基于粒子群优化RBF神经网络的柴油机故障诊断研究

【摘要】： 柴油机是许多设备的动力源，广泛应用到矿山、船舶等领域。因此柴油机在国民经济中占有很重要的地位。柴油发动机的状态监测与故障诊断的研究也就越来越受到研究者和工业部门的重视。随着信号处理技术的发展和应用于非平稳信号分析的各种分析方法的不断涌现，几十年来在故障诊断领域得到广泛应用的快速傅立叶变换分析方法已不能满足现代机械故障诊断的要求。 人工神经网络是一种大规模的分布式并行处理系统，具有自组织、自学习、自适应和非线性动态处理等特性。这对于解决复杂的非线性问题具有广阔的应用前景。 粒子群优化算法是基于群体智能理论的一种优化算法，通过种群粒子间的合作与竞争产生的群体智能来指导优化搜索。作为一类新兴的随机全局优化算法，粒子群算法依赖的经验参数少，易于控制，而且由于其理论上的并行性，收敛速度很快，因此，在其提出的十年中，在许多领域获得了成功。 本文在深入分析RBF神经网络及粒子群优化算法等理论的基础上，用粒子群算法作为RBF神经网络的学习算法，使之具有很强的网络泛化能力和非线性系统辨识能力。最后，应用神经网络训练样本集训练粒子群优化的神经网络，把此网络应用在柴油机涡轮增压系统故障诊断上，其诊断结果与事实相吻合。