中国工程机械学报
中國工程機械學報
중국공정궤계학보
CHINESE JOURNAL OF CONSTRUCTION MACHINERY
2014年
1期
56-61
,共6页
李岩%袁惠群%梁明轩%赵天宇
李巖%袁惠群%樑明軒%趙天宇
리암%원혜군%량명헌%조천우
柴油机%故障诊断%经验模态分解%神经网络%混沌粒子群算法
柴油機%故障診斷%經驗模態分解%神經網絡%混沌粒子群算法
시유궤%고장진단%경험모태분해%신경망락%혼돈입자군산법
diesel engine%fault diagnosis%EMD%neutral network%CPSO
针对柴油机排气门间隙故障信号不易提取的特点,提出了将混沌粒子群神经网(Chaotic particle swarm optimization-Back Propagation,CPSO-BP)聚类模型应用于柴油机排气门间隙故障诊断.首先,采用经验模式分解(Empirical Mode Decomposition,EMD)对柴油机振动信号进行分解,将得到的前6个模态函数能量百分比作为反映故障状态的特征参数,重构BP神经网并用混沌粒子群算法对其结构和权值进行优化;最后,基于优化的神经网对排气门间隙为0.2 mm,0.4 mm,0.6 mm等3种故障工况的信号进行聚类.结果表明:所有样本的测试结果均与实际状况一致,该方法可以较好地用于排气门间隙故障诊断.
針對柴油機排氣門間隙故障信號不易提取的特點,提齣瞭將混沌粒子群神經網(Chaotic particle swarm optimization-Back Propagation,CPSO-BP)聚類模型應用于柴油機排氣門間隙故障診斷.首先,採用經驗模式分解(Empirical Mode Decomposition,EMD)對柴油機振動信號進行分解,將得到的前6箇模態函數能量百分比作為反映故障狀態的特徵參數,重構BP神經網併用混沌粒子群算法對其結構和權值進行優化;最後,基于優化的神經網對排氣門間隙為0.2 mm,0.4 mm,0.6 mm等3種故障工況的信號進行聚類.結果錶明:所有樣本的測試結果均與實際狀況一緻,該方法可以較好地用于排氣門間隙故障診斷.
침대시유궤배기문간극고장신호불역제취적특점,제출료장혼돈입자군신경망(Chaotic particle swarm optimization-Back Propagation,CPSO-BP)취류모형응용우시유궤배기문간극고장진단.수선,채용경험모식분해(Empirical Mode Decomposition,EMD)대시유궤진동신호진행분해,장득도적전6개모태함수능량백분비작위반영고장상태적특정삼수,중구BP신경망병용혼돈입자군산법대기결구화권치진행우화;최후,기우우화적신경망대배기문간극위0.2 mm,0.4 mm,0.6 mm등3충고장공황적신호진행취류.결과표명:소유양본적측시결과균여실제상황일치,해방법가이교호지용우배기문간극고장진단.
