基于改进的LVQ神经网络的发动机故障诊断.docVIP

基于改进的LVQ神经网络的发动机故障诊断 　　摘 要： 学习向量量化（LVQ）神经网络可以通过监督学习完成对输入向量模式的准确分类，提出了一种基于改进的LVQ神经网络的发动机故障诊断方法，介绍了LVQ神经网络及其改进的学习算法。以长城哈佛GW2.8TC型发动机为实验对象，让发动机在怠速状况下，对发动机进行故障设置，利用金德KT600电脑故障诊断仪采集发动机数据流，运用改进的LVQ神经网络建立诊断模型，诊断结果表明，改进的LVQ神经网络能对发动机故障做出正确分类，准确率比较高。 　　关键词： 改进的LVQ神经网络； 发动机； 故障诊断； 神经元 　　中图分类号： TN98?34 文献标识码： A 文章编号： 1004?373X（2015）17?0107?03 　　Fault diagnosis for engines based on improved LVQ neural network 　　GUO Zengbo1， BA Yinliang2， WANG Shuti2， XIE Xin2 　　（1. Karamay Vocational Technical College， Karamay 834000， China； 　　2. College of Machinery and Traffic， Xinjiang Agricultural University， Urumqi 830052， China） 　　Abstract： Since learning vector quantization （LVQ） neural network can classify input vector pattern accurately by supervised learning， the fault diagnosis method for engines based on LVQ neural network is proposed. LVQ neural network and its improved learning method are introduced. Taking Great Wall Harvard GW2.8TC engine as the experimental subject， faults are set for the engine under idle speed condition. The data stream of the engine is collected by using Kinder KT600 computer fault diagnosis tester. The diagnosis model was established by using the improved LVQ neural network. The diagnosis results show that the improved LVQ neural network can classify engine faults accurately， and the precision rate is relatively high. 　　Keywords： improved LVQ neural network； engine； fault diagnosis； neurone 　　0 引 言 　　人工神经网络（Artificial Neural Networks，ANNs），也称为神经网络（NNs），是模拟生物神经网络进行信息处理的一种数学模型。它以对大脑的生理研究成果为基础，目的在于模拟大脑的某些机理与机制，实现一些特定的功能。由于人工神经网络具有联想记忆功能、优化计算能力以及其他的一些性质，所以人工神经网络具有较强的分类识别功能。学习向量量化（LVQ）神经网络是常用的一种神经网络，LVQ神经网络是一种有导师训练竞争层的方法，竞争层自动学习识别输入向量，并对输入向量分类。 　　本文以长城哈佛GW2.8TC型发动机为例，运用LVQ神经网络对发动机进行故障诊断。 　　1 LVQ神经网络 　　1.1 LVQ神经网络结构 　　LVQ神经网络是两层的网络结构，即竞争层和线性层。竞争层对输入向量进行学习分类，把竞争层的分类称为子分类；线性层根据用户的要求将竞争层的分类结果映射到目标分类结果中，把线性层的分类称为目标分类。LVQ神经网络结构如图1所示。 　　由图1可以看出，竞争层和线性层每一类别各有一个神经元，竞争层通过学习，可以得到S1类子分类结果；然后，线性层将S1类子分类结果再分成S2类目标分类结果（S1始终大于S2）。例如，假设竞争层的第1，2，3个神经元对输入空间的子分类