BAELM发动机燃油系统故障诊断研究.PDF

第３５卷第１１期　　　 计算机应用与软件 Ｖｏｌ３５Ｎｏ．１１ ２０１８年１１月　　 ＣｏｍｐｕｔｅｒＡｐｐｌｉｃａｔｉｏｎｓａｎｄＳｏｆｔｗａｒｅ Ｎｏｖ．２０１８ 基于ＩＢＡＥＬＭ的发动机燃油系统故障诊断研究 靖婉婷　王海瑞　林雅慧 （昆明理工大学信息工程与自动化学院　云南昆明６５０５００） 摘　要　　发动机是整个机械设备的“心脏”。由于燃油系统结构组成较为复杂，因而也是故障的频发部件。选 用极限学习机ＥＬＭ（ＥｘｔｒｅｍｅＬｅａｒｎｉｎｇＭａｃｈｉｎｅ）方法对发动机燃油系统的故障进行分类。虽然极限学习机的学习 速度非常快，但是该方法的分类准确度还有很大的提升空间。蝙蝠算法ＢＡ（ＢａｔＡｌｇｏｒｉｔｈｍ）又具有很强的寻优能 力，故提出一种基于改进的蝙蝠算法优化极限学习机的故障诊断模型。实验结果表明，改进的蝙蝠算法在很大程 度上提高了极限学习机的分类精度和泛化能力。 关键词　　发动机　燃油系统　极限学习机　蝙蝠算法　故障诊断 中图分类号　ＴＰ３　　　　文献标识码　Ａ　　　　ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１０００３８６ｘ．２０１８．１１．０１３ ＦＡＵＬＴＤＩＡＧＮＯＳＩＳＯＦＥＮＧＩＮＥＦＵＥＬＳＹＳＴＥＭＢＡＳＥＤＯＮＩＢＡＥＬＭ ＪｉｎｇＷａｎｔｉｎｇ　ＷａｎｇＨａｉｒｕｉ　ＬｉｎＹａｈｕｉ （ＦａｃｕｌｔｙｏｆＩｎｆｏｒｍａｔｉｏｎＥｎｇｉｎｅｅｒｉｎｇａｎｄＡｕｔｏｍａｔｉｏｎ，ＫｕｎｍｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，Ｋｕｎｍｉｎｇ６５０５００，Ｙｕｎｎａｎ，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ　　Ｅｎｇｉｎｅｉｓｔｈｅｈｅａｒｔｏｆｔｈｅｅｎｔｉｒｅｍａｃｈｉｎｅｒｙａｎｄｅｑｕｉｐｍｅｎｔ．Ａｓｔｈｅｆｕｅｌｓｙｓｔｅｍｃｏｍｐｏｓｉｔｉｏｎｉｓｃｏｍｐｌｉｃａｔｅｄ， ｉｔｆｒｅｑｕｅｎｔｌｙｂｒｅａｋｓｄｏｗｎ．Ｔｈｕｓ，ｔｈｅＥｘｔｒｅｍｅＬｅａｒｎｉｎｇＭａｃｈｉｎｅ（ＥＬＭ）ｍｅｔｈｏｄｉｓｕｓｅｄｔｏｃｌａｓｓｉｆｙｔｈｅｆａｕｌｔｓｏｆｔｈｅ ｅｎｇｉｎｅｆｕｅｌｓｙｓｔｅｍ．ＡｌｔｈｏｕｇｈｔｈｅｌｅａｒｎｉｎｇｓｐｅｅｄｏｆＥＬＭｉｓｖｅｒｙｆａｓｔ，ｔｈｅｃｌａｓｓｉｆｉｃａｔｉｏｎａｃｃｕｒａｃｙｏｆｔｈｉｓｍｅｔｈｏｄｓｔｉｌｌｎｅｅｄ ｉｍｐｒｏｖｅｍｅｎｔ．ＡｓｔｈｅＢａｔａｌｇｏｒｉｔｈｍ（ＢＡ）ｈａｓｓｔｒｏｎｇｓｅａｒｃｈａｂｉｌｉｔｙｆｏｒｅｘｃｅｌｌｅｎｃｅ，ａｆａｕｌｔｄｉａｇｎｏｓｉｓｍｏｄｅｌｂａｓｅｄｏｎＥＬＭ ｉｍｐｒｏｖｅｄｂｙｂａｔａｌｇｏｒｉｔｈｍｉｓｐｒｏｐｏｓｅｄ．Ｔｈｅｅｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅｉｍｐｒｏｖｅｄｂａｔａｌｇｏｒｉｔｈｍｇｒｅａｔｌｙｉｍｐｒｏｖｅｓ ｔｈｅｃｌａｓｓｉｆｉｃａｔｉｏｎａｃｃｕｒａｃｙａｎｄｇｅｎｅｒａｌｉｚａｔｉｏｎａｂｉｌｉｔｙｏｆＥＬＭ． Ｋｅｙｗｏｒｄｓ　　Ｅｎｇｉｎｅ　Ｆｕｅｌｓｙｓｔｅｍ　Ｅｘｔｒｅｍｅｌｅａｒｎｉｎｇｍａｃｈｉｎｅ　Ｂａｔａｌｇｏｒｉｔｈｍ　Ｆａｕｌｔｄｉａｇｎｏｓｉｓ 习机的相关参数，搭建优化好的极限学习机的网络结 ０　引　言 构。最后将提取到的特征向量输入到优化好的极限学 习机中进行训练和测试，得到最终的故障诊断结果。 发动机的燃油系统长时间在高温高压的恶劣环境 本文设置对比实验来验证该模型的合理性和优越性， 下工作，为整个机械设备提供动力。据权威机构数据 实验结果表明本文所提方法具有良好的性能。 统计，在柴油机的各种故障中，燃油系统故障占总体比 重高达２７％。由此可见，一旦燃油系统发生故障，将 １　蝙蝠算法 会造成整个机械停止工作，带来的经济和其他方面的 损失较为严重。 蝙蝠算法是由剑桥大学ＸｉｎｓｈｅＹａｎｇ