發(fā)布時間：2021-11-20 07:34

　　航運是國際主流的運輸方式,柴油機是船舶的主要動力來源。柴油機燃油噴射系統(tǒng)作為船用柴油機重要組成部分,有必要對它的故障診斷技術(shù)進行深入研究。目前已應(yīng)用的柴油機燃油噴射系統(tǒng)故障診斷方法往往存在缺陷和不足。例如油液分析法僅能判斷使用潤滑油的部件的相關(guān)故障、振動分析法信號采集困難、瞬時轉(zhuǎn)速監(jiān)測法只能確定故障位置但無法判斷故障原因。神經(jīng)網(wǎng)絡(luò)擁有強大的并行計算能力,可以將輸入向量迅速傳遞至神經(jīng)元中進行計算和學(xué)習(xí),其網(wǎng)絡(luò)結(jié)構(gòu)適用于解決線性空間至非線性空間的映射問題,在機械故障診斷方面表現(xiàn)優(yōu)異。因此,本文采用將自適應(yīng)遺傳算法和神經(jīng)網(wǎng)絡(luò)結(jié)合的方法對柴油機燃油噴射系統(tǒng)進行故障診斷。在網(wǎng)絡(luò)模型的選取方面,BP神經(jīng)網(wǎng)絡(luò)是一種多層前向模型學(xué)習(xí)算法,在結(jié)構(gòu)上較為松散,有著診斷不精確、容易陷入局部極值的缺點。Elman神經(jīng)網(wǎng)絡(luò)作為一種局部回歸神經(jīng)網(wǎng)絡(luò),引入了負(fù)反饋機制,網(wǎng)絡(luò)結(jié)構(gòu)更加完整,診斷精度和速度比BP神經(jīng)網(wǎng)絡(luò)均有提高。同時,通過改進Elman神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)算法、激勵函數(shù)和網(wǎng)絡(luò)結(jié)構(gòu)提高了Elman神經(jīng)網(wǎng)絡(luò)動態(tài)信息處理能力。結(jié)果表明,改進型Elman神經(jīng)網(wǎng)絡(luò)適用于在線診斷,整體診斷效果比BP神經(jīng)網(wǎng)絡(luò)更好。對遺傳算... 

【文章來源】：大連海事大學(xué)遼寧省 211工程院校

【文章頁數(shù)】：74 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖２．２?３種激勵函數(shù)??Ｆｉｇ．?２．２?Ｔｈｒｅｅ?ｋｉｎｄｓ?ｏｆ?ａｃｔｉｖａｔｉｏｎ?ｆｕｎｃｔｉｏｎｓ??入正比，此經(jīng)，＝?Ｊ火，Ａ

?大連海事大學(xué)碩士學(xué)位論文???Ｅｌｍａｎ神經(jīng)網(wǎng)絡(luò)在結(jié)構(gòu)上由輸入層、隱含層、承接層和輸出層組成。輸入層僅起到??接收外界信息的作用，權(quán)值為１。隱含層激勵函數(shù)為Ｓ型函數(shù)，為全局響應(yīng)函數(shù)。輸出??層對隱含層結(jié)果進行線性加權(quán)。承接層為一個特別的隱含層，激勵函數(shù)為Ｓ型函數(shù)，針??對上一時刻隱含層的輸出調(diào)整權(quán)值和閾值，起到了負(fù)反饋作用。??２．３．２?Ｅｌｍａｎ神經(jīng)網(wǎng)絡(luò)計算流程??Ｅｌｍａｎ神經(jīng)網(wǎng)絡(luò)空間表達式如卜：??Ｙ（ｋ）?＝?ｇ（ｗ３?？（ｋ））?（２．２９）??ｉ／（ｋ）?＝?ｑ（ｗ，?ｕ．．?ｋ）?＋?ｗ２?Ｘ（ｋ－１））?（２．３０）??？．（ｋ）?＝?ｉ／（ｋ－ｌ）?（２．３１）??式中：義⑴是神經(jīng)網(wǎng)絡(luò)的外端輸入；ｗ（ｋ）為隱含層輸出；：Ｋ（ｋ）為網(wǎng)絡(luò)的輸出：叫為??承接層權(quán)值：ｗ２為隱含層權(quán)值；叫為輸出層權(quán)值；《（？）為隱含層的傳遞函數(shù)。??Ｅｌｍａｎ神經(jīng)網(wǎng)絡(luò)流程如圖２．７所示：??權(quán)值初始化??料軌?計算誤左函數(shù)??輸乂Ｓ＋?｜?Ｙ????飛?１?是否符合？??，Ｉ?ｒ＾ｎ?１??承接層?？??權(quán)值史新????Ｉ???Ｉ?［???輸出層??圖２．７?Ｅｌｍａｎ神經(jīng)網(wǎng)絡(luò)流程??Ｆｉｇ．?２．７?Ｅｌｍａｎ?ｎｅｕｒａｌ?ｎｅｔｗｏｒｋ?ｆｌｏｗ??Ｅｌｍａｎ神經(jīng)網(wǎng)絡(luò)在計算時分為學(xué)習(xí)和驗證兩部分，首先對所有的權(quán)值和閾值進行賦??伉。在ＢＰ祌經(jīng)網(wǎng)絡(luò)的學(xué)４過程中，相輸入仏總首先從輸入以進入隱含層，經(jīng)過ｉｌ？算后??１５??

，（々—１）?（２．４０）??式中／ｌ為自適應(yīng)參數(shù)，取值為０．８５。該算法利用慣性，當(dāng)前梯度與上次梯度進行??加權(quán)，方向一致時則累加，更新步長變大，方向相反時則互相抵消，逐漸趨近于平衡，??使誤差函數(shù)值達到最校??２．４．２激勵函數(shù)的改進??在理論上，任易階導(dǎo)數(shù)均不為常數(shù)的函數(shù)均可以作為神經(jīng)網(wǎng)絡(luò)的激勵函數(shù)。Ｅｌｍａｎ??神經(jīng)網(wǎng)絡(luò)通常使用Ｓｉｇｍｏｉｄ函數(shù)作為激勵函數(shù)，函數(shù)表達式為：／（．〇?＝?—１一，導(dǎo)數(shù)為??１?＋?ｅ??／＇（ｘ）?＝?／（ｘ）（ｌ－／（．ｘ））。函數(shù)圖像如圖２．８所示：??Ｓｉｇｍｏｄ?吶數(shù)??０８?－???－??０．７?－?Ｚ?－??０．６?－?／?－??０?５?－?／?－??０．４?－?／?－??０．３?－?／?－??０２?－?Ｚ?－??０１?－??ｑ?—?ｉ?ｉ．?ｉ?垂?Ｉ?ｉ?Ｉ??－５?４?－３?－２?－１?０?１?２?３?４?５??圖２．８?Ｓｉｇｍｏｉｄ函數(shù)圖像??Ｆｉｇ．?２．８?Ｓｉｇｍｏｉｄ?ｆｕｎｃｔｉｏｎ?ｉｍａｇｅ??１８??

【參考文獻】：
期刊論文
[1]柴油機噴油泵供油提前角的檢查與調(diào)整[J]. 韓鳳禹.  農(nóng)機使用與維修. 2019(12)
[2]基于改進的遺傳算法與人工神經(jīng)網(wǎng)絡(luò)的類流感的預(yù)測[J]. 胡紅萍,白黃琴,白艷萍,張菊平,劉茂省.  中北大學(xué)學(xué)報(自然科學(xué)版). 2019(06)
[3]基于小波包分析和Elman神經(jīng)網(wǎng)絡(luò)的軍用電源智能故障診斷[J]. 柯炎,樊波,謝一靜,呂偉.  重慶大學(xué)學(xué)報. 2019(09)
[4]BP神經(jīng)網(wǎng)絡(luò)模型在無人機系統(tǒng)故障預(yù)測中的應(yīng)用分析[J]. 蘇續(xù)軍,呂學(xué)志.  計算機應(yīng)用與軟件. 2019(09)
[5]多類別審計意見預(yù)測研究——基于SMOTE算法—BP神經(jīng)網(wǎng)絡(luò)模型[J]. 張慶龍,何斯佳.  審計研究. 2019(04)
[6]衛(wèi)星數(shù)據(jù)傳輸全流程調(diào)度及優(yōu)化算法[J]. 向云武,章文毅,田妙苗.  系統(tǒng)工程與電子技術(shù). 2018(06)
[7]基于IPSO-Elman神經(jīng)網(wǎng)絡(luò)的航空發(fā)動機故障診斷[J]. 皮駿,黃江博.  航空動力學(xué)報. 2017(12)
[8]基于時域特征和小波分析的故障行波特征識別方法[J]. 李文國,馬秉宇.  電氣技術(shù). 2017(05)
[9]遺傳算法和神經(jīng)網(wǎng)絡(luò)在船舶柴油機故障診斷中的應(yīng)用[J]. 馮長寶,韓忠偉,孫沫莉.  艦船科學(xué)技術(shù). 2016(06)
[10]基于神經(jīng)網(wǎng)絡(luò)的柴油機燃油系統(tǒng)故障診斷[J]. 佟剛,郝旭.  機械工程與自動化. 2015(05)

博士論文
[1]輪機模擬器發(fā)動機建模方法研究[D]. 唐元元.大連海事大學(xué) 2018

碩士論文
[1]中央空調(diào)系統(tǒng)關(guān)鍵設(shè)備故障診斷研究[D]. 任聰.電子科技大學(xué) 2019
[2]基于卷積神經(jīng)網(wǎng)絡(luò)的車輛檢測算法研究[D]. 張鎮(zhèn).北京交通大學(xué) 2018
[3]航空發(fā)動機傳感器神經(jīng)網(wǎng)絡(luò)故障診斷及滑模容錯控制研究[D]. 范昕宇.南京航空航天大學(xué) 2015
[4]基于神經(jīng)網(wǎng)絡(luò)的船舶柴油機故障診斷研究[D]. 陳濤.武漢理工大學(xué) 2014
[5]基于Elman神經(jīng)網(wǎng)絡(luò)的短期負(fù)荷預(yù)測[D]. 劉榮.浙江大學(xué) 2013
[6]基于瞬時轉(zhuǎn)速法分析柴油機各缸工作均勻性的數(shù)據(jù)處理和故障診斷[D]. 衣文鳳.山東大學(xué) 2009



本文編號：3506863