岳海豹 潘宏侠

摘要：当前，为了对柴油机故障诊断问题进行有效处理，通过自适应模糊推理系统来构建其故障诊断模型，并使用减法聚类法来对模型初始结构进行确定，同时结合梯度下降算法以及最小二乘算法来构成有效的混合学习算法优化模型参数.通过文中实验数据检验得出，所构建的模型故障识别值与其实际值之间的误差值最大为1016%，误差最小值为0.115%.其误差平均值为2.26%，其识别精度最高为97.74%.

关键词：柴油机；模型；自适应模糊推理系统；梯度下降算法

自适应神经模糊推理系统（ANFIS）是一种将神经元网络与模糊逻辑有效结合的、科学的推理系统结构，由于它具备任意精度迫近相应非线性函数的能力，因此拥有推广能力较强以及收敛速度过快等诸多特点。

1.故障诊断模型及其分析方法

本文结合ANFIS来构建柴油机故障诊断模型。

文章假设有一个为n维空间的样本集，并包含N个样本数据点：

Xi=[X（i），y（i）]

公式里，x=（x1，x2，...xn），其中n代表着样本数据维数；y则对应输出。

西方著名学者Jong提出的相应ANFIS，其实是Sugeno型模糊系统，对于典型的两个输入y以及x，其单输出?的一阶Sugeno模型系统具备以下两种规则：

I? x is A1 and y is B1 then f1=P1x+q1y+r1

? x is A2 and y is B2 then f2=P2x-q2y+r2 （2）

ANFIS的结构可分为5层

1.1.输入变量模糊化，此外输出与模糊集隶属度相对应。以下列节点A1为例，利用高斯函数进行传递函数，具体表示为：

Qj=μA1（x）=exp[-（xj-dij）/ ] （3）

其中公式中， μA1代表着隶属函数：xf（j=1.2）为节点j的有效输入： σij、dij分别代表着隶属度函数宽度以及中心，又被称作前提参数；其中i代表着隶属度函数所在的实际层数，即（i=1），而j则代表着层中的有效节点数。……