陜西西安石油大學(xué) 機(jī)械工程學(xué)院 尚 奇

基于BP神經(jīng)網(wǎng)絡(luò)的4135柴油機(jī)故障診斷

陜西西安石油大學(xué) 機(jī)械工程學(xué)院 尚 奇

柴油機(jī)故障具有診斷對象多、特點不一、關(guān)系復(fù)雜的特點。柴油機(jī)屬于往復(fù)機(jī)械范疇，其運(yùn)動學(xué)、動力學(xué)形態(tài)相當(dāng)復(fù)雜，而神經(jīng)網(wǎng)絡(luò)具有處理復(fù)雜多模式及進(jìn)行聯(lián)想、推測和記憶的功能，并且具有很強(qiáng)的實時性，因此將神經(jīng)網(wǎng)絡(luò)應(yīng)用于故障診斷系統(tǒng)，可以有效解地決問題。本文，筆者提出一種基于學(xué)習(xí)率可變的BP網(wǎng)絡(luò)的柴油機(jī)故障診斷模型。仿真結(jié)果表明，該算法識別效果較好，適用于柴油機(jī)故障診斷系統(tǒng)。

一、學(xué)習(xí)率可變的BP算法

1. BP神經(jīng)元及BP網(wǎng)絡(luò)模型。BP神經(jīng)元模型見圖1。BP神經(jīng)元與其他神經(jīng)元類似，不同的是BP神經(jīng)元的傳輸函數(shù)為非線性函數(shù)，最常用的函數(shù)是logsig和tansig函數(shù)，有的輸出層也采用線性函數(shù)（purelin）。其輸出為：

圖1 BP神經(jīng)元

如果多層BP網(wǎng)絡(luò)的輸出層采用S形傳輸函數(shù)（如logsig），其輸出值將會限制在一個較小的范圍內(nèi)（0，1）；而采用線性傳輸函數(shù)則可以取任何值。

2. 學(xué)習(xí)率可變的BP算法。在最速下降的BP算法和動量BP算法中，其學(xué)習(xí)率是一個常數(shù)，在整個訓(xùn)練的過程中保持不變，學(xué)習(xí)算法的性能對于學(xué)習(xí)率的選擇非常敏感，學(xué)習(xí)率過大，算法可能振蕩而不穩(wěn)定；學(xué)習(xí)率過小，則收斂的速度慢，訓(xùn)練的時間長。而在訓(xùn)練之前，要選擇最佳的學(xué)習(xí)率是不現(xiàn)實的。

自適應(yīng)調(diào)整學(xué)習(xí)率的梯度下降算法，在訓(xùn)練的過程中，力圖使算法穩(wěn)定，而同時又使學(xué)習(xí)的步長盡量地大，學(xué)習(xí)率則是根據(jù)局部誤差曲面作出相應(yīng)的調(diào)整。當(dāng)誤差以減小的方式趨于目標(biāo)時，說明修正方向正確，可使步長增加，因此學(xué)習(xí)率乘以增量因子kinc，學(xué)習(xí)率增加；而當(dāng)誤差增加超過事先設(shè)定值時，說明修正過頭，應(yīng)減小步長，因此學(xué)習(xí)率乘以減量因子kdec，使學(xué)習(xí)率減小，同時舍去使誤差增加的前一步修正過程，即

二、柴油機(jī)故障及其特征參數(shù)的描述

實驗中共設(shè)置了出油閥磨損、供油提前角晚、 供油提前角早、供油壓力低、供油壓力高和油路泄露6種故障。

1. 實驗數(shù)據(jù)采集。對4135柴油機(jī)狀態(tài)檢測和故障診斷的參數(shù)采集是利用裝在噴油器入口的壓力傳感器和裝在柴油機(jī)缸頭的加速度傳感器來實現(xiàn)的，采樣頻率f為25kHz，數(shù)據(jù)長度為10 240。振動傳感器選用北戴河無線電一廠生產(chǎn)的YD系列壓電式加速度傳感器，壓力傳感器為寶雞晶體管廠生產(chǎn)的CYG30固態(tài)壓阻傳感器，電荷放大器為北戴河無線電一廠生產(chǎn)的DHF-6系列電荷放大器。

2. 特征提取。為了提高診斷的可靠性，需在檢測信號中提取反映故障特征的信息，為此，以提取信號時域波形的動態(tài)指標(biāo)作為特征參數(shù)。設(shè)x為檢測信號，T為觀測時間（離散數(shù)據(jù)點數(shù)為N），所采用的動態(tài)指標(biāo)有8個，分別為峰值（xp）、絕對平均值（μ|x|）、均方根值（Ψx）、方根幅值（xr）、波形指標(biāo)（K）、脈沖指標(biāo)（I）、峰值指標(biāo)（G）和裕度指標(biāo)（L）。

三、診斷實例

該柴油機(jī)故障診斷系統(tǒng)采用BP網(wǎng)絡(luò)，它由輸入層、隱層和輸出層構(gòu)成。輸入層神經(jīng)元數(shù)為故障診斷系統(tǒng)特征參數(shù)個數(shù)，故有8個神經(jīng)元；輸出層神經(jīng)元數(shù)就是故障類型數(shù)，共有6個：f1出油閥磨損，f2供油提前角晚，f3供油提前角早，f4供油壓力低，f5供油壓力高，f6油路泄露。則輸出目標(biāo)函數(shù)F=[f6，f5，f4，f3，f2，f1]。輸入樣本見表1，神經(jīng)網(wǎng)絡(luò)期望輸出見表2，1表示故障存在，0表示故障不存在。表1中輸入特征向量由峰值、絕對平均值、均方根值、方根幅值、波形指標(biāo)、脈沖指標(biāo)、峰值指標(biāo)、裕度指標(biāo)等8個動態(tài)指標(biāo)構(gòu)成，即X={xp，μ|x|，Ψx，xr，K，I，G，L }。神經(jīng)網(wǎng)絡(luò)輸出結(jié)果見表2。

表1 輸入樣本

表2 檢驗結(jié)果

四、結(jié)論

從表2中可以看出，本文所采用的神經(jīng)網(wǎng)絡(luò)算法對柴油機(jī)故障診斷的結(jié)果是非常準(zhǔn)確的，而且精度高。這說明神經(jīng)網(wǎng)絡(luò)一旦訓(xùn)練好后，就可用來診斷相應(yīng)的故障，達(dá)到預(yù)期的目的，這體現(xiàn)了神經(jīng)網(wǎng)絡(luò)具有很強(qiáng)的存貯能力和記憶能力，以及強(qiáng)大的聯(lián)想能力和推測能力，應(yīng)用在故障診斷領(lǐng)域是切實可行的，并且具有廣闊發(fā)展前景。