柴油機(jī)故障的集成診斷方法研究.pdf

1、柴油機(jī)作為一種動力設(shè)備，在車輛、船舶、電站、工程機(jī)械和農(nóng)用機(jī)械等領(lǐng)域都有著廣泛的應(yīng)用。柴油機(jī)具有零部件多、運(yùn)動復(fù)雜、工作環(huán)境惡劣等特點，因此其出現(xiàn)故障的概率相對較高，故障診斷的研究在保證整個設(shè)備正常運(yùn)行中具有非常重要的意義。隨著智能化技術(shù)的發(fā)展，故障診斷方法也日益完善。
　　論文在學(xué)習(xí)和總結(jié)現(xiàn)有方法和技術(shù)的基礎(chǔ)上，基于集成學(xué)習(xí)理論，對柴油機(jī)故障診斷方法進(jìn)行深入探討。以支持向量機(jī)為子學(xué)習(xí)器的集成學(xué)習(xí)理論應(yīng)用于柴油機(jī)故障模式識別中，并

2、綜合采用BP神經(jīng)網(wǎng)絡(luò)、遺傳算法和單個支持向量機(jī)就柴油機(jī)故障診斷中運(yùn)行狀態(tài)的分類識別這一關(guān)鍵環(huán)節(jié)進(jìn)行系統(tǒng)的對比分析研究。針對柴油機(jī)正常狀態(tài)以及出油閥磨損、供油多等六種故障狀態(tài)下的振動信號提取了時域信號特征和子帶能量特征，結(jié)合不同方法在故障模式識別上的優(yōu)勢，論文在重點研究單個支持向量機(jī)和支持向量機(jī)集成學(xué)習(xí)算法故障診斷技術(shù)的基礎(chǔ)上，研究了BP神經(jīng)網(wǎng)絡(luò)和遺傳算法在柴油機(jī)故障診斷中的應(yīng)用。建立了支持向量機(jī)故障診斷模型，并利用交叉驗證方法得出最優(yōu)參

3、數(shù);基于Boosting算法建立支持向量機(jī)集成故障診斷模型;同時分析研究了BP神經(jīng)網(wǎng)絡(luò)和遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)故障診斷模型，并與基于集成學(xué)習(xí)構(gòu)建的強(qiáng)學(xué)習(xí)器診斷模型對比分析。
　　研究結(jié)果表明，基于集成學(xué)習(xí)的支持向量機(jī)模型診斷結(jié)果正確率高于單個支持向量機(jī)方法和支持向量機(jī)參數(shù)優(yōu)化以后故障診斷結(jié)果正確率，且明顯高于BP神經(jīng)網(wǎng)絡(luò)和遺傳優(yōu)化BP神經(jīng)網(wǎng)絡(luò)在柴油機(jī)故障診斷中的應(yīng)用結(jié)果。成功驗證了基于集成學(xué)習(xí)構(gòu)建強(qiáng)可學(xué)習(xí)的構(gòu)想，即集成學(xué)習(xí)應(yīng)用于