| 【中文题名】 | 基于BP神经网络的发动机故障诊断研究 |
| 【英文题名】 | |
| 【学科专业】 | 控制理论与控制工程 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2007-4-12 |
| 【中关键词】 | BP神经网络,故障诊断,特征值提取,燃油压力信号,, |
| 【英关键词】 | BP nerve network,Fault diagnosis,Characteristic extraction,Fuel pressure signal, |
| 【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】 | 柴油机是许多设备和军事装备的心脏，保证其良好的工作状态对维护其整体工作效率是至关重要的。目前柴油机故障诊断多利用台架试验法，此方法耗时长，台架结构庞大，造价高，难以在应用部门推广。而且由于此类复杂机械的非稳态多元激励特性、时变传递路径特性以及复杂运行机理等因素，使得这一研究方向具有相当的难度。
本文在分析了国内外柴油机故障诊断研究现状的基础上，给出了一种通过燃油压力信号来进行柴油机故障诊断的设计方案。
燃油喷射系统是柴油机的心脏部分，其工作质量直接影响柴油机工作过程及整机性能，决定柴油机的经济性和可靠性。同时，它又是柴油机的主要故障源。而燃油喷射系统的状态信息主要体现在高压油管的压力波形中，当某处发生故障时，必然使原有供油状态发生变化，燃油流动的压力和流速等参数会有相应的改变，反映在压力波形上将导致波形形态和波形参数值的变化。
本文所提出的柴油机故障诊断方法是：利用传感器测出燃油压力信号，根据燃油压力信号绘制出燃油压力波形，并且提取出特征参数，再将这些特征参数当作BP神经网络的输入样本，并利用LM改进学习算法训练所建立的BP神经网络，然后利用训练好的神经网络进行... |
| 【论文题纲】 |
|
摘要 |
7-8 |
|
ABSTRACT |
8-10 |
|
第一章 绪论 |
10-19 |
|
1.1 引言 |
10 |
|
1.2 故障诊断技术的国内外发展现状 |
10-11 |
|
1.3 故障诊断技术的科学体系 |
11-12 |
|
1.4 柴油机诊断技术研究的主要内容 |
12-16 |
|
1.4.1 状态信号采集 |
12-14 |
|
1.4.2 信号处理与特征提取 |
14-15 |
|
1.4.3 状态分析与故障诊断 |
15-16 |
|
1.5 柴油机故障诊断的难点 |
16-17 |
|
1.6 本课题研究意义及研究内容 |
17-19 |
|
1.6.1 本课题的研究意义 |
17-18 |
|
1.6.2 本课题的研究内容 |
18-19 |
|
第二章 神经网络理论基础 |
19-32 |
|
2.1 神经网络的基本理论 |
19-23 |
|
2.1.1 神经网络的构成 |
19-22 |
|
2.1.2 神经网络研究的发展 |
22-23 |
|
2.1.3 神经网络的主要特点 |
23 |
|
2.2 基于BP模型的神经网络理论 |
23-28 |
|
2.2.1 BP网络的结构 |
23-24 |
|
2.2.2 BP网络的学习规则 |
24-26 |
|
2.2.3 BP网络的设计要求 |
26-27 |
|
2.2.4 初始值的选取 |
27 |
|
2.2.5 BP网络的不足之处 |
27-28 |
|
2.3 BP网络学习算法的改进 |
28-30 |
|
2.3.1 引入动量项 |
28 |
|
2.3.2 引入LM最优算法 |
28-30 |
|
2.4 本文采用的算法 |
30-32 |
|
第三章 燃油压力信号的波形分析 |
32-54 |
|
3.1 引言 |
32 |
|
3.2 燃油系统简介 |
32-35 |
|
3.2.1 燃油系统结构 |
32-34 |
|
3.2.2 常见的燃油喷射系统 |
34-35 |
|
3.3 燃油压力波形的变化规律 |
35-37 |
|
3.3.1 波形形成机理 |
35-36 |
|
3.3.2 燃油压力波形的数据特征 |
36-37 |
|
3.4 燃油压力波形的测量 |
37-39 |
|
3.4.1 测量部位的选取 |
37-38 |
|
3.4.2 可行性分析 |
38-39 |
|
3.5 燃油系统的几种常见故障 |
39-44 |
|
3.5.1 供油量不足 |
39-41 |
|
3.5.2 针阀卡死至油孔堵塞 |
41-42 |
|
3.5.3 针阀泄漏 |
42-43 |
|
3.5.4 出油阀失效 |
43-44 |
|
3.6 油压波形特征值提取 |
44-54 |
|
3.6.1 压力波形结构形态的抽取与描述 |
44-49 |
|
3.6.2 燃油压力波形特征点的识别 |
49-54 |
|
第四章 基于BP神经网络的故障诊断 |
54-66 |
|
4.1 故障诊断常用的识别方法 |
54-55 |
|
4.2 神经网络在故障诊断中的应用 |
55-56 |
|
4.3 BP神经网络的建立及故障诊断过程 |
56-65 |
|
4.3.1 供油量不足的诊断 |
56-61 |
|
4.3.2 燃油系统几种常见故障的诊断 |
61-65 |
|
4.4 诊断结论 |
65-66 |
|
结束语 |
66-68 |
|
参考文献 |
68-71 |
|
致谢 |
71-72 |
|
学位论文评阅及答辩情况表 |
72 |
|
| 【DOI】 | LunWen.ID:2.2008.388418 |
