关键词：模糊算法；神经网络；故障诊断

Abstract: A diesel engine is an extremely complex system. When a diesel engine is running, if a fault occurs, the cause of the fault and the location of the fault are mostly ambiguous. In order to study the fault location and the degree of fault of the diesel engine, this paper proposes a diesel engine fault diagnosis method based on integrated fuzzy neural network. Using the neural network's ability to extract fault features and the reasoning ability of the fuzzy algorithm, the diagnostic problem is decomposed into several sub problems Independent training is performed on multiple fuzzy neural networks, and finally fault diagnosis is achieved through integration. The results show that the method can be used to diagnose diesel engine faults and the degree of faults.

Key words: Fuzzy algorithm; Neural Networks; Troubleshooting

1  引言

柴油机是一个复杂的系统，它由许多分系统组成，如滑油系统、进排气系统等。柴油机在启动运行时，其动态信号传递出了柴油机的现状，传统的在线柴油机故障诊断，是通过采集柴油机表面振动信号，进行时频分析，得到不同特征参数，如方差，幅度等，再利用这些特征判断柴油机故障，会存在一些随机性和模糊性^[1]。模糊性是由于柴油机的内外部的联系的不确定性，造成故障诊断的失误。随机性是由于故障发生和产生的原因的不确定性。

因为柴油机故障存在模糊性，模糊算法可以通过故障输入的模糊得出故障的程度，实现故障诊断，神经网络可以对测得实验数据进行处理，得出故障的可信度^[2]，实现对柴油机故障诊断；因此将模糊算法和神经网络相结合，可以实现柴油机的故障诊断。

本文将模糊算法和神经网络集成后，应用于柴油机的故障诊断，针对柴油机故障的模糊性和随机性，采用模糊算法，将故障的模糊现象和故障因素之间通过书序方式进行描述，在结合多现象，多因素综合判断，得出较为准确地故障判断结果。

4.2  集成模糊神经网路在诊断中的实现

使用表1中的曲轴轴承-活塞销模糊诊断规则数据，按照集成模糊神经网络的建立步骤，实现集成模糊神经网络在柴油机故障中的诊断。

5  结论

柴油机系统极为复杂，因此发生故障的概率以及故障的特征比较多，对柴油机故障诊断的难点就是，故障发生的原因与故障产生的地方没有明确的联系，导致故障存在模糊性。本文提出基于集成模糊神经网络的柴油机故障诊断方法，针对船用柴油机在故障产生原因模糊的问题，通过运用神经网路的学习能力，以及模糊算法的推断能力，将故障诊断这个复杂的问题，分解成若干个子问题，这样降低了计算量，缩短网络学习时间，在通过将子网络的集成，这样可以准确地认清故障发生的部位和故障的程度。通过模拟柴油机故障试验表明，该方法可以准确的判断柴油机发生的故障以及故障程度。

参考文献：

[1]陈会连,马文丽,张莉. 神经网络专家系统在发动机故障诊断中的应用研究[J]. 中国农机化,2012,5:115-117.

[2]胡雷刚,肖明清,禹航,等. 不完备信息条件下的航空发动机故障诊断方法[J]. 振动、测试与诊断，2012,32(6):903-908.

[3]蒋蘋,何清华,王奕. 基于模糊层次分析的柴油机智能故障诊断[J]. 中国工程机械学报,2009,7(1):86-91.

[4]徐怡,李龙澎. 变精度集对势粗糙集模型[J]. 控制与决策,2010,(11):1732-1736.

[5]苗守谦,李道国. 粗糙集理论、算法与应用[M]. 北京:清华大学出版社,2008.

[6]郭桂蓉,庄钊文. 信息处理中的模糊技术[M]. 长沙:国防科技大学出版社,1993.

[7]边宝峰. 基于神经网路和D-S证据理论的信息融合方法的研究[D]. 保定:华北电力大学硕士论文,2004.

[8]李伟,何鹏举,杨恒. 基于粗糙集与改进遗传算法优化BP神经网络的算法研究[J]. 西北工业大学,2012,30(4):601-605.