论文部分内容阅读
本文是东北大学设备诊断工程中心与沈阳军区65182部队针对康明斯6BT柴油机状态监测及故障诊断的实际需求，联合研发的一个实际项目。柴油机作为典型往复机械，其用途越来越广泛。由于柴油机具有高速运动质量，使其运动学、动力学形态比旋转机械复杂的多，因而对其进行故障诊断的难度也更大。虽然经历了十几年的发展，但对柴油机故障机理及诊断方法的了解却远不如旋转机械，应用传统的诊断的方法很难精确诊断。随着人工智能技术的发展和日益成熟，在故障诊断领域获得越来越广泛的应用，用智能诊断技术代替传统诊断方法对柴油机进行诊断已成为一种必然的发展趋势。
本文采用神经网络与专家系统相结合的系统框架，在融合了多种信号处理、特征提取方法以及故障诊断理论的基础上，对康明斯6BT柴油机进行状态识别和故障诊断。着重研究了柴油机信号的预处理、特征提取方法以及针对不同信号种类和故障状态下，神经网络模式识别和信息融合的应用方法，以及基于神经网络专家系统的建立方法，并编制软件实现了实用的智能诊断系统。系统采用以振动为作为主要诊断依据，其他状态参数如瞬时转速、声音、喷油压力等为辅助诊断依据。基于这种诊断思想，详细研究了柴油机各状态参数的信号预处理和特征提取方法。以应用于神经网络诊断为前提，比较了传统特征提取方法的优劣，探讨了其适用范围，并针对不同的信号、故障特征提出多种新的特征提取方法。以MATLAB信号提取工具箱为基础，研究了特征提取平台的建立方法以及特征参量的选择原则与优化方法。
文中研究了神经网络模式识别和信息融合在柴油机故障诊断领域中的应用。总结了神经网络模式识别的全过程，探索出一条自动建立模式识别网络的途径，并在实践中验证了其可行性。还提出了以多传感器信息融合方式实现不同诊断目的、提高诊断精度的思想并验证了其可行性。简要阐述了神经网络和专家系统的原理、结构和优缺点，并深入研究了两种诊断方法的结合方式以及在故障诊断领域中的应用方法。提出了一种建立基于神经网络的专家系统诊断模式，并基于此种模式设计了系统各功能子模块。根据神经网络专家系统设计思想和军区的现场应用要求，建立了结构灵活、使用方便、易于扩展的实用智能诊断系统，并设计模拟故障试验，验证参数选择、信号处理方法、特征提取方法以及协同诊断思想的正确性和系统的可行性。