APP下载

复合神经网络在柴油机故障诊断中的应用

2014-05-25白士红杜新成

中国工程机械学报 2014年1期
关键词:故障诊断故障信号

白士红,杜新成

(沈阳理工大学 机械工程学院,辽宁 沈阳 110159)

基于神经网络的故障诊断分三步实现.第一步,通过试验获得给定工况在设定故障和无故障状态下的过程参数,经预处理提取故障征兆集数据[1],归一化为网络输入模式;第二步,建立神经网络系统,用已知故障征兆-故障模式的样本集训练网络,使其达到预设的诊断精度,得出标准故障模式[2-3];第三步,实时输入故障征兆向量进行测试,获得该状态下的网络输出模式,然后对网络输入进行后处理,再与标准故障模式进行对比,获得诊断结果,即故障类型[4].

1 SOM神经网络竞争学习原理

Kohonen认为,一个神经网络接受外界输入模式时,将会分为不同的对应区域,各区域对输入模式有不同的响应特征,而这个过程是自动完成的.自组织特征映射神经网络(SOM)模拟大脑神经系统的自组织特征映射功能,是一种无监督竞争式学习的前馈网络在训练中能无监督自组织学习.它通过学习可以提取一组数据中的重要特征或某种内在规律,按离散时间方式进行分类.竞争学习规则的生理学基础是神经细胞的侧抑制现象:当一个神经细胞兴奋后,会对其周围的神经细胞产生抑制作用[5].最强的抑制作用是竞争获胜的“唯我独兴”,这种做法称为“胜者为王”(Winner-Take-All,WTA).竞争学习规则就是从神经细胞的侧抑制现象获得的.它的学习步骤为.

1.1 向量归一化

对自组织网络中的当前输入模式向量X、竞争层中各神经元对应的内星权向量Wj(j=1,2,|…,m),全部进行归一化处理,得到

登录APP查看全文

猜你喜欢

故障诊断故障信号
信号
完形填空二则
故障一点通
基于FPGA的多功能信号发生器的设计
奔驰R320车ABS、ESP故障灯异常点亮
基于LabVIEW的力加载信号采集与PID控制
故障一点通
江淮车故障3例
基于LCD和排列熵的滚动轴承故障诊断
基于WPD-HHT的滚动轴承故障诊断