神經網絡技術在柴油機故障診斷與控制中應用的研究.pdf

1、該文以解決神經網絡技術應用的實時性和有效性為研究目的,并以柴油機進排氣系統(tǒng)故障診斷和燃油噴射控制為應用實例進行了相應的研究工作.為新技術在內燃機中的應用作了點鋪墊,以求有所創(chuàng)新.針對柴油機故障診斷系統(tǒng),該文建立了一套295柴油機進排氣系統(tǒng)的非復合故障模擬試驗臺架,人為設置了氣門間隙過小、氣門間隙過大、進氣門漏氣和排氣門漏氣等故障,并在實機上進行了故障模擬試驗.在振動信號采集過程中,采取了上止點信號和振動信號的同步采樣,以獲取整循環(huán)的缸蓋

2、振動信號,為基于神經網絡和小波分析的故障診斷提供數(shù)據和實驗支持.在振動信號故障特征提取前,該文利用小波降噪去除隱藏在缸蓋振動信號中的環(huán)境白噪聲,以利于故障的識別.對不采用小波降噪的信號處理進行了對比驗證,結果表明經過小波降噪后的診斷方法比未經小波降噪的診斷方法故障識別率有一定程度的提高.該文提出了小波降噪、基于區(qū)間的小波包特征提取和神經網絡技術融合的故障診斷方法,并以柴油機進排氣系統(tǒng)故障為例驗證了該方法的可行性.實時性問題是柴油機神經網

3、絡燃油噴射控制中存在的主要問題,目前對實時性的研究還比較少.為此,在硬件方面,該文采用快速的數(shù)字信號處理器取代常用的單片機來提高系統(tǒng)控制的速度;在軟件方面,該文采用快速的RBF神經網絡.由于RBF網絡結構和參數(shù)的選取對其逼近精度和運算速度有較大影響,所以該文采用基于赤池信息準則和遺傳算法的網絡結構和參數(shù)的同時優(yōu)化方法來優(yōu)化控制網絡模型,結果表明該方法能達到網絡逼近性能和復雜程度之間的折中,以結構簡單的網絡模型來改善系統(tǒng)控制的實時性.最后