柴油机作为一种常见的动力机械,其动力性和可靠性直接影响着系统的安全运行。及时有效地发现并排除故障,对增加柴油机工作时的安全性和可靠性,降低设备维修费用,减少经济损失,避免重大事故发生具有重大的意义。目前,柴油机的故障诊断尚处于研究阶段,利用人工神经网络技术对柴油机进行故障诊断具有一定的理论意义和实用价值。 本文在对柴油机振动受力分析的基础上,设计了试验方案,分三种工况(900rpm、空载;额定转速、空载;额定转速、重载),在X4105BD2型柴油机缸盖、缸壁上测取了柴油机燃油系统正常工作状态和五种故障状态下的振动信号。对这些振动信号提取时域特征参数,把这些时域特征参数作为故障征兆向量,研究柴油机BP神经网络故障诊断方法。 针对试验三种工况的缸盖、缸壁信号,分别利用MATLAB技术建立了六种神经网络,每种神经网络都用12个样本反复进行训练,训练结果非常好;对每种工况、每一测点位置、每一状态,分别都用一个样本来检验,除个别“奇异”信号外,神经网络对各工况各测点位置信号都能作出正确判断,从而说明了该方法可行。 不同测点位置的信号对神经网络的训练速度及实际应用有一定的影响。不管是那种工况,用缸盖信号训练都比用缸壁信号训练收敛得快;利用缸盖信号比利用缸壁信号诊断柴油机故障效果要好。这对利用神经网络进行柴油机故障诊断时选择信号测点位置提供了理论依据。 本文利用MATLAB强大的数值运算、数据处理功能进行试验数据的预处理,计算振动信号的时域特征参数;利用MATLAB的神经网络工具箱建立基于振动信号的柴油机故障诊断BP神经网络并进行了验证。MATLAB语言编程简单、使用方便,大大地提高了数据运算和网络训练的速度。 通过试验测取缸盖振动信号,利用神经网络进行柴油机故障诊断费用小、方法简单、易于实现。