基于BP网络的柴油机故障诊断方法研究

增刊（总第１７６期）　２００８年６月　车用发动机　Ｓｕｐｐｌｅｍｅｎｔ（Ｓｅｒｉａｌ　Ｎｏ．１７６）　ＶＥＨＩＣＩ　Ｅ　ＥＮＧＩＮＥ　Ｊｕｎ．２００８　基于ＢＰ网络的柴油机故障诊断方法研究　罗自来，常汉宝，刘伯运　（海军＿Ｙ－程大学动力＿Ｙ－程学院，湖北武汉４３００３３）　摘要：采用ＢＰ神经网络对柴油机气缸套磨损故障诊断进行了研究。首先运用单ＢＰ网络方法对柴油机气缸　套磨损故障进行了诊断，诊断结果表明该方法还存在一定不足；提出了基于组合式ＢＰ网络的故障诊断方法，诊断　结果表明，采用组合式ＢＰ网络的故障诊断方法可有效地提高柴油机气缸套磨损故障诊断的准确性和有效性。　关键词：柴油机；ＢＰ网络；故障诊断；气缸套　中图分类号：ＴＫ４２８　文献标志码：Ｂ　文章编号：１００１—２２２２（２００８）Ｓｌ一０１１９—０５　人工神经网络是由大量简单基本神经元相互连　接而成的自适应非线性动态系统。虽然每个神经元　的结构和功能较简单，但大量神经元组合的系统行　为却十分复杂，它反映了人脑功能的某些基本特性，　１．２　ＢＰ网络的训练　ＢＰ网络的训练可分为２个过程：信息正向传播　过程，特征参数通过输入层经隐含层计算出每个单　元的实际输出值；反向传递过程，若在输出层未能得　到期望的输出值，则逐层递归地计算实际输出与期　望输出之差，以根据此误差调节权值。　在处理多元信息中已显示出很多优点：并行性；自学　习与自组织性；较强的学习、记忆、联想和识别功能；　很强的容错性。人工神经网络作为一种自适应模式　识别技术可充分利用各种特征信息，对来自不同源　的信息逐一进行训练而获取某种映射关系。由于这　种特性，人工神经网络在机械设备故障诊断方面有　着越来越广泛的应用　。人工神经网络中ＢＰ网络　的应用较为广泛，算法比较成熟，且主要应用于综　合、模式识别和自适应控制等领域，具有较强的泛化　能力和良好的容错性，故本研究主要应用ＢＰ网络　ＢＰ网络的每个输入节点对应样本一个特征，每　个输出节点对应一个故障类别，输出层节点数等于　故障类别数。在训练阶段，如果输入训练样本的类　别号是，则期望输出第ｉ个节点的输出为１，其余节　点输出均为０。在识别阶段，当一个未知类别的样本　输入到输入端时，考查各输出节点的输出，并将这个　样本的类别判定为与输出值最大的那个节点对应的　类别。输出结果越接近０或１时表明诊断结果越准　进行柴油机故障诊断。　确，如果输出最大的节点与其他节点输出的差距较　小，则作出拒绝决策。ＢＰ网络的训练过程见图２。　１　ＢＰ网络故障诊断方法　１．１　ＢＰ网络结构　ＢＰ网络即多层前馈式反向传播神经网络，它是　一个有导师示教的多层神经网络算法。ＢＰ网络通　常由输入层、输出层和若干隐含层构成，每层由若干　节点组成。每个节点　表示一个神经元，上　层节点与下层节点　之间通过权值连接　起来，同一层节点之　间没有联系。ＢＰ网　络通常选择３层网　络，其结构见图１。　图１　ＢＰ网络结构　图２　ＢＰ网络训练过程框图　收稿日期：２００７—１　２　２４；修回日期：２００８—０５　１　２　作者简介：罗自来（１９８１一），男，湖南省双峰县人，在读博士，主要从事动力机械及热力系统的设计、仿真和优化工作；ｌｕｏ　ｚｉｌａｉ＠ｙａｈｏｏ．龇ｃｎ。　维普资讯 http://www.cqvip.com

车用发动机　２００８年增刊　由上面的分析可知，ＢＰ网络的结构和算法较　简单，但其在实际应用中还存在着收敛速度慢、存在　局部极小值和隐层数难以确定等不足　］。很多学者　针对上述不足进行了大量的研究，于是各种改进算　法应运而生。根据本研究的内容和实际，采用附加　动量项的自适应学习速率法的ＢＰ算法。　２　基于ｌｉｐ网络的柴油机气缸套磨损故障诊断　在柴油机工作过程中，气缸套和活塞是关键零　部件，它将柴油的化学能转化为机械能，工作条件十　分恶劣，且气缸套工作状态与柴油机的能量转化、效　率高低、排放多少都密切相关。因此对气缸套进行　磨损故障诊断意义十分重大。　研究对象是６１３５Ｇ柴油机，为使各故障状态对　应参数的对比更明显，试验在高转速和较高负荷的　工况下进行，为使各故障具有可比性，试验须在相同　的转速和负荷下进行。故设定试验中柴油机的转速　为１　５００　ｒ／ｍｉｎ，功率为７Ｏ　ｋｗ（约为满负荷的　８０　），采用加大气缸套的方法模拟气缸套磨损故　障。该柴油机活塞裙上部与气缸套的正常磨损间隙　为０．３６０　ｍｍ～０．４２７　ｍｍ，气缸套间隙的修换标准　为０．７５　ｍｍ。采用加大气缸套后气缸套间隙分别为　０．６０　ｍｍ，０．７５　ｍｍ和０．８７　ｍｍ。选择柴油机第　１缸的气缸套间隙在上述３种间隙中变化，其他缸　仍按正常气缸套间隙工作。因此，模拟的气缸套磨　损故障有３种，即中等磨损Ｂ、严重磨损Ｃ和破坏性　磨损Ｄ，加上缸套的正常磨损Ａ，共４种状态。　２。１　故障特征参数分析　随着气缸套磨损的加剧，柴油机工作状况会逐　渐恶化，表现为功率降低、油耗增加；可能使高温燃　气窜入曲轴箱、滑油进入燃烧室，使燃烧不良；振动　加剧，使得机身振动等参数发生明显的变化。所以　可根据这些变化来诊断气缸套的磨损情况。分析和　考虑到柴油机的工作特点和特殊环境，对柴油机气　缸套磨损故障特征参数作下述说明。　ａ）热力性能参数　反映柴油机的热力参数有很多，主要包括功率、　排气温度、最高燃烧压力、燃油消耗率、冷却水进出　机温差和烟度等。通过对比和分析各个参数对该类　故障的敏感程度，发现滑油进出机温差、最高燃烧压　力、排气温度和烟度等参数能较好地反映故障特征。　ｂ）油液特征参数　根据大量试验数据的分析，在磨损故障诊断过　程中，铁谱分析是较有效的。利用铁谱仪将滑油中　的磨损颗粒和污染颗粒分离，按要求稀释制取谱片，　利用显微镜分析磨粒的成分、含量、形貌和尺寸分　布，通过双色显微镜观察分析谱片，选取有代表性的　铁谱照片进行分析。通过分析缸套的４种不同程度　磨损所映射的铁谱分析数据和特征，发现磨粒块状　形状（铁成分）、条形形状（铁成分）和磨损颗粒成分　（铝）在不同的磨损故障状态下有较明显的区别，故　选择它们作为油液分析的３个特征参数。　ｃ）振动特征参数［３］　柴油机的振动信号中包含丰富的故障征兆信　息，利用机体表面振动信号对柴油机气缸套磨损故　障进行诊断时，按照诊断指标的敏感性和可靠性等　要求，提取缸套磨损故障的６种诊断特征信息：ｚ。　为振动的峰值，ｚ　为峭度指标，ｚ。为振动４次矩，ｚ　为振动６次矩，ｚ　为振动绝对均值，ｚ。为振动方根　幅值。把这６个参数与正常磨损、中等磨损、严重磨　损和破坏性磨损时相应参数均值的欧氏距离作为反　映振动的４个特征参数。　通过模拟故障试验，收集了大量的特征参数数　据，通过统计分析选取了能较好反映这４种状态的　１６组典型数据作为学习样本。由于监测诊断信息　存在数据的非同一量纲、非匹配和非定量化等因素，　故给出的铁谱分析和振动分析参数样本是经过处理　的，具体数据见表１。　２。２基于单ＢＰ网络的故障诊断　根据上述参数和前面的分析，应用这１１个参数　构建ＢＰ诊断网络。ＢＰ网络输入层神经元数就是　故障诊断系统的特征参数，故输入层为１１个神经　元；输出层神经元数就是气缸套磨损状态数，由上面　的分析可知柴油机气缸缸套磨损分为４种。其中，　输出结果（１，０，０，０）代表Ａ类，（０，１，０，０）代表Ｂ　类，（０，０，１，０）代表Ｃ类，（０，０，０，１）代表Ｄ类。　将处理后的数据输入ＢＰ网络，过程函数分别　设为ｔａｎｓｉｇ和ｌｏｇｓｉｇ，设定训练目标误差为０．０５。　隐层数根据公式Ｚ一￣／Ｍ＋Ｎ＋口进行选取，（ｚ为　隐层节点数，Ｍ为网络输入层节点数，Ｎ为输出层　节点数，口为１～１５间的正整数）。根据上式采用试　探和比较法，从隐层数为４开始训练，通过对网络的　反复训练，确定隐层数为１５时收敛速度和精度最　好。故确认该ＢＰ网络的结构为１１×１５×４，采用带　动量项的自适应学习率的ＢＰ算法进行训练。由于　Ｍａｔｌａｂ软件自带ＢＰ网络编程工具箱，故采用　Ｍａｔｌａｂ６．５软件编制的相关程序对该网络进行训练　和仿真。得到的训练误差曲线见图３。　维普资讯 http://www.cqvip.com 罗自来，等：星于ＢＰ网络的柴油机故障诊断方法研究　表１　各状态下的柴油机特征参数　状态　热力参数　油液参数　振动参数　样本　排温／℃　难　ｎ　７最高燃烧　　ＭＰ滑油温差／　烟度　磨粒块状　磨粒条状　铝成分　Ｄｌ　Ｄ２　Ｄ３　Ｄ　ａ　１　４２０．１　７．８１　７．５　４．５　０．８５２　１．２２３　０．８２７　０．１４０　０．Ｏ２３　０．Ｏ０８　２　４２３．６　７．９８　８．０　５．５　０．８９９　１．０９７　０．９７６　０．１１８　０．００：３　０．Ｏ０１　Ａ　Ｏ　３　４１９．７　７．７２　８．２　５．２　０．８２３　１．２２３　０．８５６　０．１１１　０．Ｏ２４　０．００８　４　４０６．１　７．６０　７．９　３．５　０．７４６　１．１１８　０．８２６　０．１３３　０．０２９　（）．０１０　ｌ　４２５．０　７．３ｌ　８．９　０．７４６　０．９７ｌ　０．１　２９　０．８５０　０．Ｏ３ｌ　０．Ｏ０９　２　４３ｌ＿２　７．２ｊ　９．ｊ　６．２　０．５９３　１．０５５　０．１９９　０．７０６　０．０７３　０．０２０　Ｂ　Ｏ　３　４２８．０　７．（）３　９．５　６．１　０．３６４　１．０５５　０．１　７１　０．７５５　Ｏ．Ｏ５７　０．０１６　４　４２４．８　７．５８　１（）．０　６．８　０．７３６　１．０１３　０．１　２５　０．８４ｌ　０．０３３　０．０ｌ９　１　４３５．１　６．９４　１１．５　７．４　０．９２９　０．７６１　０．０１　２　０．０１　６　０．９６４　０．０３６　２　４　６３．５　６．８６　１　２．６　７　８　２．３１１　０．８３２　０．０５６　０．０７１　０．８４５　０．０２７　Ｃ　Ｏ　３　４４５．６　６．７（）　ｌ１．８　６．７　１．Ｏ８８　０．４２４　０．０６６　０．０８０　０．８１３　０．０３９　４　４５０．７　６．ｊ５　１　２．８　８．０　Ｏ．９８２　０．３３０　０．０８３　０．０２４　（）．７０３　０．０６９　ｌ　４８４．２　６．４Ｏ　１３．８　８．８　２．４６　４　０．１０１　０．１０１　Ｏ．１０７　Ｏ．１　４ｌ　０．６４８　２　４７０．９　６．２９　１　５．１　９．ｊ　３．６８７　０．０９８　０．０９８　０．１０４　０．１３７　０．６５９　Ｄ　——　——　１　３　４８１＿］　６．３Ｏ　１　４．８　９．２　３．１５２　０１１　５　０．１１　５　０．１　２１　０．１５７　０．６０５　．４　４９５．６　６．３１　ｌ５．２　９．４　２．９２３　０．１４７　０．１１７　０．１０１　０．２６９　０．４２ｌ　表２测试数据样本　测试样本　１　２　３　４　排温／℃　４］５．８　４３０．ｏ　４６０．１　４８５．３　——～　最高燃烧雎力，ＭＩ　ａ　７．８５　７．４２　６．４２　６．３９　一　滑油温差／℃　８．２　９．２　１１．２　ｌ４．２　烟度　．８　６．５　７．８　９．０　网　磨粒块状　０．８８５　０．６４３　１．２４８　２．８９６　输　络　磨粒条状　１．１ｌ５　０．９９８　０．５４９　０．１１０　入　磨粒成分　Ｏ　Ｏ　Ｏ　ｌ　图３带动量项的ｒ｛适战／３Ｐ算法训练误　曲线　Ｄ１　０．８９２　０．１　６５　０．０７２　０．１　０８　网络训练完成后，为了验证该诊断网络的性能，　Ｄ２　０．０１　８　０．７９８　０．０６４　０．１１２　取表２中的数据对该网络进行测试，其中样本１，２，　Ｄ３　０．０２０　０．０６０　０．８Ｏ１　０．１４０　３，４分别代表正常磨损、中等磨损、严重磨损和破坏　Ｄ４　０．０Ｏ５　Ｏ．０１　５　Ｏ．Ｏ４４　０．６３５　性磨损，其测试结果见表３。　其中，ＢＰ网络的输出结果越接近ｌ或０就表示　表３测试数据样本的网络输出与结论　它的诊断结果越准确。从表３呵看出，样本１和样　本３不能得出诊断结论，样本２中判断为正常磨损　网络输出　样本　结论　的可能性仅为０．７８７。样本４　ｆｆＩ判断为破坏性磨损　Ａ　Ｂ　（：　Ｄ　的可能性为０．８４８　７，可知诊断的精度也　高，这是　１　０．４９１　７　０．３５２　２　０．１　９０　５　０．００４　３　未知　因为在利用单个ＢＰ网络进行故障诊断时，参数较　２　０．１３４　５　０．７８７　０　０．３６８　２　０．Ｏ２９　Ｏ　Ｂ　多，且存在数据误差和训练误差。故基于单ＢＰ网　３　０．０１９　５　０．２ｌ９　３　０．４８９　０　０．２２Ｏ　８　未知　络的柴油机故障诊断还存在一定的不足。　４　０．Ｏ０１　０　０．Ｏ３６　５　０．１９２　７　０．８４８　７　Ｄ　维普资讯 http://www.cqvip.com

・　１２２・　车用发动机　２００８年增刊　２．３基于组合式ＢＰ网络的气缸套故障诊断　由上述分析可知，基于单ＢＰ网络的柴油机故　障诊断还存在不足，故提出基ｌ丁组合式ＢＰ网络的　故障诊断方法。由于参数较多，设想将这些参数　分成多个部分，然后利用多个Ｂｔ＇网络进行训练，　再把多个网络的诊断结果进行组合。根据这种设　想，把整个征兆参数空问划分为３个子参数空间，　即热力参数空间、振动参数　问和油液参数空间，　然后针对每一类参数子空问和故障空问设计一个　子网络，如同人脑中不同的区域处理不同的信息　一样，各子网络分别完成各自的特征参数子空间　到故障空间的映射关系。这样南不同的网络处理　不同的低维征兆空间得到各自的诊断结果，简化　了网络结构，提高了网络训练的速度，从而解决了　网络过于庞大造成的各种不利『大ｌ素。简单的网络　只处理问题的某一方面，样夺容易获得，结构容易　确定，训练速度可以提高，诊断效果有保证。具体　过程如下：　ａ）构造ＢＰ网络的子参数空间和故障空间　根据上面的分析，把柴油机气缸套磨损故障的　特征参数空问分为３个子　问，故障空问为磨损的　４种状态。　ｂ）构造故障诊断子网络　根据表１中的数据对３个子网络分别进行仿　真，从而确定各个子网络的结构。　热力性能参数子网络巾，输入层数为４，输出层　数为４。隐层数根据ＢＰ算法说明。采用试探和比较　法，从隐层数为３开始训练，通过对网络的反复训　练，确定隐层数为１２时收敛速度和精度最好。故确　认子网络１的结构为４×１２×４。　油液监测子网络中，输入层数为３，输出层数是　４，从隐层数为３开始训练，同样疗法确定隐层数为　１１时收敛速度和精度最好。故确认－ｆ网络２的结　构为３×１１×４。　振动监测子网络中，输入层数为４，输出层数为　４，从隐层数为３开始训练，确定隐层数为１１时收　敛速度和精度最好。故确认予网络３的结构为　４×１１×４。　经训练后，得到各个予网络的圳练误差曲线见　图４、图５和图６。　ｃ）网络组合　在上述３个子网络训练完　，得到３个子网络　的输出结果，然后对３个子网络诊断的结果进行组　合。为了简化诊断结论的计算，根据该类故障特点　和专家经验，经过多次试验和计算验证，对子网络的　诊断结果采用如下方式组合时诊断结果准确性较　高，即　１　。　３　．　３　ｙ—ｙＹ　十　＋　ｓ　。　误差为０．０３６２１９　８，¨标误差为０．０５　１Ｌ　０　ｌ００　２ｏ０　３ｏ０　４ＯＯ　５ＯＯ　６００　６８６　训练步数／步　图４子网络１的训练误差曲线　—、　一．　１　＿　　＿＿　　｜＿　　＿＿　　＿　＿Ｊ　图５子网络２训练误差曲线　～．　图６子网络３训练误差曲线　ｄ）结果测试　为测试这３个子网络的诊断结果是否准确，取　未经训练的数据对各子网络进行验证，以表２中第　１行和第４行中的数据为例进行测试，得到如表４　的诊断结果，对该诊断结果按上面的公式进行组合，　组合结果见表５。　维普资讯 http://www.cqvip.com 罗自来，等：基于ＢＰ网络的柴油机故障诊断方法研究　表４各ＢＰ子网络的诊断结果　损故障诊断。　３　结论　网络输出　样本　结论　Ａ　Ｂ　Ｃ　Ｄ　通过研究可知组合式ＢＰ网络较好地解决了单　１　０．６９８　３　０．２４８　０　０．１９３　０　０．０１６　９　Ａ　ＢＰ网络存在地不足：由于柴油机故障诊断的特征参　子网１　２　０．０１２　０　０．０７０　７　０．２０３　９　０．８０９　６　Ｄ　数较多，造成网络结构过于庞大，使得网络训练时间　１　０．７４０　８　０．２０８　５　０．０７８　７　０．０００　２　Ａ　长，甚至无法训练的问题；由于各诊断参数问的相互　予网２　２　０．０００　７　０．０００　０　０．１１２　３　０．８９７　１　Ｄ　关联，使样本问矛盾的可能性也随之增加，从而使网　１　０．９５２　９　０．１２３　８　０．０００　８　０．０１４　７　Ａ　络的泛化能力较差，分类精度低的问题；在添加新的　子网３　２　０．００３　７　０．００５　６　０．００９　５　０．９８８　１　Ｄ　柴油机故障样本过程中，必须重新训练整个网络的　问题。但由于没有对柴油机气缸套磨损故障特征参　表５组合式ＢＰ网络诊断结果　数的选取和子网络组合等问题进行详细的研究，因　此该研究还有待于进一步完善。　样本　Ａ　Ｂ　Ｃ　Ｄ　结论　１　０．８０９　７　０．１８６　６　０．０７８　１　０．００９　８　Ａ　参考文献：　２　０．００４　７　０．０１９　８　０．０９６　７　０．９０９　４　Ｄ　Ｅ１］　白广来．船舶柴油机智能监测与智能诊断的研究ＥＤ］．　大连：大连海事大学，２００４、　从上述组合输出结果可看出，该组合式网络能　［２］何　勇，裘正军，冯　雷．基于神经网络的柴油机技术故　有效得出诊断结论，诊断结果与实际情况是一致的，　障诊断仿真方法＿Ｊ］．农业机械学报，２００２，３３（５）：１－３．　且诊断为正常的可能性由原来的０．４７１　９变成　［３］郭文勇，朴甲哲，张永祥．柴油机缸套磨损故障的机体　０．８０９　７；破坏性磨损的可能性由原来的０．８４８　７变　振动监测研究［Ｊ］．振动、测试与诊断，２００５，２５（４）：　成０．９０９　４，诊断精确性也明显提高。从而说明该组　２８９—２９１．　合式ＢＰ网络方法能较好地实现柴油机气缸套的磨　Ｒｅｓｅａｒｃｈ　ｏｎ　Ｆａｕｌｔ　Ｄｉａｇｎｏｓｉｓ　Ｍｅｔｈｏｄ　ｏｆ　Ｄｉｅｓｅｌ　Ｅｎｇｉｎｅ　Ｂａｓｅｄ　ｏｎ　ＢＰ　Ｎｅｔｗｏｒｋ　ＬＵＯ　Ｚｉ—ｌａｉ，ＣＨＡＮＧ　Ｈａｎ—ｂａｏ，ＬＩＵ　Ｂｏ—ｙｕｎ　（Ｓｃｈｏｏｌ　ｏｆ　Ｐｏｗｅｒ　Ｅｎｇｉｎｅｅｒｉｎｇ，Ｎａｖｙ　Ｕｎｉｖｅｒｓｉｔｙ　ｏｆ　Ｅｎｇｉｎｅｅｒｉｎｇ，Ｗｕｈａｎ　４３００３３，Ｃｈｉｎａ）　Ａｂｓｔｒａｃｔ：Ｔｈｅ　ｐａｐｅｒ　ｒｅｓｅａｒｃｈｅｓ　ｆａｕｌｔ　ｄｉａｇｎｏｓｉｓ　ｆｏｒ　ｃｙｌｉｎｄｅｒ　ｌｉｎｅｒ　ｏｆ　ｄｉｅｓｅｌ　ｅｎｇｉｎｅ　ｂｙ　ｕｓｉｎｇ　ＢＰ　ｎｅｔｗｏｒｋ．Ｆｉｒｓｔｌｙ　ｃｙｌｉｎｄｅｒ　ｌｉｎｅｒ　ｏｆ　ｄｉｅｓｅｌ　ｅｎｇｉｎｅ　ｗｏｒｎ　ｆａｕｌｔ　ｗａｓ　ｄｉａｇｎｏｓｅｄ　ｂｙ　ｕｓｉｎｇ　ｓｉｎｇｌｅ　ＢＰ　ｎｅｔｗｏｒｋ，ａｎｄ　ｒｅｓｕｌｔ　ｏｆ　ｄｉａｇｎｏｓｉｓ　ｓｈｏｗｅｄ　ｉｔ　ｈａｄ　ｓｏｍｅ　ｄｅｆｉｃｉｅｎｃｖ：ｓｏ　ｆａｕｌｔ　ｄｉａｇｎｏｓｉｓ　ｏｆ　ｃｏｍｂｉｎｅｄ　ＢＰ　ｎｅｔｗｏｒｋｓ　ｗａｓ　ｂｒｏｕｇｈｔ　ｆｏｒｗａｒｄ．Ｔｈｅ　ｒｅｓｕｌｔ　ｏｆ　ｄｉａｇｎｏｓｉｓ　ｓｈｏｗｅｄ　ｔｈｅ　ｃｏｍｂｉｎｅｄ　ＢＰ　ｎｅｔｗｏｒｋｓ　ｃａｎ　ｉｍｐｒｏｖｅ　ｖｅｒａｃｉｔｙ　ａｎｄ　ｖａｌｉｄｉｔｙ　ｏｆ　ｆａｕｌｔ　ｄｉａｇｎｏｓｉｓ　ｆｏｒ　ｃｙｌｉｎｄｅｒ　ｌｉｎｅｒ　ｏｆ　ｄｉｅｓｅｌ　ｅｎｇｉｎｅ　ｅｆｆｅｃｔｉｖｅｌｙ．　Ｋｅｙ　ｗｏｒｄｓ：ｄｉｅｓｅｌ　ｅｎｇｉｎｅ；ＢＰ　ｎｅｔｗｏｒｋ；ｆａｕｌｔ　ｄｉａｇｎｏｓｉｓ；ｃｙｌｉｎｄｅｒ　ｌｉｎｅｒ　［编辑：袁晓燕］