自优化鱼群—聚类算法在柴油机故障诊断中的应用

VIP免费

3.0 侯斌 2024-11-19 4 4 2.04MB 53 页 15积分

侵权投诉

摘要

随着机械设备自动化程度的不断提高，柴油机被广泛的应用在工程机械、固

定发电、矿场以及船舶等领域。柴油机更加精密化的设计和智能化的控制，大大

降低了生产的成本，提高了工作效率。与此同时，柴油机的控制与维护成为安全

生产的第一要素，柴油机一旦发生故障将导致能源的极大浪费和人身安全。因此，

在柴油机发生故障时应该及时发现故障原因，并采取有效地措施来减小损失，避

免安全事故的发生。柴油机是一个多单元、非线性的复杂系统，且具有振源多，

运动部件多等特点，当柴油机发生故障时，各种信号互相交错，并且这些信息对

状态与故障的评价作用并非同等重要，甚至其中某些条件信息还是冗余的，难以

准确有效的判定故障信号的来源。传统的柴油机故障诊断方法操作简单，但是由

于精确度不高、信息量小、成本高且准确度低等缺点，难以满足现代复杂系统的

诊断需求。

针对传统柴油机故障诊断问题，本文提出了一种基于自优化鱼群算法改进的

K_Means 聚类算法，并将它应用于柴油机的故障诊断中。它不仅改变了聚类算法

对于初始中心选择的依赖性，并且能够在柴油机复杂的信号关系中有效地诊断初

故障类型。本文主要工作及贡献如下：

（1）本文提出一种基于混沌优化和淘汰体制的自优化鱼群算法。在智能鱼群算

法的基础上，通过自适应的 Tent 映射和混沌优化，改善了初始鱼群分布不

均匀的缺点，保证算法寻优过程中跳出局部极值；引入巴莱多淘汰体制和

种群动态平衡策略来保证初始鱼群的高质量性与多样性。

（2）本文提出一种基于自优化鱼群算法改进的 K_Means 聚类算法。在 K_Means

聚类算法中，初始中心选择的好坏直接决定着聚类结果稳定性，通过自优

化鱼群算法来选择聚类算法的初始中心，不仅保证了初始中心的质量，而

且聚类结果具有较高的准确度。

（3）建立了柴油机故障诊断系统的软硬件设计，主要由传感器模块、自调理模

块、模数转换模块、单片机模块和上位机组成，实现了对柴油机工作状态

的实时数据采集、数据分析、数据传递以及故障诊断。

（4）将基于自优化鱼群算法改进的K_Means 聚类算法用于柴油机的故障诊断

中，对故障矩阵及算法的自学习能力进行研究，对故障样本进行诊断，保

证了该算法在柴油机的故障诊断具有较高的正确性。

关键词：鱼群算法高斯优化动态平衡聚类算法故障模型

ABSTRACT

With the rapid development of automation technology, diesel is widely used in

engineering machinery, fixed power generation, mining and shipbuilding. Development

of diesel has shifted to sophisticated, intelligent and large-scale, it reduces production

costs and losses, it also improves productivity. But once the diesel failed to work

normally, it will lead to huge economic losses and loss of production, and may even

endanger personal safety. Therefore, it is very important to detect, diagnose and take

effective measures to increase the safety and reliability of the diesel. The diesel engine

is a multi-unit and nonlinear complex system, with more Vibration and moving parts.

When the engine failed to work normally, various signal interweaved, these signals

don’t have the same importance to judge the cause of the Malfunction. Traditional

diagnostic method is simple, however, because the accuracy is not high, the amount of

information is small, the cost is very high and so on, so it is difficult to meet the needs

of modern diagnosis of complex systems. With the rapid development of artificial

intelligence, it forced people to study the issue of intelligent diagnostic system in

greater depth, to form a series of research focus. In order to solve the above problems, a

self-optimizing fish and clustering algorithm was proposed in this paper which is

suitable for complex system. It changed the instability resulting of clustering algorithm,

because it is very necessary to select appropriate initial point. In this paper, the main

work and contribution are as follows:

(1)This paper proposes a self-optimizing fish optimization algorithm based on

Gaussian, on the basis of the basic AFSA, through adaptive Tent mapping and

optimization, it does to ensure the optimization process of algorithm process out of local

optima through adaptive Tent map and chaos optimization; To ensure the high quality

and diversity of the original fish through Pareto elimination system and population

homeostasis strategy.

(2) This paper proposes an improved clustering algorithm to increase the stability

of the algorithm result based on fish algorithm. Large number of simulation experiments

show that this algorithm can effectively give a suitable value of K.

(3) Success to establish Diesel Fault Diagnosis System，and establish the sensor

module, since conditioning modules, analog to digital conversion module, single-chip

modules and PC to get the real-time monitoring of diesel engine condition, data analysis

and diagnosis.

(4)Use the improved clustering algorithm to find the cause of the malfunction.

Large number of simulation experiments show that this algorithm has higher accuracy

rate of Diagnosis Compared to other algorithms.

Key Word：fish algorithm, Gauss optimization, Dynamic equilibrium,

Clustering algorithm, Fault model

中文摘要

ABSTRACT

第一章绪论 ................................................................... 1

1.1 课题研究的背景及意义 ............................................... 1

1.2 国内外发展现状与动态 ............................................... 1

1.2.1 传统故障诊断技术研究方法及特点 .............................. 2

1.2.2 现代故障诊断技术研究方法及特点 .............................. 3

1.3 柴油机故障诊断系统的研究发展趋势.................................. 4

1.4 本文内容安排 ........................................................ 5

第二章自优化鱼群算法研究与仿真 ........................................... 6

2.1 智能算法概述与研究 ................................................. 6

2.2 基本智能鱼群算法概述与研究 ........................................ 7

2.2.1 基本智能鱼群算法概述 ......................................... 7

2.2.2 基本智能鱼群算法的优缺点 .................................... 8

2.2.3 对基本鱼群算法的改进 ......................................... 9

2.3 自优化鱼群算法研究与仿真 .......................................... 10

2.3.1 混沌优化 ...................................................... 10

2.3.2 巴莱多淘汰体制和种群动态平衡策略 .......................... 12

2.3.3 自优化鱼群算法寻优流程 ...................................... 13

2.3.4 自优化鱼群算法仿真与优势 ................................... 13

2.4 本章小结 ............................................................ 15

第三章自优化鱼群—聚类算法研究与仿真 ................................... 16

3.1 数据挖掘中的聚类分析 .............................................. 16

3.1.1 划分方法 ...................................................... 16

3.1.2 层次方法 ...................................................... 16

3.1.3 基于密度的方法 ............................................... 17

3.1.4 基于网格的方法 ............................................... 17

3.1.5 基于模型的方法 ............................................... 17

3.2 K_Means 算法研究 ................................................... 18

3.2.1 K_Means 简介和步骤 ........................................... 18

3.2.2 K_Means 优缺点与改进方法 .................................... 19

3.3 自优化鱼群算法与 K_Means 算法相结合 .............................. 20

3.3.1 自优化鱼群—聚类算法的相关定义 ............................. 20

3.3.2 自优化鱼群—聚类算法的实现步骤 ............................. 22

3.3.3 仿真实验与分析 ............................................... 23

3.4 本章小结 ............................................................ 26

第四章柴油机故障诊断系统软硬件设计与实现 ............................... 27

4.1 柴油机故障类型概述 ................................................ 27

4.2 柴油机故障诊断系统结构图 .......................................... 28

4.3 硬件系统功能与设计 ................................................. 29

4.3.1 传感器和信号调理模块 ........................................ 29

4.3.2 A/D 转换模块和单片机 ........................................ 31

4.3.3 RS232 通讯协议和上位机 ...................................... 32

4.4 软件系统设计与实现 ................................................ 33

4.4.1 Matlab GUI 串口通信 .......................................... 33

4.4.2 人机交互界面 ................................................. 34

4.4.3 单片机的中断程序设计 ........................................ 36

4.4.4 压力数据采集模块 ............................................ 36

4.5 本章小结 ............................................................ 37

第五章柴油机故障诊断方法与研究 .......................................... 38

5.1 故障与状态参数之间的关系 .......................................... 38

5.2 基于自优化鱼群—聚类算法的故障诊断 .............................. 39

5.2.1 基于自优化鱼群—聚类算法的故障矩阵研究 ................... 39

5.2.2 自优化鱼群—聚类算法的自学习能力分析 ...................... 39

5.2.3 基于自优化鱼群—聚类算法的故障诊断实现过程 ............... 40

5.3 基于自优化鱼群—聚类算法的故障诊断实力 .......................... 41

5.4 本章小结 ............................................................ 43

第六章总结与展望 .......................................................... 44

6.1 本文总结 ............................................................ 44

6.2 工作展望 ............................................................ 44

参考文献 .................................................................... 46

在读期间公开发表的论文和承担科研项目及取得成果 ......................... 49

致谢 ......................................................................... 50

第一章绪论

1.1 课题研究的背景及意义

随着机械设备自动化程度的不断提高，柴油机被广泛的应用在工程机械、固定

发电、矿场以及船舶等领域。柴油机更加精密化的设计和智能化的控制，大大降

低了生产的成本，提高了工作效率。与此同时，柴油机的控制与维护成为安全生

产的第一要素，柴油机一旦发生故障将导致能源的极大浪费和人身安全。因此，

在柴油机发生故障时应该及时发现故障原因，并采取有效地措施来减小损失，避

免安全事故的发生。

柴油机是一个多单元、非线性的复杂系统，且具有振源多，运动部件多等特

点，当柴油机发生故障时，各种信号互相交错，并且这些信息对状态与故障的评

价作用并非同等重要，甚至其中某些条件信息还是冗余的，增加了寻找产生故障

信号的部位的难度。在故障诊断过程中，有效地提取具有价值的特征信号和正确

的信号处理方式是实现准确判断故障类型的关键。近年来，故障诊断的技术以及

方法被不断地完善和创新，传统的基于特征提取和故障信号处理的诊断，在智能

化柴油机系统中越来越难以发挥作用。传统的柴油机故障诊断方式是在故障产生

后再进行维修，不仅耽误了生产、增加了成本，而且造成能源的浪费。智能技术

的飞速发展，使得短时间内对柴油机的检测和诊断成为可能。传统的诊断方法操

作简单，对于结构与功能较为简单的柴油机系统可以实现故障诊断，但是难以满

足现代复杂系统的诊断需求，而且精确度不高、信息量小、成本高且准确度低等

缺。现代的故障诊断技术大多是基于智能技术的，相互学科之间相互融合，加上

现代信息处理技术飞速发展等等因素，使得故障诊断的优势越来越明显。

1.2 国内外发展现状与动态

随着高精度测试技术、多元化信号处理技术和智能模拟技术的飞速发展，

柴油机控制系统越来越复杂。传统方式对于故障的诊断技术主要针对于单一系统

且诊断的精度不高，将不能满足现代工业生产中复杂度高、非线性强、智能程度

高的控制系统对于故障诊断的要求。纵观其发展，由 50 年代的单一故障诊断到 60

年代综合外国技术探索不同种类故障的简便的监测技术、寻求新的多元化的诊断

方法；由 70 年代基于在线的监测装置和故障诊断装置的诊断理论到 80 年代研制

的监测状态的高科技的大型的设备和较为完善的故障诊断系统。

文档加载中……请稍候！
如果长时间未打开，您也可以点击刷新试试。

下载文档到电脑，查找使用更方便

15 积分 4人已下载

立即下载 VIP免费下载

摘要：

摘要随着机械设备自动化程度的不断提高，柴油机被广泛的应用在工程机械、固定发电、矿场以及船舶等领域。柴油机更加精密化的设计和智能化的控制，大大降低了生产的成本，提高了工作效率。与此同时，柴油机的控制与维护成为安全生产的第一要素，柴油机一旦发生故障将导致能源的极大浪费和人身安全。因此，在柴油机发生故障时应该及时发现故障原因，并采取有效地措施来减小损失，避免安全事故的发生。柴油机是一个多单元、非线性的复杂系统，且具有振源多，运动部件多等特点，当柴油机发生故障时，各种信号互相交错，并且这些信息对状态与故障的评价作用并非同等重要，甚至其中某些条件信息还是冗余的，难以准确有效的判定故障信号的来源。传统的柴...

展开>> 收起<<

自优化鱼群—聚类算法在柴油机故障诊断中的应用.pdf

共53页,预览6页

还剩页未读，继续阅读

自优化鱼群—聚类算法在柴油机故障诊断中的应用

相关推荐

开通VIP享超值会员特权

作者详情

相关内容

推荐作者

热门标签

举报选择: