基于CPSO-BP神经网络的柴油机排气门间隙故障诊断
2014-05-25袁惠群梁明轩赵天宇
中国工程机械学报 2014年1期
李 岩,袁惠群,,梁明轩,赵天宇
(1.东北大学 机械工程与自动化学院,沈阳 110819;2.东北大学 理学院,沈阳 110819)
发动机在冷态下,当气门处于关闭状态时,气门与传动件之间的间隙称为气门间隙.气门间隙异常是柴油机的典型故障[1].间隙过大,降低了气门的开启高度,使发动机功率下降,配气机构零件撞击增加,磨损加快;间隙过小:使气门关闭不严,造成漏气、功率下降,甚至导致密封表面积碳烧坏.传统的人工检测方法要比对出厂压力标准,操作复杂,难以实时检测.与传统处理方式相比智能诊断技术逐渐成为故障诊断中的关键技术,如神经网络和支持向量机等.文献[2-3]以支持向量机作为故障分类器,实现了对气门间隙异常的故障诊断.文献[4]采用LabVIEW构建了基于经验模式分解与准BP神经元网络进行故障聚类的内燃机排气门间隙故障诊断系统,并对该系统的准确性进行了试验验证.文献[5]借助遗传算法引入了基于统计规则的智能数据挖掘技术,通过大量对不同气门状态下气门缸盖振动信号的分析,对气门故障进行了有效诊断.粒子群优化算法(Particle Swarm Optimization,PSO)是一种基于迭代的优化工具,具有全局寻优的特点,而且它在优化神经网络时,无需导数等梯度信息,具有实现简单且全局优化性能好的特点,可很好地解决神经网络的结构和权值优化等问题.然而PSO解决多分类问题困难,且其初始参数选取困难,极易陷入局部最优,为此引入混沌变量(Chaos).
本文在标准PSO算……
登录APP查看全文
