基于模糊神经网络的RT—flex柴油机燃油系统故障诊断

合集下载

【电喷：案例】RT-flex柴油机FCM故障的应急处理

【电喷：案例】RT-flex柴油机FCM故障的应急处理电控柴油机相较于传统柴油机，不仅具有更高的安全性和可靠性，而且还具有节能、环保等诸多优点，因此，电控柴油机在船舶上的应用日益广泛。

然而，电控柴油机由于使用了大量的电子产品，所以，这种机型出现故障时也往往具有不确定性，也就是说没有明确的故障征兆。

这对轮机管理人员来说是一个不小的考验，往往会使轮机值班人员措手不及，造成设备失灵、船舶失控的局面。

本文基于一起船舶电控柴油机的FCM故障案例以及船舶人员的应急处理过程，来探讨RT-flex柴油机发生FCM故障时的应急处理措施。

1 故障经过2016年12月12日，某轮16:30离港备车，17:00主机备妥转驾控，17:39船舶驾控机动航行，机舱设备一切工作正常。

17:55电控柴油机报警系统突然发生一系列报警，同时电控柴油机降速，以至最终停车。

事故发生后，机舱值班人员立即报告了驾驶台。

由于是离港期间，船舶在狭窄航道内航行，船长命令，情况紧急，抓紧时间修复电控柴油机故障，尽快恢复电控柴油机动力。

轮机长立即组织机舱人员进行如下应急处理：(1）主机操纵位置立即由驾驶台控制转至集控室控制，车钟放STOP，停车复位；(2）迅速从集中监测报警中查找出第一报警点，断定是由FCM-20(01）模块故障导致的电控柴油机控制系统故障；(3）安排相关人员立即用在线的备用模块FCM-20(00）更换故障模块FCM-20(01);(4）换新后对主机进行盘车，对主机相关报警复位，主机试车，正常后主机转驾控，船舶恢复正常航行。

2 电控柴油机控制系统简介该轮为集装箱船，船长（LOA)143.2米，可载箱1042TEU，船舶总吨9734，净吨4660，主机型号Wartsila6RT-Flex48T-D(TierⅡ)，主机持续服务功率857kwx112.6r/min。

本轮RT-flex电控柴油机控制系统由内部控制系统WECS-9520和外部推进控制系统（PCS）两部分组成。

基于神经网络专家系统的柴油机故障诊断系统

断。如果遇到特殊的情况（如二者分别诊断时，结果不太明显），可以采用神经网络和专家系统联合诊断，
的专家系统在故障诊断方面虽然取得了飞速发展，
但一直存在一些问题不能解决，如“ 匹配冲突” 及“ 无
第ｉ个隐层点的输出，则神经网络的输出为
此时把采集到的数据送到信号处理系统，通过一系列
的运算、分析、提取，把得到的特征参数输送到神经网络，由神经网络做出定量诊断最后给出最终的诊断结果；另一种是根据专家系统的定性诊断得出柴油机的各种性能参数都在规定的范围之内，说明柴油机运行
以提高诊断效率。
本系统对柴油机的启动性能参数、进排气系统性能参数、燃油供给系统性能参数、振动信号进行测试，具体工作流程见图１所示。
种新的故障诊断系统，将专家系统和ＲＢＦ神经网络相
２０１３年６月
农机化研究
第６期
基于神经网络专家系统的柴油机故障诊断系统
陈会莲，郑艳博
（唐山科技职业技术学院，河北唐山摘０６３００１）
要：柴油机在农业机械中被广泛应用，由于运行状况复杂，故障类型和部位种类繁多。为此，提出了将神经

基于排放和模糊神经网络模型的柴油机故障诊断方法

则的模糊神经网络诊断模型，并对其诊断性能进 பைடு நூலகம்分
析。
变化情况。在图ｌ中，排放烟度的评价指标Ｋ，分Ｎ
别为光吸收系数和不透光度。由图１可以看出，随着
１基于排放的特征参数提取
排放物是柴油机工作的直接产物，直接反映柴其油机的燃烧情况，与柴油机运行状态和故障等存在密
２ＤｅａｔｎｆＳｌｐｏｅｌｄＧｕＯｒｎｎｅＮｏ－ｏ．ｐｒｍｅｔｏｅｆｒｐｌｎ，ｄａｃｎｃｍｍｉｓｎｄＯｆｃｒａｅ，ｕａ４０７，ｈｎ）－ｅｓｉｅｆｅｓＡｃｄｍｙＷｈｎｏｉ３０５Ｃｉａ
中图分类号：Ｔ４；ＴＰ０Ｋ２２６文献标识码：Ａ
ＳｕｙｏｕｔＤｉｇｏｉｆＤｉｓｌＥｎｉｅｔｄｎＦａｌａｎｓｓｏｅｅｇｎ
ＢａｅｎＥｘａｓｓｄｏｈｕｔＥｍｉｓｏｎｚｙＮｅｗｏｋｓｉｎａｄＦｕｚｔｒ
为模型诊断第ｉ种状态模式的故障程度（诊断故按
障程度宁大勿小原则确定）Ｗ与ｗ；分别为子网
模型的具体结构如图２示。所每个子模块由气相成分诊断子神经网络和排放微粒诊断子神经网络组成，实现模型诊断信息融可
ＡｎｈｉｇｏｉｍｏｅｗｈｃｄｐｏｈｕｅａｄｔｅｆｚｙｎｔｒｕｌＴｈｎｔｅｃａａｔｒｄｔｅｄａｎｓｄｌｉｉｍａｅｕｆｅｒｌｎｈｕｚｅｗｏｋｉｂｉ．ｅｈｈｒｃｅ — ｓｈＳｔＳｔ

基于模糊神经网络的船舶柴油机故障诊断系统研究的开题报告

基于模糊神经网络的船舶柴油机故障诊断系统研究的开题报告一、研究背景和意义船舶柴油机是船舶重要的动力设备，其故障对航行安全和经济运营都有不良影响。

因此，开发一种高效、准确的船舶柴油机故障诊断系统具有重要意义。

目前，船舶柴油机故障诊断方法主要分为基于物理的方法和基于数据的方法。

基于物理的方法依赖于对柴油机结构、工作原理和设备参数的深入理解，但其需要大量的时间和资源进行建模和分析，而且其结果可能不稳定和不准确。

基于数据的方法通过采集柴油机运行数据分析故障诊断信息，可以提高故障诊断的精度和效率。

其中，基于模糊神经网络的方法以其模型简单、适用范围广、具有良好的软件性能等特点，成为一种较为可行的方法。

因此，本研究将基于模糊神经网络技术开发一种船舶柴油机故障诊断系统，以提高柴油机故障诊断的准确率和速度。

二、研究内容和方法本研究拟采用模糊神经网络模型对船舶柴油机运行数据进行分析和处理，通过特征提取和特征选择技术，获取柴油机运行数据中最关键的故障特征，并将其作为输入变量构建模糊神经网络模型。

为了提高模型的精度和可靠性，本研究还将探索多层结构的模糊神经网络模型，并使用反向传播算法训练模型参数，最终得到可用于船舶柴油机故障诊断的模型。

三、研究进展和预期成果目前，本研究已经完成了船舶柴油机故障诊断系统的框架设计和柴油机运行数据的数据采集和处理。

接下来将进行特征提取和特征选择，构建多层结构的模糊神经网络模型，并测试和优化模型精度。

最终预期实现一种准确率高、速度快的船舶柴油机故障诊断系统，并在实际船舶柴油机故障诊断中进行验证和应用。

四、研究难点和解决方案本研究面临的主要难点是神经网络模型的优化和精度提高。

本研究将采用多层结构的模糊神经网络模型，并结合反向传播算法对模型参数进行训练和优化，以提高模型的精度和可信度。

另外，本研究将充分考虑船舶柴油机的特殊性质和运行环境，优化模型设计和特征选择，以进一步提高模型诊断精度。

五、参考文献1. 王丽君. 基于模糊神经网络的柴油机故障诊断系统的研究与实现[J]. 现代计算机, 2018(3):47-50.2. 朱国荣, 刘洋. 基于数据挖掘的柴油机故障诊断方法研究[J]. 机械科学与技术, 2017, 36(6):774-779.3. 徐凯, 林捷. 基于模糊神经网络的柴油机故障诊断研究[J]. 内燃机工程, 2016, 37(2):1-4.。

基于神经网络的柴油机故障诊断

基于神经网络的柴油机故障诊断作者：杨志董振良万金波来源：《中国新技术新产品》2011年第24期摘要：传统的柴油机故障诊断与处理方法主要都是以定期保养和事后维修为主，缺乏针对事故的预见能力，且效率比较低，成本较高。

这就为人工智能技术在柴油机故障诊断上的应用开辟了广阔的空间。

本文主要以非线性并行分布处理为主的神经网络为研究理论，通过对建立的BP网络模型，RBF网络模型和Elman网络模型进行了比较，发现这三种网络虽然各有特点和优势，但均适用于特定条件下的故障诊断要求。

关键词：涡轮增压系统；故障诊断；BP神经网络；RBF神经网络；Elman神经网络中图分类号：U472 文献标识码：A在现代生产过程中，柴油机作为常见的机械设备之一，广泛应用于动力发电、工程机械等各种领域，其动力性和可靠性的好坏直接影响着整个系统的工作状况。

因此，对柴油机进行故障诊断和状态监测，及时发现并排除故障，对增加柴油机工作状态下的安全性与可靠性，减少经济损失，避免事故发生具有重大的意义。

传统的柴油机故障诊断与处理方法包括润滑油法、振动噪声法等，但都是以定期保养和事后维修为主，这些方法缺乏事故预见能力、成本高、效率低[1]。

随着计算机技术、信号分析处理技术、人工智能的迅猛发展，柴油机故障诊断技术的水平也在不断地提高。

以非线性并行分布处理为主的神经网络为柴油机故障诊断技术的研究开辟了新的途径[2]。

经过对柴油机的故障资料进行分析，柴油机的涡轮增压系统发生的故障较多，本文只研究柴油机涡轮增压系统故障的诊断，利用MATLAB神经网络工具箱，分别基于BP、RBF和Elman网络进行柴油机的故障诊断，并对三种网络方法诊断结果的可靠性和适用性进行比较和分析。

1 涡轮增压系统的故障分析根据对柴油机工作过程的分析和实际运行经验，可以确定涡轮增压系统的出现的工作故障的原因和部位主要有：增压器效率下降、空冷器传热恶化、透平保护格栅阻塞、透平通流部分、空气滤清器阻塞、空冷器空气测流阻塞增大和废热锅炉流阻增大。

基于模糊神经网络的RT-flex柴油机燃油系统故障诊断

基于模糊神经网络的RT-flex柴油机燃油系统故障诊断张国岭【摘要】介绍了RT-flex 60C柴油机燃油系统的常见故障类型,针对其故障类型提出了以传统的BP神经网络为主,利用模糊理论作为补充的一种智能故障诊断方法.建立了基于模糊BP神经网络的故障诊断模型,并运用MATLAB软件进行了仿真测试研究,阐明了该方法的有效性.【期刊名称】《中国修船》【年(卷),期】2015(028)002【总页数】5页(P45-49)【关键词】燃油系统;模糊神经网络;故障诊断【作者】张国岭【作者单位】大连海事大学轮机工程学院,辽宁大连116026【正文语种】中文【中图分类】U672柴油机燃油系统因其结构比较复杂，故障率较高，英国柴油机工程师与用户协会提供的资料表明，造成柴油机停机故障的原因中，有27%是燃油系统故障[1]。

近十几年来，高压共轨燃油系统受到业界越来越多的青睐,其在降低油耗、改善排放、喷油正时和喷油率优化控制方面占据绝对的优势[2]。

因此，开展共轨柴油机故障诊断的研究也是相当必要，有着重要的意义。

本文提出了基于模糊BP神经网络的一种智能故障诊断方法。

故障诊断系统首先将采集的RT-flex60C型柴油机燃油系统故障征兆参数，进行模糊化处理后作为BP 神经网络的输入，然后利用BP神经网络的联想记忆能力进行燃油系统故障模式识别，输出层推理出该系统的故障诊断结果。

本文在故障诊断研究的过程中选择燃油系统的供给部分和RT-flex系列柴油机特有的共轨系统作为研究对象。

燃油供给单元主要包括燃油供给泵、燃油循环泵、燃油混合桶、雾化加热器和自清滤器等，它们的相互关系如图1所示。

RT-flex系列柴油机的电控共轨技术能够实现对燃油喷射与排气阀执行机构的智能控制，可以自由选择喷射压力、气阀正时，实现低NOx排放、高燃烧效率以及在所有负荷状态下无烟运行，最低稳定转速可低至额定转速的10%～12%且仍保持无烟运行，还可以设置特殊的气阀正时，用于紧急停车和快速加载[3]。

基于神经网络的柴油机燃油系统故障诊断

为网络误差向量［５］。ＬＭ算法的ＭＡＴＬＡＢ实现相当简单，改进后的
人工神经网络，也称神经网络，是模拟生物神经网络进行信息处理的一种数学模型，其优势是能处理残缺信息和庞大数据［２］。因此，神经网络常常作为一种故障诊断的工具应用于工程实践中。神经网络的模型具有数百种之多，但使用最广泛的还是ＢＰ神经网络，又称反向传播神经网络，它是一种具有模式识别和分类能力的多层前馈型神经网络。ＢＰ网络基本的学习过程包括信息的正向传播与误差的反向传播两部分，通过各神经元权值和偏差的不断修正，形成合理的拓扑结构，实现网络实际输出与期望
基于神经网络的柴油机燃油系统故障诊断
佟刚，郝旭
（沈阳航空航天大学辽宁省通用航空重点实验室，辽宁沈阳１１０１３６）
摘要：柴油机燃油系统是汽车柴油机的重要组成部分，其工作状态的好坏将直接影响汽车柴油机运行的安全
行的。１ＢＰ神经网络及其改进型
ＢＰ算法改进而来的ＬＭ（Ｌｅｖｅｎｂｅｒｇ－Ｍａｒｑｕａｒｄｔ）算法。ＬＭ算法是为了训练中等规模的前馈神经网络而提出的最快速算法，它的修正公式如下：

基于模糊模式诊断柴油机燃油系统故障

量，出反映油压变化量的波形图，画通过波形图分析诊断燃油系统故障，１２为喷油泵试验台测图、
图１喷油泵试验台测试结构图
试结构、原理图－］２。。在喷油过程中，高压油管在燃油压力作用下，油管外径膨胀量为
＝
ＰＲ（）＋（）Ｒ］。ｉ１一ＲＩ１＋Ｒ。，／Ｅ（。ｌＲ一Ｒｉｊ）（）１
１１喷油泵试验台测试．
１．调速器；．２喷油泵；管接头；内接传感器；３．４一５针阀升程传感器；喷油器；．；＿夹传感器。．６．７夹具８夕
在１Ｖ５Ｃ２１０型柴油机喷油泵试验台上分别模拟燃油系统三种典型故障，利用夹在高压油管上的夹持式传感器测量柴油机高压油管的膨胀变形
检测对于保证柴油机正常工作具有重要意义。本文采用夹在高压油管上的夹持式传感器跟踪测量柴油机高压油管的膨胀变形量，将变形量反映为油压波形，油压波形进行分析，对应用模糊模式识别诊断柴油机燃油系统故障。
１燃油系统典型故障及其原因分析
图２喷油泵试验台测试原理图
收稿日期修回日期
２０．３００ — 油管外径膨胀量； —
— —
燃油被压缩的压力；
作者简介
７６
顾
明（９９，，１７～）女学士，师。讲
ＲｉＲ、。 — 油管的内径、、Ｒ— 中径和外径；
工作面挤压或磨损导致弹簧预紧力下降等等。１２３喷油器喷孑堵塞．．Ｌ

基于神经网络的柴油机故障诊断的研究

基于神经网络的柴油机故障诊断的研究柴油机作为一种常见的内燃机，广泛应用于交通运输、建筑机械等领域。

然而，长期以来，柴油机故障诊断一直是一个具有挑战性的问题。

传统的故障诊断方法需要依靠专业技术人员的经验和大量的试验数据，无法实时准确地诊断故障。

近年来，神经网络作为一种强大的机器学习工具，已经在柴油机故障诊断领域取得了显著的研究进展。

神经网络是一种模拟人脑神经元系统的计算模型。

它由许多连接器节点组成，每个节点通过加权响应函数将输入传递给后续节点。

神经网络通过学习进行模式识别和数据建模，能够从输入数据中提取有用的特征并进行分类预测。

在柴油机故障诊断研究中，神经网络可以通过学习大量的柴油机工作数据来识别不同的故障模式。

例如，通过记录柴油机传感器的实时数据，如水温、油温、气缸压力等，可以构建一个训练数据集。

然后，将这些数据输入到神经网络中进行训练，使神经网络能够学习到不同故障模式下的特征表示。

研究表明，神经网络在柴油机故障诊断中的应用效果非常显著。

一方面，相比传统的故障诊断方法，神经网络能够实现实时、准确的故障诊断。

另一方面，神经网络可以通过持续学习和优化来提高诊断精度，并能够识别出更加复杂的故障模式。

然而，神经网络在柴油机故障诊断中还面临一些挑战。

首先，柴油机的故障模式非常多样化，需要大量的训练数据来覆盖不同的故障情况。

其次，神经网络的训练和优化过程需要大量的时间和计算资源。

最后，神经网络的可解释性较差，难以解释模型的决策过程，因此在实际应用中可能存在一定的风险。

为了克服上述挑战，研究人员正在积极探索新的方法和技术。

一方面，他们正在尝试使用更复杂的神经网络模型，如卷积神经网络（CNN）和循环神经网络（RNN），以提高模型的表达能力和泛化能力。

另一方面，他们还在努力构建更大规模的柴油机故障数据集，以提供更多的训练样本。

此外，研究人员还在考虑将神经网络与其他故障诊断方法相结合，以实现故障诊断的更高精度和可靠性。

基于神经网络的柴油机故障诊断的研究

基于神经网络的柴油机故障诊断的研究柴油机是目前使用广泛的内燃机之一，其主要特点是高效率、可靠性强和经济性好。

然而，由于柴油机的复杂性和长期运行的磨损，故障会时常发生。

及时准确地诊断和解决柴油机故障是保证柴油机性能和寿命的重要环节。

基于神经网络的柴油机故障诊断技术是近年来备受关注的研究方向之一基于神经网络的柴油机故障诊断技术通过将柴油机的工作状态输入到神经网络中，通过神经网络的训练和预测能力，实现对柴油机故障的自动诊断。

神经网络是一种模拟人类大脑学习和处理信息的机制的数学模型。

它通过大量的训练样本来学习输入与输出之间的映射关系，从而能够通过输入来推断输出。

在柴油机故障诊断中，神经网络可以通过训练样本来学习柴油机故障的模式和特征，然后根据柴油机的实时工作信息来预测是否存在故障，并诊断出具体的故障类型。

基于神经网络的柴油机故障诊断技术的核心是构建适合柴油机故障诊断的神经网络模型。

一般而言，柴油机的输入包括各种传感器获取的温度、压力、振动等工作状态参数，输出为柴油机的故障状态。

基于神经网络的柴油机故障诊断技术的研究主要包括以下几个方面：首先是选择合适的神经网络结构。

常用的神经网络结构包括前馈神经网络、循环神经网络、多层感知器等。

根据柴油机故障诊断的特点，选择合适的神经网络结构非常重要。

其次是获取标注样本和进行神经网络的训练。

标注样本是指已知故障类型的柴油机工作状态数据。

通过将标注样本输入到神经网络中进行训练，使得神经网络能够学习到柴油机故障的模式和特征。

然后是对神经网络进行验证和评估。

通过将未知故障类型的柴油机工作状态数据输入到已训练好的神经网络中预测故障类型，并与实际的故障类型进行比较，评估神经网络的性能和准确度。

最后是对柴油机故障进行诊断。

通过已训练好的神经网络模型，输入柴油机的实时工作状态数据，可以实时预测柴油机是否存在故障，并诊断出具体的故障类型。

这对于柴油机维护和保养非常重要。

总的来说，基于神经网络的柴油机故障诊断技术具有快速、准确、自动化等优势，可以提高柴油机故障诊断的效率和可靠性。

基于模糊控制的燃油系统故障诊断流程

一、概述随着汽车技术的不断发展，燃油系统故障已成为汽车维修领域中的常见问题之一。

燃油系统故障不仅会导致汽车性能下降，还有可能造成严重的安全隐患。

为了提高汽车维修效率，准确诊断燃油系统故障并及时排除故障是非常重要的。

本文将介绍基于模糊控制的燃油系统故障诊断流程，以帮助汽车维修技师更快速、准确地解决燃油系统故障问题。

二、燃油系统概述1. 燃料泵燃料泵是燃油系统中的核心部件，起着将汽油从油箱中抽送到发动机的作用。

燃料泵故障会导致供油不足，造成发动机运转不稳定。

2. 燃油滤清器燃油滤清器能够过滤掉汽油中的杂质和杂质颗粒，保护喷油嘴和发动机燃烧室免受损坏。

燃油滤清器堵塞会导致供油不畅，影响发动机的正常工作。

3. 喷油嘴喷油嘴是控制汽油喷射的装置，喷油嘴堵塞或损坏会导致喷油不均匀或停止喷油，从而影响发动机的工作。

4. 燃油泵压力调节器燃油泵压力调节器用于调节燃料的压力，确保喷油系统正常工作。

压力调节器故障会导致燃油压力过高或过低，影响喷油系统的工作。

三、基于模糊控制的燃油系统故障诊断流程1. 故障现象观察汽车维修技师需要对车辆进行全面的故障现象观察。

包括发动机运转时的异常声音、抖动情况，以及车辆加速和行驶过程中的表现等。

通过观察现象，对可能的故障部位进行初步判断。

2. 故障代码读取使用诊断仪器对车辆进行故障代码读取，查看车辆是否存在燃油系统相关的故障代码。

根据读取到的故障代码，可初步确定故障可能的原因。

3. 模糊推理通过模糊推理技术，对车辆的故障现象进行分析，结合故障代码和实际观察，进一步确定可能的故障部位。

模糊推理能够在不确定性条件下进行推理，并给出相对可靠的结论，对燃油系统故障诊断具有重要意义。

4. 故障部位验证根据模糊推理的结果，对可能的故障部位进行验证。

可以通过检查燃油泵、燃油滤清器、喷油嘴、燃油泵压力调节器等部件的工作状态，验证模糊推理的准确性。

5. 故障排除在确定了故障部位后，进行相应的故障排除。

基于神经网络的柴油机故障诊断研究

,
图
所示的为三层
网络诊断模型
。
将故障
, ,
基于灰色系统理论的故障诊断方法
基于神经网络的故障诊断法基于专家系统的智能化诊断方法基于支持向
三基于
,
、
征兆作为输入层节点故障原因作为输出层节点利用隐层实现输入到输出的非线性映射关系用型函数设第
。。
气管道等组成完成换气
图
,
为直接逆建
,
状态直接影响着柴油机的工作性能重要结构《《
其中喷油泵喷油器及高压油管是其
,
从原理上说这是一种最简
, ,
调控系统以调速器为核心实现对柴油机供油最的调节
,
单的方法
型
。
。
由图可见逆预报的系统输出作为网络的输入网络输出与系统
讨是第
。
层的第个神
个神经元的总输入
, 、
每个神经元的非线性
故障预测的神经网络主要以两种方式实现预测功能一是以神经网络《如网络作为函数通近器对机组工况的某参数进行拟合预测二是考
。 , , , , 。
,
作
其他辅助系统包括启动系统静液压系统等协助柴油机完成正常工作
二柴油机故障诊断的方法
,
不正确的逆模型
因此在建立系统逆模型时可逆性应该事先有所保证
。
为了获得良好的逆动力学特性应妥善选择网络训练所需的样本集使其比未知系统的实际运行范围更大

模糊神经网络在汽车发动机电子点火系统故障诊断中的应用

模糊神经网络在汽车发动机电子点火系统故障诊断中的应用作者：彭广平李泳鲜来源：《汽车科技》2011年第03期摘要：本文针对发动机电子点火系统的五种常见故障，借助发动机综合分析仪测得次级点火波形，并提取特征值，构造了一种模糊神经网络模型，利用MATLAB进行仿真，通过简单测试，得出这种方法是可行的，可以准确快速的诊断出故障原因。

关键词：模糊神经网络；故障诊断；汽油发动机；次级点火波形中图分类号：TP391.76 文献标志码：A 文章编号：1005-2550（2011）03-0047-04Applications of Fuzzy Neural Network in Fault Diagnosis of Automobile EnginePENG Guang-ping1，LI Yong-xian2(nzhou Jiaotong University，Lanzhou 730070，China；2.Zhejiang Normal University，Jinhua 321004，China)Abstract：In this paper，fuzzy neural network model was constructed for five kinds of common faults of engine electronic ignition system，with the aid of Engine analyzer to measure the Ignition secondary waveform and extract characteristic value.By simulation of MATLAB and simple tests，it demonstrated that the method was feasible and can be used to diagnosticate causes of malfunction accurately and rapidly.Key words: fuzzy neural network；fault diagnosis；gasoline engine；ignition secondary waveform汽车是一个复杂的机械系统，它由数千种的零件所构成，发动机是汽车的动力源，是汽车的心脏。

基于神经网络的柴油机故障诊断的研究

(1-2)
式中:spread为径向基函数的扩展系数，默认值为1.0。合理选择spread是很重要的，其值应该足够大，使径向基神经元能够对输入向量所覆盖的区间都产生响应，但也不要求大到所有的径向基神经元都如此，只要部分径向基神经元能够对输入向量所覆盖的区间产生响应就足够了。spread的值越大，其输出结果越光滑；若在设计网络时，出现“Rank deficient”警告时，应考虑减少spread的值，重新进行设计。
1.3 RBF的创建与学习过程
当RBF网络的径向基层采用高斯函数时，网络的训练从理论上应可以确定高斯函数的数学期望、方差及隐层和输出层神经元的权值与阈值。
1.newrbe创建径向基网络的过程
以newrbe创建径向基网络的步骤：
1）径向基神经元数目等于输入样本数，其权值等于输入向量的转置：
(1-1)
所以径向基神经元的阈值为
为了保证柴油机各系统能稳定而可靠的工作，对其进行实时无损故障诊断和先期预测非常必要。由于柴油机工作过程复杂，把人工神经网络技术应用到故障诊断中来，利用BP和RBF网络两种方法来诊断柴油机故障。
二、主体
1.1人工神经网络
1.1.1人工神经网络的概述
人工神经网络（Artificial Neural Networks，ANNs），也简称为神经网络（NNs），是模拟生物神经网络进行信息处理的一种数学模型。它以对大脑的生理研究成果为基础，其目的在于模拟大脑的某些机理与机制，实现算能力，而且还具有处理知识的思维、学习和记忆能力[1]。
1.1.2人工神经网络的特点和领域
神经网络的基本属性反映了神经网络特点，主要表现在：
1.并行分布式处理
神经网络具有高度的并行结构和并行实现能力，具有高速寻找优化解的方法，能够发挥计算机的高速运算能力，可很快找到优化解。

基于神经网络的柴油机故障诊断研究

基于神经网络的柴油机故障诊断研究[摘要]本文给出了神经网络模型在预测过程中的学习算法和改进的神经网络的训练算法，并用于柴油发动机运行中的故障预测，经过多种柴油机的试验证明试验结果满意，对故障的实时检测有重要意义，具有良好的应用前景。

[关键词]神经网络柴油发动机故障诊断一、柴油机的主要结构柴油机的结构非常复杂，而且不同用途的柴油机结构也不尽相同，下面以机车柴油机为例，简单介绍其主要结构：（1）固定件：包括机体、气缸盖、气缸套等，它是柴油机的骨架和所有零部件的安装基础；（2）运动件：包括活塞、连杆、曲轴等，是实现能量转换的重要部件；（3）配气机构：主要由凸轮轴、气门等组成，它控制着进、排气管道的开启和关闭；（4）进、排气系统：主要由增压器、中冷器、滤清器及进、排气管道等组成，完成换气；（5）燃油系统：是柴油机的重要组成部分，其工作状态直接影响着柴油机的工作性能。

其中喷油泵、喷油器及高压油管是其重要结构；（6）调控系统：以调速器为核心，实现对柴油机供油量的调节；（7）机油系统：为运动摩擦表面提供充足的润滑油，保证柴油机的正常工作；（8）冷却系统：适时地降低零部件的温度，保证柴油机的正常工作；（9）其他辅助系统：包括启动系统、静液压系统等，协助柴油机完成正常工作。

二、柴油机故障诊断的方法故障诊断技术，是指在发动机不解体或局部解体的情况下确定其技术状况，查明其故障部位及原因的检查方法。

该技术是运用现代测试设备和计算机技术来确定发动机的技术状况和故障的科学分析方法，是在传统的人工检验的基础上随着社会的进步和科学技术的提高而逐步发展起来的。

下面介绍几种典型的对柴油机进行故障诊断的方法。

1.振动分析法2.应用铁谱和光谱技术监测柴油机磨损状况3.热力参数分析法4.油液分析法5.基于灰色系统理论的故障诊断方法6.基于神经网络的故障诊断法7.基于专家系统的智能化诊断方法8.基于支持向量机的柴油机故障诊断方法9.基于模式识别对柴油机故障进行诊断三、基于BP神经网络的柴油机故障诊断的深入研究1.人工神经网络概述人工神经网络（ANN）是一类非常有效的预测技术。

RT―flex柴油机燃油系统介绍共4页文档

RT―flex柴油机燃油系统介绍1、7RT-flex82T柴油机燃油系统介绍1.1机型简介7RT-flex82T智能型船用低速大功率柴油机，是一种全电子控制，带有恒压废气涡轮增压器和扫气空气冷却器。

该机的节能和环保元素成为柴油机发展的主流方向。

1.2低压系统低压燃油系统如图1所示，当柴油机处于正常的运行状态下时，整个系统都必须保持在一定压力之下，以防止在系统运行时，重油中的任何水分蒸发出来。

在三通阀21处于对应的位置时，重油通过低压输送泵23的泵油作用，从重油日用柜2输送到混合单元24，然后由增压泵25将其通过末端加热器26和滤器27之后，输送到高压油泵28。

增压泵25的额定流量是主机燃油消耗率的好几倍，因此，在工作中，多余主机耗油需求的那部分燃油又经过回油管流回到混合单元24。

系统的压力控制是由压力调节阀31来进行调节设置的，高压油泵进口处压力由保压阀31a进行控制，其压力要控制在3-5bar。

低压输送泵23只提供刚好够主机消耗的燃油量，燃油来自日用柜2。

如需要的话，日用柜中的重油必须要进行加热，然而，安全方面的原因会限制燃油可以被加热到的温度上限。

值得注意的是，只有处于混合单元24和主机上燃油系统之间的燃油才必须要被加热到要求的喷射温度。

图1 低压燃油系统1.3高压系统柴油机工作时，曲轴转动带动齿轮传动机构动作，该机构是有三个齿轮啮合而成，当位于曲轴上的主动轮转动时，通过中间齿轮的传递，带动凸轮轴上的从动齿轮以一定的转速转动，从动齿轮和凸轮都是固定在凸轮轴上的，因此凸轮也会跟着一起转动，本机型有四个凸轮，分别配备一个燃油泵，它们的位置是一样的，同时向高压油管供油，以保证高压油管的压力保持在系统要求的范围之内。

燃油泵和传统的柱塞式喷油泵基本相同，其柱塞采用的是双斜槽对称布置的方式，这样就使工作中柱塞受到的径向力得以平衡，有利于改善柱塞的工作条件，延长其使用寿命。

在燃油泵和共轨管之间安装有截止阀，以防止共轨管中的高压燃油倒灌至燃油泵中，另外，在共轨管和燃油泵之间的是上升管，由于其中输送的是高压高温的燃油，为了安全可靠，它采用的双层管结构，并且外面还包裹有绝热材料。

用模糊模式识别法诊断柴油机燃油系统故障

波形变化中理出头绪。利用波形特征参数的模糊划分，建立故障波形的模糊集Ａ（＝，， … … ）其中ｉＩ２３（模糊子集Ａ，， … 分别代表典型故障波形的、Ａ、Ａ … 数学模式）通过知识获取模块建立被测波形的模；
障，还要辅以其他的参数才能诊断；ｃ诊断参数是非模糊性的。断参数即为故障．诊的特征参数，是针对某一具体故障、能够突出反映该故障的参数集合。常用的诊断参数如振幅、功率
ｂ．诊断的多参数性。靠某一个参数很难判断单
般说，柴油机燃油系统的故障或多或少都会引起
高压油管中燃油压力波形的变化，同一类故障基本上具有相似波形；由于测量数据的随机性以及这种随机数据的期望值随机器和故障程度的不同而在一定范围内变化，所以同一类波形的相似性仅仅是相对于其它故障波形而言的。如果采用普通的数值界
率是至关重方面做了大量工作，在柴油机故障诊断领域也取
得了可喜成绩。柴油机故障诊断有如下特点：
可借助波形幅度、升沿宽度、形宽度、点、最上波拐
断上的应用。

基于模糊神经网络的电控汽油机故障诊断

基于模糊神经网络的电控汽油机故障诊断摘要：汽油机所表现出来的症状，如冷却水过高，汽油机加速不良，传感器读数异常等，这些故障现象都是界限不明确的模糊集合。

用传统的以布尔代数为基础的二值逻辑方法去处理此类的故障诊断问题，显然是不太合理的，因为它的描述只能是近似而粗糙的。

要更深刻地反映事物的本质，必须引入模糊逻辑，本文采用相应模糊集的隶属函数来描述这些故障现象和故障原因存在的程度，同时通过建立符合汽车故障的模糊神经并加以训练使其误差满足要求，最后利用训练好的模糊神经诊断系统进行故障诊断。

标签：电控汽油机;诊断方法;发展趋势1模糊逻辑与神经网络结合的必要性基于模糊理论的模糊逻辑系统与人工神经网络相比，既有共同之处，又各有其特点。

首先，它们都是用于解决非线性系统的信息处理、控制。

决策、故障诊断等问题所使用的方法，二者都采用数值方法建立输入与输出之间的非线性映射关系，因此，不需要建立数学模型。

其次，模糊系统和神经网络都能从不同的角度增强信息处理能力，因而在人工智能领域起着重要作用。

模糊逻辑是模仿人腦的逻辑思维能力，具有较强的结构性知识表示能力;而神经网络是模仿人脑的结构来映射输入特征与输出结论的非线性关系，具有强大的学习能力和数据直接处理能力。

但是传统的神经网络不适于表示基于规则的知识，在应用于故障诊断时常常产生误诊的现象，特别是当前输入信息不精确或不确定。

模糊方法适用于测量值少且无法获得精确模型的系统;但该方法不具有自适应能力和自学习能力，无法进一步积累和修正诊断知识。

因此，将人工神经网络与模糊逻辑结合起来，实现故障诊断系统对不精确或不确定等模糊信息的处理，克服传统神经网络不能很好处理边界分类模糊数据及故障误诊问题，同时使得基于规则的规则性知识能够得到学习和调整。

2模糊逻辑和神经网络的结合方式模糊逻辑与神经网络的结合方式有许多种，主要有：（1）松散型结合。

两者之间各自处理各自的任务，没有直接的联系。

（2）并联型结合。