基于BP网络的发动机常见异响诊断.pdfVIP

第6卷 增刊 福建工程学院学报 Vo1．6Suppl 2008年 l2月 ~umalofFujianUniversityofTechnology Dec．20O8 文章编号：1672—4348(2008)SO一0163—0 基于BP网络的发动机常见异响诊断 成峰 (福建农林大学机电工程学院，福建 福州 350002) 摘要：介绍了BP网络的结构和工作原理，建立了基于BP神经网络的发动机异响故障诊断系统，通 过发动机异响现象与症状之间的训练样本验证了该系统的可行性。 关键词 ：发动机；异响诊断；BP网络 中图分类号：U464．17 文献标识码：A Engineabnorm~ sounddiagnosisbasedonBP neuralnetworks ChengFeng (CollegeofMcehanicalandElectricalEngineering，FujianAgricultureandForestryUniversity，Fuzhou350002，China) Abstract：ThestructureandprincipleofBPneuralnetworksisdescribed．An expertsystem forab- normalsoundsdiagnosisofengineisestablished．Thepracticabilityoftheexpertsystem isvalidated throughtrainingsamplesrelatedtoengineabnormalsoundsandsymptoms． Keywords：engine；abnormalsounddiagnosis；BPneuralnetwork 模型相同，不同层的模型可以不同，这主要体现在 0 引言 激活函数的选择上；由于BP网络中各神经元的 发动机异响类型繁多，尤其是故障现象与症 激活函数要求处处可导，因此只能采用S型函数、 状之间没有明显的一一对应的关系，所以发动机 线性函数或它们的演变形式。由于各层位置不 异响诊断具有复杂性和多变性的特点，由于神经 同，所起的作用也不一样，输入层只起到信号的扇 网络具有大规模并行分布式结构和学 习能 出作用，专门负责收集来 自网络外部的信息；输出 力 ¨-21，能较好解决具有不确定性或复杂非线性 层是网络的最后一层，负责输出网络的计算结果； 问题，所以神经网络是一种非常有效的故障诊断 隐含层即为输入层和输出层之间的部分，它不直 方法，基于人工神经网络诊断方法是发动机异响 接接受外界的信号，也不直接向外界发送信号，但 故障建模和故障识别的主流方向之一[3I5]。 正是因为它的存在，从而使 BP网络可以解决线 性不可分问题。BP网络是按照有导师方式来进 1 BP网络结构与工作原理 行学习的，必须给它提供一个样本集 (一般通过 1．1 BP网络结构 试验获得)，该样本集可以定义为： BP网络是一种多级前馈网。图 1是一个含 {(，Y)l为输入向量，y为 对应的理想 有输入层、隐含层和输出层的3层 BP网络模型， 输出向量} 每层节点个数分别为r、p、q。从连接方式看 ，相邻 1．2 工作信号前向传