邢婭莉 王筱珍
(廣東交通職業(yè)技術(shù)學(xué)院機(jī)電工程學(xué)院,廣東廣州510800)
故障預(yù)測(cè)是指在故障未出現(xiàn)之前對(duì)其進(jìn)行預(yù)測(cè),便于及時(shí)處理問(wèn)題,減小故障發(fā)生率,從而提高系統(tǒng)的可靠性,降低設(shè)備的維修和保養(yǎng)費(fèi)用,是安全技術(shù)研究中的新興領(lǐng)域。隨著控制技術(shù)的發(fā)展,多種智能算法逐漸應(yīng)用于系統(tǒng)故障預(yù)測(cè),如采用基本灰色系統(tǒng)和神經(jīng)網(wǎng)絡(luò)進(jìn)行故障預(yù)測(cè)模型的方法,具有操作簡(jiǎn)便、易于使用的優(yōu)點(diǎn),但同時(shí)存在算法簡(jiǎn)單、魯棒性差、評(píng)價(jià)指標(biāo)單一等缺點(diǎn)?;趯<蚁到y(tǒng)的故障預(yù)測(cè)可以模擬人類推理和決策過(guò)程解決復(fù)雜問(wèn)題,但是在專家知識(shí)的獲取、知識(shí)的表達(dá)和推理機(jī)制的建立等方面又存在種種困難[1-4]。模糊神經(jīng)網(wǎng)絡(luò)吸收了模糊理論和神經(jīng)網(wǎng)絡(luò)技術(shù)的優(yōu)點(diǎn),具備神經(jīng)網(wǎng)絡(luò)的逼近能力,既具有神經(jīng)網(wǎng)絡(luò)的低層次學(xué)習(xí)、計(jì)算能力,也具有模糊系統(tǒng)的高層次推理、決策能力。文獻(xiàn)表明,該算法用于燃煤鍋爐事故預(yù)測(cè)的研究,具有較好的實(shí)時(shí)性和準(zhǔn)確性[5-6]。
柴油機(jī)作為游艇的核心部件,其結(jié)構(gòu)復(fù)雜,故障具有非線性、多參數(shù)等特點(diǎn)。從國(guó)內(nèi)外相關(guān)資料可知,其故障預(yù)測(cè)研究還處于起步階段。本文以某游艇用柴油機(jī)為研究對(duì)象,因其熱力參數(shù)含有大量的故障信息,且不易受外界干擾、信息質(zhì)量高、可用性強(qiáng),選取柴油機(jī)熱力參數(shù)為故障監(jiān)測(cè)量。通過(guò)資料收集和試驗(yàn)數(shù)據(jù)比對(duì),總結(jié)出柴油機(jī)運(yùn)行時(shí)發(fā)生的典型部件故障和原因,并將其作為模糊神經(jīng)網(wǎng)絡(luò)故障判據(jù),通過(guò)建立模糊神經(jīng)網(wǎng)絡(luò),將柴油機(jī)非線性系統(tǒng)的故障預(yù)測(cè)問(wèn)題轉(zhuǎn)換為多變量輸出條件下的故障預(yù)測(cè)問(wèn)題,同時(shí)構(gòu)建故障預(yù)測(cè)目標(biāo)函數(shù),實(shí)現(xiàn)神經(jīng)網(wǎng)絡(luò)連接權(quán)值和閾值的更新。試驗(yàn)結(jié)果表明,該方法能較準(zhǔn)確地預(yù)測(cè)部件故障[7]。
游艇柴油機(jī)結(jié)構(gòu)較復(fù)雜,按照功能可分為燃油系統(tǒng)、冷卻系統(tǒng)、潤(rùn)滑系統(tǒng)、傳動(dòng)系統(tǒng)、渦輪增壓系統(tǒng)等子系統(tǒng)。本文主要針對(duì)結(jié)構(gòu)最復(fù)雜的燃油系統(tǒng)進(jìn)行研究,其主要故障是噴油器故障和噴油泵故障,故障主要表現(xiàn)為排氣支管溫度過(guò)高、排氣閥漏氣、霧化不良、噴油器損壞、噴油提前角過(guò)小、柱塞和套管過(guò)度磨損、噴油泵柱塞漏油和燃燒惡化等。故障發(fā)生時(shí)柴油機(jī)熱力學(xué)參數(shù)處在一定的值域范圍內(nèi),這就為故障發(fā)生與監(jiān)測(cè)性能參數(shù)建立了關(guān)系。
選取4組故障判斷力強(qiáng)的熱力參數(shù):渦輪后排氣溫度Tout(K)、平均有效壓力Pg(bar)、爆發(fā)壓力Pz(MPa)、最大壓力升高比λmax與已知在相同工況和大氣溫度下的標(biāo)準(zhǔn)值的相對(duì)差,作為故障監(jiān)測(cè)量。通過(guò)收集以往燃油系統(tǒng)的故障征兆、故障現(xiàn)象等信息,利用模糊神經(jīng)網(wǎng)絡(luò)強(qiáng)大的學(xué)習(xí)能力,將柴油機(jī)燃油系統(tǒng)的故障整合為一個(gè)知識(shí)庫(kù),利用該知識(shí)庫(kù),操作人員只需要輸入影響系統(tǒng)運(yùn)行的工作參數(shù),即可預(yù)知其運(yùn)行狀態(tài)[8]。
神經(jīng)網(wǎng)絡(luò)有自適應(yīng)和學(xué)習(xí)功能,但它對(duì)建立的模型解釋能力差;模糊系統(tǒng)由于以規(guī)則形式表現(xiàn)系統(tǒng)的行為,有較強(qiáng)的解釋推理功能,但不能自主學(xué)習(xí)。神經(jīng)網(wǎng)絡(luò)和模糊技術(shù)相結(jié)合突出了二者的優(yōu)勢(shì),模糊系統(tǒng)建模中模糊規(guī)則產(chǎn)生、模糊推理、模糊化以及非模糊化都是一種函數(shù)映射關(guān)系,這些函數(shù)映射可以用神經(jīng)網(wǎng)絡(luò)來(lái)實(shí)現(xiàn)。這樣的網(wǎng)絡(luò)不僅保持著模糊系統(tǒng)的知識(shí)表達(dá)及推理能力,同時(shí)可以進(jìn)行學(xué)習(xí)和并行計(jì)算,這就使整個(gè)系統(tǒng)功能大大加強(qiáng)。模糊神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)如圖1所示,分為4層。
圖1 模糊神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖
在神經(jīng)網(wǎng)絡(luò)中,熱力學(xué)參數(shù)為輸入神經(jīng)元,故障類型為輸出神經(jīng)元。在診斷實(shí)現(xiàn)的這一過(guò)程中,此系統(tǒng)網(wǎng)絡(luò)的訓(xùn)練一定要選擇足夠多的故障樣本,用來(lái)確定參數(shù)和網(wǎng)絡(luò)結(jié)構(gòu)。訓(xùn)練完成以后,再通過(guò)一組給定的實(shí)際熱力學(xué)參數(shù)來(lái)給故障模式進(jìn)行分類,以達(dá)到參數(shù)與故障集之間的非線性映射關(guān)系。具體過(guò)程如下:
(1)輸入變量直接輸入層。選取故障判斷能力強(qiáng)的渦輪后排氣溫度Tout(K)、平均有效壓力Pg(bar)、爆發(fā)壓力Pz(MPa)、最大壓力升高比λmax等熱力學(xué)參數(shù)與已知在相同工況和大氣溫度下的標(biāo)準(zhǔn)值的相對(duì)差作為輸入變量,即:
(2)模糊化層:該層的每個(gè)節(jié)點(diǎn)代表規(guī)則的前提部分,其輸入是第一層輸出變量,通過(guò)模糊隸屬度函數(shù)將輸入量映射到模糊集區(qū)間內(nèi),隸屬度函數(shù)選取高斯函數(shù),表達(dá)式如下:
G(x,μ,σ)=exp(-(x-μ)2/2σ2)
由均值μ和均方差σ決定其隸屬度。
(3)模糊推理層:采用if-then規(guī)則形式,模糊推理是在已知系統(tǒng)模糊規(guī)則和系統(tǒng)輸入的前提下求得系統(tǒng)的輸出。
(4)解模糊層:采用重心非模糊化的方法。神經(jīng)模糊網(wǎng)絡(luò)的學(xué)習(xí)算法是在標(biāo)準(zhǔn)BP算法基礎(chǔ)上采用了動(dòng)態(tài)的學(xué)習(xí)率和慣性因子來(lái)提高學(xué)習(xí)效率。
本文在Matlab平臺(tái)分別對(duì)BP神經(jīng)網(wǎng)絡(luò)和模糊神經(jīng)網(wǎng)絡(luò)故障預(yù)測(cè)模型進(jìn)行仿真實(shí)驗(yàn),不同模型的最終預(yù)測(cè)值及誤差比較如表1所示。
表1 預(yù)測(cè)模型預(yù)測(cè)值及誤差比較
結(jié)果表明,采用模糊神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型得到的預(yù)測(cè)結(jié)果精度要比單BP神經(jīng)網(wǎng)絡(luò)模型的預(yù)測(cè)結(jié)果高。原因在于:模糊神經(jīng)網(wǎng)絡(luò)的節(jié)點(diǎn)和權(quán)值可用隸屬度函數(shù)和模糊規(guī)則來(lái)解釋,依據(jù)專家的經(jīng)驗(yàn)建立的模糊規(guī)則對(duì)網(wǎng)絡(luò)權(quán)值和閾值進(jìn)行了優(yōu)化,優(yōu)化后的誤差補(bǔ)償對(duì)預(yù)測(cè)值有一個(gè)校正和優(yōu)化,提高了模型的預(yù)測(cè)精度。
本文采用柴油機(jī)熱力參數(shù)作為故障預(yù)測(cè)的判據(jù),樣本便于獲得,適用于游艇用柴油機(jī)的動(dòng)態(tài)監(jiān)測(cè)。該算法可對(duì)柴油機(jī)故障進(jìn)行先期預(yù)測(cè),能有效減小故障發(fā)生率,降低維修成本,提高產(chǎn)品競(jìng)爭(zhēng)力。