- 1、本文档共4页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
050554
基于案例推理的柴油发动机
故障诊断技术研究
曹亚娟,支8爱诗, 肖云魁,张玲玲,李慧梅
(军事交通学院汽车工程系)
摘要:本论文讨论了案例的形成,案例的模式识别,案例库的组织、学习与维护。并将基于案例
的推理方法应用于柴油发动机故障诊断,取得了良好的应用效果。
关键字:案例推理;故障诊断;模糊识别
1 弓l售
柴油发动机是一个复杂机械系统,其故障虽然具有一定的规律性,但很难建立物理模型进行分析。
目前,许多学者采用神经网络对柴油发动机故障诊断进行了广泛的研究,取得了一定的应用效果。然而,
神经网络存在训练速度慢、规则多时,结构十分复杂,当多案例训练网络时,收敛性差等缺点。
基于案例的故障诊断需要检索的是现场发生的故障案例,非常适用于一些不能用模型表示的知识领
域。基于案例的故障诊断在待诊断对象的故障与案例不完全匹配时也能给出相似的解;诊断结果是具体
的案例,形象直观,能够反映故障的总体概貌,容易被用户理解接受等。因此,案例推理应用于故障诊
断,为故障诊断提供了一条新途径n’。
2案例的形成
一个高质量的案例应该包括它所描述问题的各种特征,同时还应尽可能剔除冗余的信息。排除干扰
因素对诊断的影响。目前,关于案例知识获取主要依赖于人工知识获取过程伸1。但是同时了解专业知识
和系统知识表示的“知识工程师”少之又少,因此,依赖于知识工程师的个人技巧和有关访谈过程的交
互情况的案例获取过程很难获取高质量的案例知识。
在本诊断系统中,分别用短时Fourier变换、小波包AR谱和二阶循环谱对发动机加速振动信号进
行处理,找出诊断故障的最佳诊断位置(测取加速信号时传感器放置位置)及特征频率;然后用粗噪集
技术自动提取故障特征,形成可实用的案例。这种从实际测取的发动机加速振动信号中获取案例的方法,
解决了知识获取主观性强的困难。
。,
3案例的模式识别
模式识别研究的主要问题是已知事物的各种类别,然后判定对象属于何种类别;或已知各事物的特
征,然后判定事物间的相互融合度(相似程度)。如何能快速、准确的在案例库中找到与待识别案例相
匹配的案例,对推理的效率影响很大。目前模式识别技术在故障诊断中的应用取得了大量成果,主要方
法有,最小距离判别法、模糊识别法、神经网络模式识别法和时间序列分析法等H~6’。在本诊断系统中,
采用模糊识别方法。
设论域u上有赢个模糊子集A1,A:,AAm,构成一个标准模型库{A1,A2,AA卅},B为待识别的模
州
把B归并到Ajo类。对于贴近度也许多种形式,这里只用了两种:格贴近度和距离贴近度。
定义1:格贴近
设A,B是论域U上的模糊子集,则称
R(A,B)=I[AoB+《1二▲圆矗)】
为A与B的格贴近度。当R(A,曰)越大(从而AoB越大,A圆B越小)时,A与B越贴近。
定义2;距离贴近度
设A,B是论域u上的模糊子集,则称
A(xk)-B(xt)|
R(A’曰)=l一吉善I (2)
为A与B的距离贴近度。我们可以用上述两种贴近度评价两类事物的近似程度。
4案例库的组织
在此基于案例的故障诊断系统中,案例的表示方法忧较简单,对于一个案例,只包括问题的描述及
问题的求解目标两部分,而且对于问:匦的描述及求解目标都是用数值向量来表示的;j但是在对一个待识
别案例进行模式识别的时需要历遍整个案例库。为了尽可能的提高模式识别的速度,这就需要在组织案
例库的时候,将案例库细分,使每次故障诊断时搜索案例库的空间尽可能的小。
另外在进行不同部位故障特征提取时发现,故障部位不同,最佳诊断位置就不相同,如曲轴故障的
最佳诊断部位是发动机缸体与油底壳的右侧结合处,而气门间隙故障的最佳诊断部位是发动机缸盖顶
部;对于不同故障所提取的特征频率也不一样。所以虽然最后不同故障案例的表示方法相同(数值不同),
但是所代表的含义并不一样,在进行案例库组织的时候,必须将不同故障的案例分别来存放,这也
您可能关注的文档
- 基于BP神经网络的板形预测控制模型.pdf
- 基于BP神经网络和瞬态响应分析的电路故障诊断技术.pdf
- 基于CAN总线的矿渣粉掺加控制系统.pdf
- 基于CBE模式的信息管理和信息系统专业(医学方向)实践教学改革探析.pdf
- 基于C-B样条的Catmull-Clark细分曲面造型系统的开发.pdf
- 基于CMAC神经元网络的水箱液位控制系统.pdf
- 基于CMPP与UML的短信息业务平台设计.pdf
- 基于COM%2b组件的计算机辅助考试系统的开发.pdf
- 基于COMSOL+Multiphysics的核级石墨氧化行为的研究.pdf
- 基于Controller+Link的OMRON多PLC网络系统设计.pdf
文档评论(0)