【技术实现步骤摘要】
一种基于ANFIS的柴油机多信息融合诊断方法
本专利技术属于柴油机故障诊断
;具体涉及一种基于ANFIS的柴油机多信息融合诊断方法。
技术介绍
柴油机是目前各种动力机械中应用最为广泛的机型,柴油机技术的发展对我国工农业、交通运输、国防建设等各方面具有重要影响。柴油机由于结构复杂、工作条件恶劣、运行工况多变等原因,容易产生各类故障。柴油机发生故障会影响设备和系统运行安全,严重时甚至会造成人员和财产方面的重大损失,因此开展柴油机故障诊断技术研究,对保障柴油机安全、高效运行具有重要意义。在目前的柴油机故障监测与诊断的方法中,性能参数分析法、油液分析法、声振信号分析法、专家系统、神经网络方法以及多信息融合方法是最常见和有效的方法。多信息融合诊断方法,能够消除单源信息诊断过程中设备和传感器自身的不确定性,提高故障诊断的精度和可靠性,成为目前柴油机故障诊断方面的重要研究内容。人工神经网络方法,由于具有大规模并行处理、自组织学习、良好非线性映射能力等特点,在柴油机多信息融合诊断方面有广泛的应用前景。目前的人工神经网络方法,由于网络参数与数学函数之间缺乏准确表达,模型存在内部结构模糊不清的“黑匣子”问题,BP等前向型神经网络还存在局部极小值等问题,限制了神经网络方法在柴油机多信息融合诊断方面的发展。
技术实现思路
本专利技术提供了一种基于ANFIS的柴油机多信息融合诊断方法,提高ANFIS在柴油机多信息融合诊断技术方面的工程实用性。本专利技术通过以下技术方案实现:一种基于ANFIS的 ...
【技术保护点】
1.一种基于ANFIS的柴油机多信息融合诊断方法,其特征在于,所述诊断方法包括以下步骤,/n步骤1:选取柴油机的典型故障作为输出结果集合F,选取柴油机实际运行中便于测量的动力学、热力学参数作为输入参数集合S;以已知故障参数集合作为模型训练的故障数据库U
【技术特征摘要】
1.一种基于ANFIS的柴油机多信息融合诊断方法,其特征在于,所述诊断方法包括以下步骤,
步骤1:选取柴油机的典型故障作为输出结果集合F,选取柴油机实际运行中便于测量的动力学、热力学参数作为输入参数集合S;以已知故障参数集合作为模型训练的故障数据库U1;
步骤2:将步骤1的输出结果集合F、输入参数集合S和故障数据库U1,对数据集合进行归一化处理;
步骤3:对步骤2归一化处理后的数据集合进行层次分析法处理,得出参数权重值;
步骤4:对步骤3的参数权重值结合应用减法聚类法优化后的ANFIS,生成柴油机故障诊断模型初始规则结构Q0;
步骤5:将步骤4的初始规则结构Q0训练后得到柴油机故障诊断模型规则结构Q1;
步骤6:对柴油机故障诊断模型规则结构Q1输入采取归一化处理后的柴油机实际运行参数S集合内特征参数,记为输入参数集合S′,对输入参数集合S′进行模糊拟合和规则拟合后,生成输出基于ANFIS的柴油机故障诊断模型。
2.根据权利要求1所述一种基于ANFIS的柴油机多信息融合诊断方法,其特征在于,所述步骤1中故障类型包括:正常运行f0、单缸失火f1、排气管泄露f2、压气机污阻f3、空滤器堵塞f4、润滑不良f5;
输入参数包括:有效功率s1、燃油消耗率s2、涡前排气温度s3、涡后排气温度s4、涡前排气压力s5、中冷器前温度s6、中冷器后温度s7、中冷器前压力s8、中冷器后压力s9、进口压力s10、缸后平均温度s11。
3.根据权利要求1所述一种基于ANFIS的柴油机多信息融合诊断方法,其特征在于,所述步骤2中对数据集合进行归一化处理,即对集合S内每组Si采用最大最小法进行归一化处理
其中,i为参数个数i=1,…,11,k为数据组数simin为数据序列的均值,k=1,2,……;simax为数据的方差;设定归一化范围为0-1;归一化消除不同类型输入参数间的数量级差异。
4.根据权利要求1所述一种基于ANFIS的柴油机多信息融合诊断方法,其特征在于,所述步骤3中对数据集合进行层次分析法处理具体为,求取故障数据与正常数据差值,建立数据特征方阵,求取方阵的特征值与特征向量,对比最大特征向量并进行一致性检测,得出参数权重值。
5.根据权利要求4所述一种基于ANFIS的柴油机多信息融合诊断方法,其特征在于,所述层次分析法具体为,寻求参数变化程度,即在已知集合中,寻求故障参数与正常参数之间的差值,利用差值形成参数变化方阵A,若因素i与因素j的差值之比为那么因素j与因素i差值之比为
因为方阵A=(aij)n×n满足,
(i)aij>0,(ii)
所以方阵A=(aij)n×n为正反矩阵;
但方阵A=(aij)n×n不一定满足,
方阵A=(aij)n×n不一定为一致性矩阵;
根据一致性矩阵特性:
若A=(aij)n×n的最大特征值λmax对应的特征向量为w=(w1,…,wn)T,则其中w即为参数权重值;
由层次分析法基本结构,在获取权重值之前,应对构造方阵A进行一致性检验,通过一致性比例CR:
当CR<0.10时,此矩阵为一致性矩阵,否则应对矩阵进行修改;
其中CI的数值根据方阵A计算获得,RI的数值通过查“层次分析法随机一致性RI值表”获得,RI的数值由方阵A的阶数n决定,RI的数值也能通过方阵A计算获得,本发明中采用查表法获得RI的数值。
求差值方阵A的特征值和特征向量,并进行层...
【专利技术属性】
技术研发人员:费景洲,韩雨婷,王忠巍,曹云鹏,袁志国,
申请(专利权)人:哈尔滨工程大学,
类型:发明
国别省市:黑龙江;23
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。