气缸组件和燃烧系统故障的神经网络诊断方法.pdfVIP

气缸组件与燃烧系统故障的神经网络诊断方法+ 黄加亮1．翁泽民1．张均东： (i 集美大学航海擘iI乏、福建厦．‘j361021： 2．大连海事大学轮札工程掌院。辽宁大连 116026) 摘要：本文援l≈一种船嗄一冲程主柴油枧气缸山活塞组件与燃烧系统故障诊断的方法即基于径向基函 程序，然后以HUDONG-B＆w 6L60MCE型^功率船用低速柴油机气缸组件与燃烧系统故障的摸拟计算为 例来说明这种诊断方法的可行蚌 关键词i船用柴油机：故障诊黟气缸组付与燃烧系统RBF}}经网络．MATLAB语言 1 引言 船舶动力装置的管理和维修方式，正从传统的事后维修和按计划的定期预防维修方式，向 更科学、更合理的视情维修方式发展，而开发新型、实用的故障诊断技术是推动现行维修体 制改革的保证．人工智能技术己进入故障诊断领域形成了全新的男～种方法气缸一活塞组件 是柴油机的重要组成部分、在柴油机正常运转中承担负荷最重且可靠性最差，据统计柴油机 30％以上的故障都归咎于气缸活塞；同时，柴油机燃烧又是决定柴油机动力性、经济性和排放 特性的关键，故构成燃烧系统的各个主要零部件的故障会导致正常燃烧过程的改变从而引起 气缸功率的降低、燃油消耗率的升高期整机性能恶化、可襄性下降因此对于柴油机气 缸活塞组件与燃烧系统故障的诊断应予以特别的关注 人工神经网络(ANN)具有大规模并行处理的计算结构，具有处理复杂多模式及进行联 想、推测和记忆功能，非常适合于船舶柴浊机系统的故障诊断．故障诊断过程是从被诊断系统 的某些过程和性能参数如温度、压力、转速等检测量得到故障征兆信息经过对这些征兆信 息分析处理，判断故障源的过程．基于ANN的故陴诊断方法就是利用网络对故障模式进行识 别本文建立一种基于径向基函数(RBF)神经网络算法模型ffl，应用于船用柴油机气缸组件与燃 烧系统的故障诊断，以HUDONG—BW 6L60MCE机型为例设计征兆／故障样本集，采用一个 单隐层的RBF网络对样本进行训练和仿真实验，以验证该诊断方法的可行性和有效性． 2柴油机运行故障模拟与诊断策略 2．1柴油机运行故障模拟 现代船用柴油机正朝着大型化、高增所和高经济性发展使得故碴征兆与故障原因的关 系更复杂，专家系统通过领域专家的实践积累知识库耗时较长随着数值计算技术的迅猛发展． ‘福建省自然科学基金赍助琅目(E96022) 模拟柴油机各种运行工况下的工作过程已成为可能，自￡够实现对发动机进行燃烧分析及性能 分所模拟，因此，本文采用文献【2】开发的船用二冲程涡轮增压柴油机运行性能故障的模拟计算 程序、该程序根据大型低速柴油机新机型的特点，应用较成熟的零维模型及适合于二冲程低速 机的放热规律和浓排气扫气等数学模型，计锋BW6L60MCE新机状态下的螺旋桨特性性能， 并与工厂台架试验实测值比较，由于考虑了进气与排气、传热、摩擦与气体密度变化等所产 生的能量得失，还考虑了通过涡轮增压器的能量转换，其顶测结果与试验数据十分吻合，表明该 程序的计算结果是可靠的．不仅可用来计算无故障下各种运行工况的过程参数和性能，也可用 来设置柴油机某些气缸活塞组件与燃烧系统故障进行仿真． 2．2分层次诊断模型131 船舶增压柴油机是一个复杂的机电系统，采用整机诊断模型非常复杂和困难，通过对系统 故障的分析知道，系统故障具有层次性的特意，即柴油机主系统由许多子系统组成浯子系统的 故障都会使发动机}生能恶化故采用分层次诊断方法，把整机分成气缸活塞组件与燃烧系统、 增压系统、润滑系统、冷却系统和传动系统等子系统． 目前仅研究气缸活塞组件与燃烧系统和增压系统舟皇故障诊断问题第一步根据各气缸的 排气温度『r、最高爆发压力Pmax和平均指)示压力P【判断故障可能发生于哪个子系统：如果 个尉气缸有故障，可判断。：那个气缸有问题．第二步对该子系统作进～步的诊断，即获得有故 障气缸的具体的故障原因、位置和严重程度 分层次诊断模型对于构造子系统冲经网络，具有使网络易于设计的特点．从而使其学习性 能和特性容易得到保证 2．3故障诊断策略 基于RBF网络的故障诊断仿真步骤是：首先对柴油机工作过程进{亍仿真计算获得给定工 况在设定故障下和无故障下的过程参数，经疆处理提取征兆集数据，归一化为网络输入模式；第 二步用已知的样本集训练网络，