基于模糊神經網絡的游艇柴油發動機故障預測研究

邢婭莉 王筱珍

（廣東交通職業技術學院機電工程學院，廣東廣州510800）

0 引言

故障預測是指在故障未出現之前對其進行預測，便于及時處理問題，減小故障發生率，從而提高系統的可靠性，降低設備的維修和保養費用，是安全技術研究中的新興領域。隨著控制技術的發展，多種智能算法逐漸應用于系統故障預測，如采用基本灰色系統和神經網絡進行故障預測模型的方法，具有操作簡便、易于使用的優點，但同時存在算法簡單、魯棒性差、評價指標單一等缺點。基于專家系統的故障預測可以模擬人類推理和決策過程解決復雜問題，但是在專家知識的獲取、知識的表達和推理機制的建立等方面又存在種種困難[1-4]。模糊神經網絡吸收了模糊理論和神經網絡技術的優點，具備神經網絡的逼近能力，既具有神經網絡的低層次學習、計算能力，也具有模糊系統的高層次推理、決策能力。文獻表明，該算法用于燃煤鍋爐事故預測的研究，具有較好的實時性和準確性[5-6]。

柴油機作為游艇的核心部件，其結構復雜，故障具有非線性、多參數等特點。從國內外相關資料可知，其故障預測研究還處于起步階段。本文以某游艇用柴油機為研究對象，因其熱力參數含有大量的故障信息，且不易受外界干擾、信息質量高、可用性強，選取柴油機熱力參數為故障監測量。通過資料收集和試驗數據比對，總結出柴油機運行時發生的典型部件故障和原因，并將其作為模糊神經網絡故障判據，通過建立模糊神經網絡，將柴油機非線性系統的故障預測問題轉換為多變量輸出條件下的故障預測問題，同時構建故障預測目標函數，實現神經網絡連接權值和閾值的更新。試驗結果表明，該方法能較準確地預測部件故障[7]。

1 游艇柴油機的故障選取

游艇柴油機結構較復雜，按照功能可分為燃油系統、冷卻系統、潤滑系統、傳動系統、渦輪增壓系統等子系統。本文主要針對結構最復雜的燃油系統進行研究，其主要故障是噴油器故障和噴油泵故障，故障主要表現為排氣支管溫度過高、排氣閥漏氣、霧化不良、噴油器損壞、噴油提前角過小、柱塞和套管過度磨損、噴油泵柱塞漏油和燃燒惡化等。故障發生時柴油機熱力學參數處在一定的值域范圍內，這就為故障發生與監測性能參數建立了關系。

2 基于模糊神經網絡的故障預測推理

選取4組故障判斷力強的熱力參數：渦輪后排氣溫度Tout（K）、平均有效壓力Pg（bar）、爆發壓力Pz（MPa）、最大壓力升高比λmax與已知在相同工況和大氣溫度下的標準值的相對差，作為故障監測量。通過收集以往燃油系統的故障征兆、故障現象等信息，利用模糊神經網絡強大的學習能力，將柴油機燃油系統的故障整合為一個知識庫，利用該知識庫，操作人員只需要輸入影響系統運行的工作參數，即可預知其運行狀態[8]。

神經網絡有自適應和學習功能，但它對建立的模型解釋能力差；模糊系統由于以規則形式表現系統的行為，有較強的解釋推理功能，但不能自主學習。神經網絡和模糊技術相結合突出了二者的優勢，模糊系統建模中模糊規則產生、模糊推理、模糊化以及非模糊化都是一種函數映射關系，這些函數映射可以用神經網絡來實現。這樣的網絡不僅保持著模糊系統的知識表達及推理能力，同時可以進行學習和并行計算，這就使整個系統功能大大加強。模糊神經網絡結構如圖1所示，分為4層。

圖1 模糊神經網絡結構圖

在神經網絡中，熱力學參數為輸入神經元，故障類型為輸出神經元。在診斷實現的這一過程中，此系統網絡的訓練一定要選擇足夠多的故障樣本，用來確定參數和網絡結構。訓練完成以后，再通過一組給定的實際熱力學參數來給故障模式進行分類，以達到參數與故障集之間的非線性映射關系。具體過程如下：

（1）輸入變量直接輸入層。選取故障判斷能力強的渦輪后排氣溫度Tout（K）、平均有效壓力Pg（bar）、爆發壓力Pz（MPa）、最大壓力升高比λmax等熱力學參數與已知在相同工況和大氣溫度下的標準值的相對差作為輸入變量，即：

（2）模糊化層：該層的每個節點代表規則的前提部分，其輸入是第一層輸出變量，通過模糊隸屬度函數將輸入量映射到模糊集區間內，隸屬度函數選取高斯函數，表達式如下：

G（x，μ，σ）=exp（-（x-μ）2/2σ2）

由均值μ和均方差σ決定其隸屬度。

（3）模糊推理層：采用if-then規則形式，模糊推理是在已知系統模糊規則和系統輸入的前提下求得系統的輸出。

（4）解模糊層：采用重心非模糊化的方法。神經模糊網絡的學習算法是在標準BP算法基礎上采用了動態的學習率和慣性因子來提高學習效率。

3 算法仿真

本文在Matlab平臺分別對BP神經網絡和模糊神經網絡故障預測模型進行仿真實驗，不同模型的最終預測值及誤差比較如表1所示。

表1 預測模型預測值及誤差比較

結果表明，采用模糊神經網絡預測模型得到的預測結果精度要比單BP神經網絡模型的預測結果高。原因在于：模糊神經網絡的節點和權值可用隸屬度函數和模糊規則來解釋，依據專家的經驗建立的模糊規則對網絡權值和閾值進行了優化，優化后的誤差補償對預測值有一個校正和優化，提高了模型的預測精度。

4 結語

本文采用柴油機熱力參數作為故障預測的判據，樣本便于獲得，適用于游艇用柴油機的動態監測。該算法可對柴油機故障進行先期預測，能有效減小故障發生率，降低維修成本，提高產品競爭力。