wǎng)絡(luò)）作為函數(shù)逼近器，對機(jī)組工況的某參數(shù)進(jìn)行擬合預(yù)測；二是考慮輸入輸出間的動態(tài)關(guān)系，用帶饋連接的動態(tài)神經(jīng)網(wǎng)絡(luò)對過程或工況參數(shù)建立動態(tài)模型而進(jìn)行故障預(yù)測。動態(tài)神經(jīng)網(wǎng)絡(luò)的預(yù)測是一個對動態(tài)時序建模的過程。人們已經(jīng)提出了許多有效的網(wǎng)絡(luò)結(jié)構(gòu)，其中包括全連接網(wǎng)絡(luò)以及各種具有局部信息反饋結(jié)構(gòu)的網(wǎng)絡(luò)模型等，這些網(wǎng)絡(luò)一個共同的特點(diǎn)是其輸出不僅取決于當(dāng)前輸入，還依賴于網(wǎng)絡(luò)過去的狀態(tài)，網(wǎng)絡(luò)本身具有相應(yīng)的動態(tài)結(jié)構(gòu)，其預(yù)測是動態(tài)預(yù)測，因而在實(shí)際的非線性動態(tài)系統(tǒng)的建模和預(yù)測中得到了成功的應(yīng)用。但是動態(tài)神經(jīng)網(wǎng)絡(luò)在結(jié)構(gòu)上遠(yuǎn)比前饋網(wǎng)絡(luò)結(jié)構(gòu)復(fù)雜，其樣本訓(xùn)練也較困難，因此合理地降低網(wǎng)絡(luò)結(jié)構(gòu)的復(fù)雜性，簡化網(wǎng)絡(luò)的學(xué)習(xí)算法將是實(shí)際應(yīng)用中需要研究解決的問題。

2.基于神經(jīng)網(wǎng)絡(luò)的預(yù)測原理

（1）正向建模。

正向建模是指訓(xùn)練一個神經(jīng)網(wǎng)絡(luò)表達(dá)系統(tǒng)正向動態(tài)的過程，這一過程建立的神經(jīng)網(wǎng)絡(luò)模型稱為正向模型。正向模型的結(jié)構(gòu)如圖1所示，其中神經(jīng)網(wǎng)絡(luò)與待辨識的系統(tǒng)并聯(lián)，兩者的輸出誤差用做網(wǎng)絡(luò)的訓(xùn)練信號。顯然，這是一個典型的有教師學(xué)習(xí)問題，實(shí)際系統(tǒng)作為教師，向神經(jīng)網(wǎng)絡(luò)提供算法所需的期望輸出。當(dāng)系統(tǒng)是被控對象或傳統(tǒng)控制器時，神經(jīng)網(wǎng)絡(luò)多采用多層前向網(wǎng)絡(luò)的形式，可直接選用BP網(wǎng)絡(luò)或它的各種變形。而當(dāng)系統(tǒng)為性能評價器時，則可選擇再勵學(xué)習(xí)算法，這時網(wǎng)絡(luò)既可以采用具有全局逼近能力的網(wǎng)絡(luò)，如多層感知器，也可選用具有局部逼近能力的網(wǎng)絡(luò)，如小腦模型關(guān)節(jié)控制器（CMAC）等。

（2）逆向建模。

建立動態(tài)系統(tǒng)的逆模型，在神經(jīng)網(wǎng)絡(luò)控制中起著關(guān)鍵作用，并且得到了特別廣泛的應(yīng)用。圖2為直接逆建模的模型結(jié)構(gòu)。從原理上說，這是一種最簡單的方法。由圖可見，逆預(yù)報(bào)的系統(tǒng)輸出作為網(wǎng)絡(luò)的輸入，網(wǎng)絡(luò)輸出與系統(tǒng)輸入比較，相應(yīng)的輸入誤差用于訓(xùn)練，因此網(wǎng)絡(luò)將通過學(xué)習(xí)建立系統(tǒng)的逆模型。但是如果所辨識的非線性系統(tǒng)是不可逆的，利用上述方法，將得到一個不正確的逆模型。因此，在建立系統(tǒng)逆模型時，可逆性應(yīng)該事先有所保證。

為了獲得良好的逆動力學(xué)特性，應(yīng)妥善選擇網(wǎng)絡(luò)訓(xùn)練所需的樣本集，使其比未知系統(tǒng)的實(shí)際運(yùn)行范圍更大。但實(shí)際工作時的輸入信號很難事先給定，因?yàn)榭刂颇繕?biāo)是使系統(tǒng)輸出具有期望的運(yùn)動，對于未知被控系統(tǒng)期望輸入不可能給出。另一方面，在系統(tǒng)預(yù)報(bào)中，為保證參數(shù)估計(jì)算法的一致收斂，必須使用一定的持續(xù)激勵的輸入信號。

（3）神經(jīng)網(wǎng)絡(luò)預(yù)測模型。

一個單隱層BP網(wǎng)絡(luò)可以實(shí)現(xiàn)任意的n維到m維的非線性映射，而且當(dāng)各節(jié)點(diǎn)均采用S型函數(shù)時，一個隱含層就足以實(shí)現(xiàn)任意判決分類問題。圖1所示的為三層BP網(wǎng)絡(luò)診斷模型。將故障征兆作為輸入層節(jié)點(diǎn)，故障原因作為輸出層節(jié)點(diǎn)，利用隱層實(shí)現(xiàn)輸入到輸出的非線性映射關(guān)系。輸入層至隱層以及隱層至輸出層的傳輸函數(shù)，均選用S型函數(shù)tansig。

四、柴油發(fā)動機(jī)故障預(yù)測實(shí)例

柴油機(jī)故障預(yù)測在實(shí)時控制和保證動力系統(tǒng)可靠運(yùn)行方面起著重要的作用，它已經(jīng)成為動力系統(tǒng)中現(xiàn)代性能管理系統(tǒng)的一個主要組成部分。在發(fā)動機(jī)不解體的情況下，若能及時預(yù)測并正確判斷故障部位和原因，將大大提高動力系統(tǒng)的使用可靠性和安全性，減少修理盲目性，縮短修理時間。柴油發(fā)動機(jī)具有非線性傳遞特性，其運(yùn)行時的振動信號已被證明是非平穩(wěn)隨機(jī)過程，利用其進(jìn)行故障預(yù)測，是目前行之有效的預(yù)測方法。

1.BP網(wǎng)絡(luò)設(shè)計(jì)

BP網(wǎng)絡(luò)是系統(tǒng)預(yù)測中應(yīng)用特別廣泛的一種網(wǎng)絡(luò)形式，因此，采用BP網(wǎng)絡(luò)對柴油發(fā)動機(jī)故障進(jìn)行預(yù)測。根據(jù)BP網(wǎng)絡(luò)的設(shè)計(jì)網(wǎng)絡(luò)，一般的預(yù)測問題都可以通過單隱層的BP網(wǎng)絡(luò)實(shí)現(xiàn)。由于輸入向量有7個元素，所以網(wǎng)絡(luò)輸入層的神經(jīng)元有7個，根據(jù)Kolmogorov定理，可知網(wǎng)絡(luò)中間層的神經(jīng)元可以取10個。而輸出向量有3個，所以輸出層中的神經(jīng)元應(yīng)該有3個。網(wǎng)絡(luò)中間層的神經(jīng)元傳遞函數(shù)采用S型正切函數(shù)tansig

輸出層神經(jīng)元傳遞函數(shù)采用S型對數(shù)函數(shù)logsig。這是因?yàn)楹瘮?shù)的輸出位于區(qū)間［0，1］中，正好滿足網(wǎng)絡(luò)輸出的要求。

2.網(wǎng)絡(luò)訓(xùn)練及實(shí)驗(yàn)結(jié)果

神經(jīng)網(wǎng)絡(luò)按這樣的方式進(jìn)行訓(xùn)練：一個網(wǎng)絡(luò)對一個通道的傳遞函數(shù)進(jìn)行建模。在系統(tǒng)不正常的情況下，受訓(xùn)網(wǎng)絡(luò)提前就不正常。預(yù)測網(wǎng)絡(luò)的輸出與實(shí)際系統(tǒng)相比較，根據(jù)比較的結(jié)果，通過模糊推理實(shí)行仿人的決策。誤差信息（即偏離正常狀態(tài)）和該誤差信號的歷史（即誤差的變化）可以成為模糊元件輸入的一部分。例如，以前診斷的結(jié)果是“不正?！?，誤差和誤差變化在增加，則我們可以證實(shí)系統(tǒng)的性能在變壞。



神經(jīng)網(wǎng)絡(luò)訓(xùn)練曲線如圖3.5-3所示。當(dāng)在給出誤差精確度為10-12級的時候，BP神經(jīng)網(wǎng)絡(luò)在29步的時候就完成了訓(xùn)練。此圖表說明了BP神經(jīng)網(wǎng)絡(luò)的仿真效果明顯。網(wǎng)絡(luò)經(jīng)過訓(xùn)練后才可以用于柴油機(jī)故障預(yù)測的實(shí)際應(yīng)用。經(jīng)過實(shí)際運(yùn)行，神經(jīng)網(wǎng)絡(luò)得到某4個時刻柴油發(fā)動機(jī)的故障特征預(yù)測表如表3所示。T1表明柴油發(fā)動機(jī)高壓油泵發(fā)生故障。經(jīng)實(shí)際運(yùn)行，高壓油泵果然出現(xiàn)故障。檢查發(fā)現(xiàn)高壓油泵不供油。進(jìn)一步診斷判斷，是高壓油泵花鍵接盤與傳動齒輪的兩個固定螺絲松脫造成的。T2為進(jìn)氣量少，T3為高壓油泵故障，T4也為高壓油泵故障。經(jīng)檢查果然如此。

通過上述學(xué)習(xí)訓(xùn)練，網(wǎng)絡(luò)獲取了診斷柴油機(jī)故障知識，這些知識是以分布在網(wǎng)絡(luò)內(nèi)部的連接權(quán)值隱性表達(dá)。網(wǎng)絡(luò)根據(jù)輸入值分析部分結(jié)果表明：對于已學(xué)習(xí)的樣本知識，網(wǎng)絡(luò)輸出與期望結(jié)果相等，說明網(wǎng)絡(luò)能夠正確診斷故障。對于輸入稍微偏離的樣本，其輸出表現(xiàn)接近樣本輸入的傾向，說明網(wǎng)絡(luò)具有一定的容錯能力。因此，只要樣本正確，用此網(wǎng)絡(luò)征兆可以較好地診斷出故障的類別。

五、總結(jié)

本文給出了神經(jīng)網(wǎng)絡(luò)模型在預(yù)測過程中的學(xué)習(xí)算法和改進(jìn)的神經(jīng)網(wǎng)絡(luò)的訓(xùn)練算法，并用于柴油發(fā)動機(jī)運(yùn)行中的故障預(yù)測，經(jīng)過多種柴油機(jī)的試驗(yàn)證明試驗(yàn)結(jié)果滿意，對故障的實(shí)時檢測有重要意義，具有良好的應(yīng)用前景。

但是在人工神經(jīng)網(wǎng)絡(luò)信號處理的模式識別方面，仍有很多工作要做，除BP網(wǎng)絡(luò)外，自適應(yīng)濾波網(wǎng)絡(luò)，小波神經(jīng)網(wǎng)絡(luò)，狀態(tài)記憶網(wǎng)絡(luò)等都在柴油機(jī)振動信號處理方面有著良好的應(yīng)用前景。對這些網(wǎng)絡(luò)的進(jìn)一步研究將為柴油機(jī)故障診斷提供更廣泛的手段。最近，人們開始試圖將人工神經(jīng)網(wǎng)絡(luò)與專家系統(tǒng)、模糊邏輯等結(jié)合，不斷地改進(jìn)人工神經(jīng)網(wǎng)絡(luò)的算法，以期更有效地進(jìn)行柴油機(jī)故障監(jiān)測與診斷。

參考文獻(xiàn)：

［1］齊明俠.大型柴油機(jī)故障診斷系統(tǒng)智能化的研究［D］.博士學(xué)位論文，石油大學(xué)（北京），1999.

［2］曹龍漢，曹長修，孫穎楷等.柴油機(jī)故障診斷技術(shù)的現(xiàn)狀及展望［D］.重慶大學(xué)學(xué)報(bào)，2001，24（6）：45-48.

［3］曹龍漢.柴油機(jī)智能化故障診斷技術(shù)［M］.北京：國防工業(yè)出版社，2005，1：11-13.

［4］張維新，張俊峰.柴油機(jī)故障診斷技術(shù)趨向分析［J］.天津航海.

（作者單位：浙江理工大學(xué)機(jī)械與控制學(xué)院）

注：本文中所涉及到的圖表、注解、公式等內(nèi)容請以PDF格式閱讀原文。