| 【中文题名】 | RBF神经网络在船用低速柴油机故障诊断中的应用研究 |
| 【英文题名】 | Research on Fault Diagnosis for Low-speed Marine Diesel Engine and Its Applications Using RBF Neural Network |
| 【学科专业】 | 轮机工程 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2002-6-3 |
| 【中关键词】 | 船用柴油机,故障诊断,RBF神经网络,MATLAB语言,仿真系统, |
| 【英关键词】 | Marine diesel engine,Fault diagnosis,RBF neural network,MATLAB language,Simulation system, |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>自动化基础理论>人工智能理论>人工神经网络与计算> |
| 【论文摘要】 |
本文主要研究径向基函数神经网络(Radial Basis Function Neural Network，简称RBF网络)应用于大型低速船用柴油机的故障诊断。首先建立神经网络诊断模型，然后以沪东重工生产的HUDONG-MAN-B&W 6L60MCE型二冲程大功率船用低速柴油机涡轮增压系统和气缸活塞组件与燃烧系统为实例，设计征兆／故障样本集；选用MATLAB语言编制仿真程序。采用一个单隐层的RBF网络对样本进行训练和仿真实验，通过大量的计算机仿真测试，可以验证该诊断模型对柴油机故障模式有很高的准确识别率，并能对故障严重程度进行定量的预测。
征兆／故障样本集的正确确定是RBF神经网络进行准确诊断的关键。本文采用船用涡轮增压柴油机运行性能预测程序来定量给出不同程度故障的症状，在不同的负荷工况下，并考虑不同航区的大气环境温度对发动机性能的影响，通过大量模拟计算，结合领域专家经验，获得相应的样本集。
此外，本文阐述了船舶柴油机故障诊断仿真系统的模型、结构与功能。系统具有结构简单、功能齐全等优点，能使船舶轮机管理人员熟悉处理故障并制订相应的维修对策，提高柴油机的使用寿命，对开发实船柴油... |
| 【论文题纲】 |
|
中文摘要 |
3-4 |
|
英文摘要 |
4-8 |
|
第1章 绪论 |
8-15 |
|
1．1 船用柴油机故障诊断研究及发展过程 |
8-10 |
|
1．1．1 柴油机故障诊断的目的与任务 |
8-9 |
|
1．1．2 国内外发展动态 |
9-10 |
|
1．2 船用柴油机故障诊断常用方法及其特点 |
10-11 |
|
1．2．1 润滑油法 |
10 |
|
1．2．2 性能参数法 |
10-11 |
|
1．2．3 振动噪声法 |
11 |
|
1．3 本课题的主要研究内容与实现方法 |
11-15 |
|
1．3．1 概述 |
11-12 |
|
1．3．2 主要研究内容和思路 |
12-14 |
|
1．3．3 关键技术及研究难点 |
14-15 |
|
第2章 人工神经网络模型的建立 |
15-22 |
|
2．1 概述 |
15-18 |
|
2．1．1 人工神经网络及其特征 |
15 |
|
2．1．2 ANN结构原理与算法 |
15-18 |
|
2．2 径向基函数网络 |
18-22 |
|
2．2．1 RBF网络模型 |
18 |
|
2．2．2 RBF学习规则 |
18-20 |
|
2．2．3 RBF网络训练方式 |
20-21 |
|
2．2．4 小结 |
21-22 |
|
第3章 船用涡轮增压柴油机运行性能故障的模拟计算 |
22-29 |
|
3．1 前言 |
22 |
|
3．2 船用涡轮增压柴油机运行性能预测程序简介 |
22-25 |
|
3．2．1 柴油机气缸热力循环过程 |
22-23 |
|
3．2．2 柴油机排气管 |
23-24 |
|
3．2．3 排气温度的计算 |
24 |
|
3．2．4 增压系统各部分流动阻力或污阻的计算模型 |
24 |
|
3．2．5 V．I．T．装置模型 |
24-25 |
|
3．2．6 涡轮增压器 |
25 |
|
3．3 程序结构 |
25-27 |
|
3．4 计算实例与分析 |
27 |
|
3．5 小结 |
27-29 |
|
第4章 MATLAB环境下船用柴油机运行故障诊断的计算机仿真 |
29-38 |
|
4．1 柴油机运行故障发展与诊断策略 |
29-30 |
|
4．1．1 柴油机运行故障计算机仿真 |
29-30 |
|
4．1．2 故障诊断策略 |
30 |
|
4．2 基于MATLAB环境的诊断仿真程序 |
30-36 |
|
4．2．1 MATLAB语言与工具箱系统主要特点与功能 |
30-31 |
|
4．2．2 基于MATLAB环境的诊断仿真程序 |
31-33 |
|
4．2．3 径向基函数网络的设计 |
33-36 |
|
4．3 网络输入变量归一化处理 |
36-38 |
|
第5章 RBF神经网络在船用柴油机故障诊断中的应用实例 |
38-58 |
|
5．1 分层次诊断模型 |
38-39 |
|
5．2 仿真程序 |
39-41 |
|
5．2．1 基于RBF网络的诊断过程 |
40 |
|
5．2．2 仿真诊断程序框图 |
40-41 |
|
5．3 涡轮增压系统故障诊断应用实例 |
41-48 |
|
5．3．1 输出、输入向量的确定及征兆／故障样本集的设计 |
41-43 |
|
5．3．2 网络输出处理 |
43-46 |
|
5．3．3 网络测试结果与分析 |
46-48 |
|
5．4 气缸组件与燃烧系统故障诊断应用实例 |
48-55 |
|
5．4．1 输出、输入向量的确定及征兆／故障样本集的设计 |
48-52 |
|
5．4．2 诊断测试仿真分析 |
52-55 |
|
5．5 网络容错分析与分布常数sc的选取 |
55-58 |
|
5．5．1 网络容错分析 |
55-56 |
|
5．5．2 分布常数sc的选取 |
56-58 |
|
第6章 船用柴油机故障诊断仿真系统的研究与实现 |
58-62 |
|
6．1 仿真系统的设计 |
58-59 |
|
6．2 仿真系统功能与结构原理 |
59-62 |
|
6．2．1 仿真系统功能 |
59-60 |
|
6．2．2 仿真系统结构原理 |
60-62 |
|
第7章 结论 |
62-64 |
|
攻读学位期间公开发表的论文 |
64-66 |
|
致谢 |
66-67 |
|
参考文献 |
67-71 |
|
附录 |
71-78 |
|
| 【DOI】 | LunWen.ID:2.2008.386413 |
