柴油機渦輪增壓系統(tǒng)智能故障診斷.pdf

1、柴油機渦輪增壓系統(tǒng)一直是故障多發(fā)系統(tǒng)，進而影響到整個柴油機工作。傳統(tǒng)的故障診斷方法只有在故障發(fā)生時，才能維修，已不能滿足高科技發(fā)展的今天對機械故障診斷的要求。隨著人工智能的發(fā)展，人們逐漸將解決問題的思想轉移到具有學習能力強﹑分類性能好的神經(jīng)網(wǎng)絡上，并且已取得一些成功。
　　本文首先嘗試利用有最佳逼近特性，且無局部極小問題存在的RBF神經(jīng)網(wǎng)絡用做故障診斷，但是RBF神經(jīng)網(wǎng)絡沒能力來解釋自己的推理過程和推理依據(jù)。不能向用戶提出必要的詢

2、問，而且當數(shù)據(jù)不充分的時候，神經(jīng)網(wǎng)絡就無法進行工作。而模糊推理系統(tǒng)建立在“如果-則”的基礎上，其推理過程容易被人理解，收斂速度快，訓練樣本少，故將推理系統(tǒng)中有代表性的T-S模糊推理系統(tǒng)與RBF神經(jīng)網(wǎng)絡結合，但是因結合而成的模糊神經(jīng)系統(tǒng)產(chǎn)生龐大的規(guī)則，造成網(wǎng)絡結構冗余，因而影響到網(wǎng)絡的訓練精度和訓練時間。為了減少模糊規(guī)則數(shù)目，考慮先用聚類算法完成樣本的聚類，在證明聚類產(chǎn)生的T-S模糊規(guī)則和RBF神經(jīng)網(wǎng)絡原理等價的基礎上，構成了基于聚類的T

3、-S RBF網(wǎng)絡。在聚類算法選擇上，先用減法聚類確定聚類數(shù)目，再用模糊C均值聚類確定網(wǎng)絡的中心向量。采用該聚類算法T-S RBF神經(jīng)網(wǎng)絡能自動生成和調整隸屬函數(shù)和模糊規(guī)則，有效的減少了模糊規(guī)則數(shù)目。
　　通過分析渦輪增壓系統(tǒng)的故障，提取影響故障發(fā)生的關鍵因素樣本，利用RBF神經(jīng)網(wǎng)絡，T-S RBF神經(jīng)網(wǎng)絡和基于聚類的T-S RBF神經(jīng)網(wǎng)絡，進行仿真計算比較，得出基于聚類的T-S RBF分類結果最精確、訓練時間最短。并用此神經(jīng)網(wǎng)絡作