基于主成分分析和自组织神经网络的柴油机故障诊断方法.pdfVIP

JournalofComputerApplications ISSN 1001—9081 2014一l2—15 计算机应用，2014，34(s2)：184—185，229 CODENJYIIDU http：／／www．joca．cn 文章编号：1001—9081(2014)$20184—02 基于主成分分析和 自组织神经网络的柴油机故障诊断方法 夏梦莹，刘啸奔。，陈严飞，马虎强，郑 伟 (中国石油大学 (北京)机械与储运工程学院，北京 102249) ( 通信作者电子邮箱 liuxiaoben1991@126．corn) 摘 要：提 出了一种新型的柴油机故障诊断方法，该方法使用主成分分析(PCA)法对故障样本降维，有效提取故 障样本主要特征，在此基础上，将其作为输入使用 自组织映射 (SOM)神经网络进行训练得到故障识剐网络。4OO组模 拟故障数据的测试表明，两者结合的方法能有效提高网络的训练速度，获得满意的故障识别率。 关键词：主成分分析；自组织映射神经网络；柴油机；故障诊断 中图分类号：TP29 文献标志码 ：A Dieselenginefaultdiagnosismethodbasedon principlecomponentanalysisandself-organizingmapneuralnetwork XIA Mengying，UU Xiaoben ，CHEN Yanfei，MA Huqiang，ZHENG Wei (CollegeofMechanicalandTransportation，ChinaUnivemi@ofPetroleum(Bering)，Beng102249，China) Abstract：Anewmethodfordieselenginefaultdiagnosiswasproposedhere．PrincipalComponentAnalysis(PCA)was usedtodecreasethedimensionofthefaultdatainthefirststep．Basedontheresultofthefirststep，aSelf—OrganizingMap (SOM)neuralnetworkwastrmnedtoidentifythefaulttype．Atlast，aseriesofsimulationfaultdatawastestedbythe network．From thetestresult，someimportantconclusionsweregotten：thecombinationofPCA andSOM neuralnetworkcan improvethetrainingrateofthenetwork，andthisnew methodgetsasatisfiedfaultrecognitionrate． Keywords：PrincipleComponentAnalysis(PCA)；SOMNeuralnetwork；dieselengine；faultdiangosis 科学技术的发展，导致复杂机械的应用越来越为广泛，而 , FI= allX1+a12~2+ ．-．+alpxp 结构越复杂其事故后果也往往越严重，维修成本越高。所以 ㈩ 准确识别复杂系统的故障类型对故障的及时维修有着重大的 现实意义。柴油机作为一个典型的复杂机械结构也面临着准 确故障诊断的难题。 由于神经网络在非线性问题出色的处理能力，近年来很 多专家学者使用神经网络进行柴油机故障诊断。但是神经网 络训练需要大量的训练模拟，对于柴油机这样的复杂装备系 统的特征，其大量的特征信息会给网络的训练带来较长的时 间。本文基于此给出先使用主成分分析对柴油机故障数据进 行特征提取再在此基础上进行 自组织映射 (Sel