基于PCA-PNN的柴油机故障识别方法研究

尹文龙 陈 辉 管 聪* 刘治江 唐新飞

(武汉理工大学高性能船舶技术教育部重点实验室1) 武汉 430063) (武汉中原电子集团有限公司2) 武汉 430074)

0 引 言

利用数学模型对船舶柴油机热工参数进行监测与分析，实现智能检测与故障诊断.在故障检测方面，Alcala等[1]总结了主成分分析法(PCA)各种贡献图分析方法，提出了相对贡献分析法；Cheng等[2]将核主成分分析(KPCA)与指数加权滑动平均(EWMA)结合起来，提出自适应的在线检测；石晋明[3]通过小波包对柴油机的振动信号做特征提取，采用KPCA进行故障检测研究.在故障诊断方面，Khelil[4]利用神经网络对柴油机的健康状态进行监测，并且识别故障，证明了神经网络在柴油机非线性关系的多种工况下有良好的识别性；Yuan等[5]对柴油机燃油系统的压力波信号进行特征提取后，利用BP神经网络进行故障诊断；沈绍辉[6]采用人工蜂群算法优化支持向量机(SVM)的惩罚因子和核函数对柴油机的故障进行识别；杨广等[7]提出了BP神经网络和D-S证据理论分层融合的方法对柴油机故障进行诊

断，通过并行BP神经网络的结构提高局部诊断能力.

从以上分析可以看出，目前在故障检测与故障诊断两个方面均已有一定的研究基础，但并没有将故障检测与故障诊断结合起来.单纯的故障检测无法识别故障的类型，而故障诊断虽然能识别故障类型但由于其网络结构复杂并不能够做到实时监测柴油机每一刻的数据，且对柴油机的数据异常波动不敏感，对故障的……