张松华，陆秀令

（湖南工学院电气与信息工程系，湖南衡阳 421002）

基于BP神经网络的柴油发动机故障诊断

张松华，陆秀令

（湖南工学院电气与信息工程系，湖南衡阳 421002）

阐述了BP神经网络模型及原理，提出了基于BP神经网络的发动机故障诊断分析方法，在理论分析的基础上，对发动机故障的检测和分析进行了MATLAB仿真，仿真结果表明，利用BP神经网络对发动机故障进行检侧具有检测精度高、速度快的特点.

发动机；神经网络；故障诊断

柴油发动机是一种重要的动力来源，一旦产生故障就可能发生严重的后果，因此，如何准确而又快速的分析发生故障的原因，并进行故障类型的有效判断，具有重要的现实意义.传统的故障诊断方法有很多种，如润滑油法、性能参数法和振动噪声法等［1］.人工神经网络以大规模并行处理为特色，具有非常强的容错性和自学习能力，非常适合于机器或工程系统的故障诊断.笔者采用单隐层的BP神经网络对提取的故障样本先进行网络的训练学习，再将训练后的网络应用于某型号柴油发动机的故障诊断［2］，通过MATLAB仿真结果分析，可以获得很好的故障诊断准确率和效率.

1 BP神经网络模型及原理

图1 单隐层BP神经网络结构

BP神经网络是一种单向传播的多层神经网络，一般包括输入层、隐层、输出层和前向的相互连接.输入层和输出层的神经元个数由待求的实际问题和样本的表示方式确定，一个单隐层BP网络可以完成任意的n维到m维的映射，而隐层的神经元个数一般与问题的要求和输入输出神经元个数有关.单隐层BP神经网络结构如图1所示.其中：i＝1，2，…；