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）

0 引言

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]。

1 游艇柴油機(jī)的故障選取

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。

2 基于模糊神經(jīng)網(wǎng)絡(luò)的故障預(yù)測(cè)推理

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。

3 算法仿真

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。

4 結(jié)語(yǔ)

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。