基于VMD和BP神经网络的柴油机典型故障诊断研究.pdf

基于VMD和BP神经网络的柴油机典型故障诊断研究

摘要

柴油机故障诊断智能化是未来发展的必然选择，但是如何选择合适的数据和方法

进行高精度诊断仍然是一个充满挑战的难题。没有一种通用的方法能够诊断所有的柴

油机故障问题，因此需要结合工程实际应用需求，依据现有条件进行柴油机故障诊断

研究。具体包括以下内容：

通过对柴油机的常见故障进行了梳理和总结，再结合实际实验条件，搭建了柴油

机模拟实验台架，模拟了进排气阀故障、机架固定异常故障和失火故障。通过采集缸

盖振动信号对上述故障进行分析，因为在原始信号中混杂多重冲击和噪声，所以导致

故障特征不清晰。因此，利用变分模态分解方法（VariationalModeDecomposition，

VMD）对原始信号进行有效分解。由于该方法受分解层数和惩罚因子影响较大，因此

引入优化算法确定最佳的分解层数和惩罚因子。采用以最小信息熵为适应度函数，对

比减法平均优化算法、灰狼优化算法和粒子群优化算法的优化结果，表明采用减法平

均优化算法的优化效果最佳。以分解后各分量的时、频域特征参数作为BP神经网络

（BackPropagationNeuralNetwork）的输入向量训练BP神经网络模型。由于传统BP

神经网络的性能受初始参数影响，采用改进的北方苍鹰优化算法来优化BP神经网络的

初始参数设置。优化后的BP神经网络精确度更高。对比不同转速和不同测点的振动信

号的诊断精确度，结果表明该方法能够对训练集中所包含转速条件下的故障进行诊断，

并且能够通过一个气缸的缸盖振动信号对当前气缸和相邻气缸的故障进行诊断，对当

前气缸故障诊断的综合准确率达98%以上，对相邻气缸故障诊断的综合准确率达88%

以上。

此外，本文还基于LabVIEW开发环境，设计了一个故障诊断系统。该系统包括数

据的采集和存储、时频域特征的计算与展示、滤波、信号分解和故障诊断等功能。

关键词：柴油机故障诊断；变分模态分解；前馈神经网络；LabVIEW；

基于VMD和BP神经网络的柴油机典型故障诊断研究

Abstract

Intelligentfaultdiagnosisofdieselengineisaninevitablechoiceforfuturedevelopment,

buthowtochoosetherightdataandmethodsforhigh-precisiondiagnosisisstillachallenging

problem.Thereisnouniversalmethodtodiagnosealldieselenginefaults,soitisnecessaryto

studydieselenginefaultdiagnosisaccordingtotheexistingconditionsincombinationwiththe

practicalapplicationrequirementsofengineering.Specificallyincludethefollowing:

Bycombingandsummarizingthecommonfaultsofdieselengine,combinedwiththe

actualexperimentalconditions,adieselenginesimulationtestbenchwasbuilttosimulatethe

intakeandexhaustvalvefault,therackfixedfaultandthemisfirefault.Theabovefaultsare

analyzedbycollectingcylinderheadvibrationsignal.Becausemultipleshocksandnoiseare

mixedintheoriginalsignal,thefaultcharacteristicsarenotclear.