概率神经网络在发动机故障诊断中的应用.pdfVIP

概率神经网络在发动机故障诊断中的应用 石 磊 。等 概率神经网络在发动机故障诊断中的应用 ApplicationofProbabilisticNeuralNetworkinEngineFaultDiagnosis 石 磊 ， 互 成 (大连海事大学信 息科 学技术学院 ，辽宁 大连 116026；渤海大学信息科学与工程学院 ，辽宁 锦州 121000) 摘 要：由于发动机运行系统结构的复杂性，传统方法很难及时找出故障发生的原因，因此，提出采用概率神经网络PNN来实现对发 动机运行系统的故障诊断。PNN是一种训练速度快 、结构简单和应用广泛的人工神经网络 ，它采用贝叶斯分类决策理论建立系统的 数学模型；以高斯函数作为激励函数 ，具有非线性处理和抗干扰能力强等特点。Matlab仿真结果表明，该诊断方法快速准确且易于工 程实现。 关键词：概率神经网络 发动机 故障诊断 Matlab 非线性 中图分类号 ：TP183 文献标志码 ：A Abstract：Inview ofthecomplexityofstructureinengineoperationsystem；andthecausesoffaultaredifficulttobediscoveredbytraditional methods。thusthePNN—basedimplementationoffaultdiagnosisforengineoperationsystem isproposed．Probabilisticneuralnetwork(PNN)is akindofwidelyusedartificialneuralnetworkofferingfasttrainingspeedwithsimplestructure，itusesBayesclassificationanddecisionmaking theorytoestablishthemathematicalmodel；withGaussfunctionastheenergizingfunction，thisnetworkfeaturespowerfulnonlinearprocessing andanti-interferencecapabilities．TheresultofMatlabsimulationshowsthatthisdiagnosismethodisrapid，preciseandeaseforengineeringim— plementation． Keywords：Probabilisticneuralnetwork(PNN) Engine Faultdiagnosis Matlab Nonlinear 算法。相 比BP网络，PNN主要具有如下优点…。 O 引言 ① 过程简单 ，收敛速度快。BP网络的学习算法 随着发动机在我国经济领域的广泛应用，进行发动 收敛速度慢且易陷入局部极小值，PNN的训练过程一 机运行系统故障诊断的研究对早期发现故障原因和部 步到位 ，训练时间仅略大于数据读取的时间，且不存在 位、提高系统的运行可靠性，以及指定科学的维修制度 局部极小值 ；BP网络隐层单元的选取没有确定性法 具有现实意义。近年来，故障检测诊断方面的研究成果 则 ，需要根据经验反复运算得到，PNN需调节的参数 大量涌现，其大体可 以分为基于解析模型的方法、基于 少 ，不需要确定隐层数和隐层中的神经元等网络结构。 定性模型和搜索策略的方法以及基于历史过程数据的 ② 网络总收敛于贝叶斯优化解，稳定性高。BP 方法共三类。 网络各层的连接权值的训练对初始值敏感，会随初始 本文衡量和比较了各种方法，并兼顾故障诊断的快 权值的不同而不同，从而导致分类结果的不同，造成分 速性、准确性和鲁棒性等指标，提出了一种基于概率神