文档介绍：分类号密级公开
UDC 学校代码 10497
学位论文
题目基于神经网络的船舶柴油机故障诊断研究
英文 Study of Marine Diesel Generator Fault Diagnosis
题目 Based on work
研究生姓名陈涛
姓名苏义鑫职称教授学位博士
指导教师
教师单位名称武汉理工大学邮编 430070
申请学位级别硕士学科专业名称控制科学与工程
论文提交日期 2014 年 4 月论文答辩日期 2014 年 5 月
学位授予单位武汉理工大学学位授予日期 2014 年 6 月
答辩委员会主席陈跃鹏评阅人陈跃鹏
刘军
2014 年 5 月
万方数据
独创性声明
本人声明,所呈交的论文是本人在导师指导下进行的研究工作及
取得的研究成果。尽我所知,除了文中特别加以标注和致谢的地方外,
论文中不包含其他人已经发表或撰写过的研究成果,也不包含为获得
武汉理工大学或其他教育机构的学位或证书而使用过的材料。与我一
同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说
明并表示了谢意。
签名: 日期:
学位论文使用授权书
本人完全了解武汉理工大学有关保留、使用学位论文的规定,即
学校有权保留并向国家有关部门或机构送交论文的复印件和电子版,
允许论文被查阅和借阅。本人承诺所提交的学位论文(含电子学位论
文)为答辩后经修改的最终定稿学位论文,并授权武汉理工大学可以
将本学位论文的全部内容编入有关数据库进行检索,可以采用影印、
缩印或其他复制手段保存或汇编本学位论文。同时授权经武汉理工大
学认可的国家有关机构或论文数据库使用或收录本学位论文,并向社
会公众提供信息服务。
(保密的论文在解密后应遵守此规定)
研究生(签名): 导师(签名): 日期
万方数据
摘要
船舶电站是整个船舶系统的动力心脏,为整个船舶系统提供原动力。随着
现代船舶系统的日趋高性能化和结构复杂化,船舶电站的柴油发电机组也日益
朝着大型化、高速化、精密化的方向发展,工作性能不断改善,自动化程度越
来越高。一方面它将大大提高劳动生产率,提高船舶系统的电能质量,降低维
护成本和能耗。但另一方面带来的问题是,一旦其中某一部分或某一环节发生
故障,往往会使整个船舶系统处于瘫痪状态,直接或间接造成巨大的经济损失,
甚至造成关键设备的损坏,危及人身安全。因此,如何迅速判断故障发生的原
因,进而有效地排除故障,保证船舶的继续正常航行具有特别重要的意义。
本文在分析国内外智能诊断技术研究现状及柴油机故障诊断诸多方法的基
础上,给出了一种基于遗传神经网络的柴油机故障智能诊断方法,并且对柴油
机燃油系统故障诊断问题进行了深入研究。
首先,论文对故障诊断技术的研究现状及课题的研究内容进行了简要的论
述,介绍了柴油机故障诊断的几种常见方法,并分析了神经网络故障诊断方法
存在的问题。
其次,针对 BP 神经网络收敛速度慢和容易陷入局部极小值问题,将遗传算
法和神经网络有机结合,利用遗传算法的全局搜索能力,优化网络的初始权值
和阀值,解决其本身固有的两个缺陷,进而提高了 BP 神经网络诊断故障时的准
确性和快速性。
最后,在 MATLAB 环境下进行仿真研究,把柴油机燃油系统典型故障数据
作为遗传神经网络的训练样本,构建及训练网络,并对模拟故障进行诊断分析。
仿真结果表明,基于遗传神经网络的故障诊断结果与实测值具有良好的一致性,
只要选择足够典型的原始故障样本训练遗传神经网络,网络的稳定性就较好。
基于遗传神经网络的故障模式识别方法能充分利用信息特征,实现输入与输出
之间的映射关系,得出准确的诊断结果。
关键词:BP 神经网络,船舶柴油机,故障诊断,遗传算法,燃油系统
I
万方数据
Abstract
The Marine power station is motive heart of the whole ships system, and
which supplies power for the system. Gradually with the high performance and the
plex of the modern ship system, the diesel generator set
which constitutes marine power station also increasingl