粗糙集与改进的QPSO-RBF算法在柴油机气门故障诊断中的应用.pdfVIP

第40卷第4期 信 息与控制 V0l1．40．NO．4 2011年8月 InformationandControl Aug．，2011 DoI：10．3724／SRJ．1219．2011．00570 粗糙集与改进的QPSO-RBF算法在柴油机 气门故障诊断中的应用 曹龙汉 1,2，刘小丽 ，郭晓东2，王申涛1，代 睿1 (1．重庆通信学院控制工程重点实验室，重庆 400035； 2．重庆理工大学汽车零部件制造及检测技术教育部重点实验室，重庆 400050) 摘 要：针对气门故障，以缸盖振动信号的小波包能量谱作为故障特征参数，提出一种粗糙集 (RS)与改进的 量子微粒群径向基函数神经网络 (QPSO—RBFNN)相结合的故障诊断方法．首先应用粗糙集对试验所得的特征参数 进行属性约简，去掉冗余信息，简化RBF网络的结构；然后将带变异算子的QPSO算法引入到RBF网络的学习过 程中，改进其现有的学习算法，进一步提高故障预测能力．通过对6135D型柴油机气门故障进行诊断，结果表明该 方法提高了诊断的精度和效率． 关键词：粗糙集；径向基函数神经网络；量子微粒群优化算法；柴油机；故障诊断 中图分类号：TK428，TP183 文献标识码：A 文章编号：1002—0411(2011)一04—057007 TheApplicationofRoughtSetandImprovedQPSo·RBFAlgorithmto FaultDiagnosisforDieselEngineValve CA0Longhan ，LIU Xiaoli ，GUO Xiaodong ，WANG Shentao ，DAIRui1 (1．KeyLaboratoryofControlEngineering，ChongqingInstituteoy’Communication，Chongqing400035，China； 2．KeyLaboratoryofManufactureandTestTechniquesforAutomobilePartsofMinistryofEducation． ChongqingUniversityofTechnology，Chongqing400050，China) Abstract：AfaultdiagnosismethodofcombiningRS(roughset)nadimprovedQPSO—RBFNN (quantum—behavedparticle swarmoptimization—radialbasisfunctionneuralnetwork)isproposedforvalvefault，inwhichwaveletpacketenergyspectrum from vibrationsignalsofbonnetistakenasfaultcharacteristicpraameters．Firstly,attributesofchraacteristicpraametersrae reducedbyRStheoryinordertodeleteredundnatattributesnadsimplifyhteinputsofRBFNN，thenQPSOalgorithmwiht mutationoperatorisintroducedintothelearningprocessofRBFNN toimproveitsexistinglearningalgorithmsnadenhnace itspredictiveability．Thesimulationresultsofvalvefaulton6135D typedieselengineshowhtathtemehtodenhnacs