關(guān)鍵詞：柴油機(jī)；概率神經(jīng)網(wǎng)絡(luò)；遺傳算法；船舶

中圖分類號(hào)： U672 文獻(xiàn)標(biāo)識(shí)碼： A 文章編號(hào)： 1673-8462（2023）04-0095-05

0 引言

目前大部分船舶的動(dòng)力系統(tǒng)由柴油機(jī)構(gòu)成，［1］柴油機(jī)是船舶推進(jìn)系統(tǒng)的核心組成部分，其運(yùn)行工況良好是船舶海上航行的關(guān)鍵因素。柴油機(jī)運(yùn)行環(huán)境惡劣，結(jié)構(gòu)異常復(fù)雜，故障種類較多，傳統(tǒng)的故障檢測(cè)方法是依賴工人檢修，［2］檢修工人根據(jù)個(gè)人經(jīng)驗(yàn)進(jìn)行維修，但由于柴油機(jī)故障類型原因較多，且不同類型故障有許多相似的故障現(xiàn)象，因此要排查故障僅僅依靠人工經(jīng)驗(yàn)需耗費(fèi)的時(shí)間較長(zhǎng)，此過(guò)程嚴(yán)重影響了船舶航行，更甚者可能會(huì)危及海船人員生命安全。近年來(lái)模式識(shí)別和人工智能技術(shù)的發(fā)展對(duì)柴油機(jī)故障診斷帶來(lái)了新的發(fā)展，克服了柴油機(jī)復(fù)雜的故障模型的描述和非線性特征，大大降低了柴油估計(jì)檢測(cè)的時(shí)間。［3-8］文獻(xiàn)［9］通過(guò)建立神經(jīng)網(wǎng)絡(luò)模型并對(duì)深度學(xué)習(xí)算法的改進(jìn)，實(shí)現(xiàn)對(duì)柴油機(jī)氣缸狀況的監(jiān)視，實(shí)現(xiàn)對(duì)柴油機(jī)故障檢測(cè)。文獻(xiàn)［10］針對(duì)失火故障，建立基于貝葉斯網(wǎng)絡(luò)模型，通過(guò)輸入故障信息對(duì)多節(jié)點(diǎn)觸發(fā)提高故障診斷率。文獻(xiàn)［11］利用深度學(xué)習(xí)分析不同柴油機(jī)故障建立基于卷積神經(jīng)網(wǎng)絡(luò)模型，對(duì)故障進(jìn)行可視化分析，相對(duì)于傳統(tǒng)故障診斷正確率更高。

為縮短人工排查故障時(shí)長(zhǎng)，克服故障類型多樣化、故障特征信息相似化、多樣化，文章提出一種基于概率神經(jīng)網(wǎng)絡(luò)與遺傳算法相結(jié)合實(shí)現(xiàn)優(yōu)化檢測(cè)的方法，概率神經(jīng)網(wǎng)絡(luò)（Probabilistic Neural Network，PNN），主要是針對(duì)錯(cuò)誤分類實(shí)現(xiàn)風(fēng)險(xiǎn)最小，在多維空間輸入進(jìn)行分離決策，在模式分類方面具有顯著的優(yōu)勢(shì)。遺傳算法（Genetic Algorithm，GA）是一種搜索算法，用于優(yōu)化概率神經(jīng)網(wǎng)絡(luò)參數(shù)以減小檢測(cè)誤差。文章選取燃油系統(tǒng)常見(jiàn)的8 種故障類型作為檢測(cè)對(duì)象，建立以徑向基與概率密度估計(jì)相結(jié)合的概率神經(jīng)網(wǎng)絡(luò)，通過(guò)種群初始化、適應(yīng)度函數(shù)映射、選擇、交叉、變異等操作實(shí)現(xiàn)參數(shù)優(yōu)化，輸入16 組樣本數(shù)據(jù)進(jìn)行訓(xùn)練以得出效果較好的網(wǎng)絡(luò)模型，輸入8 組數(shù)據(jù)樣本進(jìn)行檢測(cè)，對(duì)比分析模型優(yōu)化前后檢測(cè)效果，最后進(jìn)行模型評(píng)價(jià)。

1 PNN 算法流程

PNN 檢測(cè)算法流程如圖1 所示，主要分為優(yōu)化部分和PNN 部分，首先從數(shù)據(jù)庫(kù)中篩選數(shù)據(jù)樣本，然后建立PNN 網(wǎng)絡(luò)模型，根據(jù)訓(xùn)練模型確定目標(biāo)函數(shù)，將目標(biāo)函數(shù)轉(zhuǎn)化為適應(yīng)度函數(shù)，依次進(jìn)行種群初始化、選擇、交叉、變異等操作，不斷重復(fù)此過(guò)程直到滿足優(yōu)化要求，將故障數(shù)據(jù)樣本輸入模型進(jìn)行訓(xùn)練以得到最佳模型，最后輸入預(yù)測(cè)數(shù)據(jù)分析檢測(cè)結(jié)果。

1.1 樣本數(shù)據(jù)選取

燃油系統(tǒng)作為柴油機(jī)最重要的組成部分，其能否正常工作將影響柴油機(jī)的啟動(dòng)、調(diào)速、效率等。且燃油系統(tǒng)故障是柴油機(jī)主要故障源之一，［5］因此選取燃油系統(tǒng)故障作為樣本數(shù)據(jù)。常見(jiàn)燃油系統(tǒng)故障有輸油泵20% 供油量（不足）、100% 供油量（不足）、100% 供油量（供油質(zhì)量不良）、正時(shí)不準(zhǔn)確、噴油器噴油質(zhì)量不良、閥門卡死、油孔堵塞、出油閥失效、供油量低、針閥漏油、怠速油量等，其對(duì)應(yīng)的故障特征信息多變且相似，主要包括燃油壓力波形幅度、寬度、上升沿寬度、余波最大寬度、最大壓力、次壓力等。在神經(jīng)網(wǎng)絡(luò)建模中輸入特征量必須能夠正確地反映故障問(wèn)題的特征才能保障故障檢測(cè)的準(zhǔn)確性，若選取的故障特征所包含待識(shí)別信息匱乏或未能提取反映故障特征的信息，則診斷結(jié)果往往會(huì)受到很大的影響。為能準(zhǔn)確分出故障類別選取燃油系統(tǒng)8 種常見(jiàn)的故障類別進(jìn)行檢測(cè)，其對(duì)應(yīng)的8 個(gè)故障特征信息作為輸入量。將故障樣本數(shù)據(jù)按公式（1）進(jìn)行歸一化處理，L? 表示歸一化后所得輸出數(shù)值，L、L_min、L_max分別表示樣本輸入、最小值、最大值，故障樣本數(shù)據(jù)如表1 所示。

1.4 訓(xùn)練測(cè)試

建立PNN 網(wǎng)絡(luò)模型后，根據(jù)給定的數(shù)據(jù)進(jìn)行網(wǎng)絡(luò)模型訓(xùn)練得出最佳的網(wǎng)絡(luò)模型，文章選取24 組故障樣本數(shù)作為備用，其中16 組作為模型測(cè)試訓(xùn)練數(shù)據(jù)，8 組作為預(yù)測(cè)樣本。設(shè)置訓(xùn)練步長(zhǎng)為1.5，縱坐標(biāo)為故障類型，橫坐標(biāo)為故障樣本編號(hào)，PNN 網(wǎng)絡(luò)訓(xùn)練結(jié)果及PNN 網(wǎng)絡(luò)訓(xùn)練誤差結(jié)果分別為圖3、圖4 所示，PNN 網(wǎng)絡(luò)訓(xùn)練結(jié)果顯示網(wǎng)絡(luò)模型能精確的辨別出燃油系統(tǒng)8 種常見(jiàn)故障，且PNN 網(wǎng)絡(luò)訓(xùn)練誤差中8類故障誤差均為0，說(shuō)明訓(xùn)練效果較好、模型較合適。

1.5 結(jié)果分析

將數(shù)據(jù)樣本（表2）分別輸入優(yōu)化前和優(yōu)化后的概率神經(jīng)網(wǎng)絡(luò)進(jìn)行檢測(cè)，PNN 表示優(yōu)化前的神經(jīng)網(wǎng)絡(luò)，GA-PNN 表示優(yōu)化后的神經(jīng)網(wǎng)絡(luò)，由表2 和圖5可知PNN 網(wǎng)絡(luò)優(yōu)化前只可識(shí)別故障類別3 和7，其他故障類型均出現(xiàn)誤判，經(jīng)遺傳算法優(yōu)化后可識(shí)別故障類別為1、2、3、5、6、7、8 等7 類，其中預(yù)測(cè)樣本編號(hào)4 出現(xiàn)誤判，錯(cuò)將故障類型4 誤判為類型1，故障檢測(cè)準(zhǔn)確類型提高了5 類，正確率相對(duì)于優(yōu)化前提高了62.5%。

1.6 模型評(píng)價(jià)

誤差分析函數(shù)使用高斯誤差函數(shù)ERF，定義式：

誤差分析如圖6 所示，模型優(yōu)化前有5 類故障出現(xiàn)誤判，誤差值分別為：-0.15262、-0.00468、-1.53743、-0.17604、-0.15730、0、0、0。模型優(yōu)化后只有1 類故障出現(xiàn)誤判，其中第4 類故障誤判，其誤差值為-0.157299192，其他7 類故障誤差值均為0，說(shuō)明模型優(yōu)化后測(cè)試故障誤差減小。

2 結(jié)語(yǔ)

針對(duì)柴油機(jī)工作環(huán)境較差，故障復(fù)雜多樣具有非線性特征，文章選取柴油機(jī)常見(jiàn)的故障數(shù)據(jù)作為數(shù)據(jù)庫(kù)，抽取燃油系統(tǒng)常見(jiàn)的8 類故障數(shù)據(jù)作為檢測(cè)樣本，通過(guò)建立基于PNN 網(wǎng)絡(luò)模型進(jìn)行測(cè)試，采用遺傳算法進(jìn)行優(yōu)化，經(jīng)仿真驗(yàn)證，對(duì)比優(yōu)化前后概率神經(jīng)網(wǎng)絡(luò)檢測(cè)結(jié)果可知優(yōu)化后神經(jīng)網(wǎng)絡(luò)檢測(cè)故障正確率較高，說(shuō)明優(yōu)化后的PNN 神經(jīng)網(wǎng)絡(luò)模型對(duì)精確柴油機(jī)故障檢測(cè)有一定的參考價(jià)值。

［責(zé)任編輯 蘇琴］