利用BP神经网络进行柴油机磨损故障监测

胡浩帆

（中远海运特种运输股份有限公司，广州 510623）

1 前言

由于柴油机运转部件表面之间的相对运动，将不可避免地导致部件的磨损，并且磨损量将随着时间而逐渐增加，对柴油发动机部件的磨损状况进行监测和预报，可提高其运行可靠性。《油液分析在船用动力系统状态监测中的应用》中，描述了油液分析技术对船用动力系统进行状态监测的方法；《基于光谱-铁谱分析的航空发动机磨损故障诊断应用研究》中，提出了通过对滑油进行光谱分析能够发现监测油样中的超标元素，对滑油光谱分析与机械故障间的关系进行了研究。但是尚未有结合滑油成分含量统计数据，对柴油机零件的磨损状况进行分析的理论与方法。本文基于对柴油机润滑油的光谱分析法，通过工神经网络来分析柴油机零件的磨损状况。

2 基于滑油效能的磨损监测技术

润滑油带有大量的柴油机内部零部件磨损信息，通过对滑油效能的分析可以间接的判断零部件的磨损状况，监控和预测其磨损故障；针对零部件磨损问题的油液分析，可以采用滑油光谱分析、自动磨粒分析、滑油铁谱分析以及扫描电子显微镜—能谱分析，这些方法各具优缺点。

磨损监测框图，如图1所示。

图1 磨损监测功能图

3 柴油机磨损故障诊断神经网络

3.1 BP神经网络算法

采用三层BP神经网络作为例子。网络输入一个长度为N的向量，经过加乘权值后输出一个长度为J的向量；每一层的输入和输出用x和y表示，输入层第一个神经元的输入可以表示为x1N，网络的输出为：

3.2 故障诊断流程及原理

采用BP人工神经网络对滑油数据进行分析。诊断柴油机磨损故障的关键，是对神经网络的训练。其训练过程为：利用已知数据训练神经网络，在达到设定值后训练结束，构建故障向量与其特征值之间非线性映射，完成对神经网络的训练；然后将待测数据经处理后输入到已训练好的网络中，得出一组输出向量，再与不同故障的特征向量对比分析，可实现对故障类型的诊断。故障诊断流程图，如图2所示。

图2 故障诊断流程图

3.3 神经网络结构设计

（1）在设计BP神经网络模型前，需首先确定网络的基本结构，该问题尚未有明确的选择方法或选择体系。但已知，任何区间上的连续函数，均可通过单隐含层的BP网络构建拟合模型，单隐含层的三层BP神经网络即可完成X维到Y维映射的功能。

样本数量十分庞大，增加一个隐含层对缩减神经网络的规模会有十分显著的效果。精准对柴油机磨损故障的诊断，样本数量应适中，本文选择构建单一隐含层的三层神经网络。

（2）输入层节点数往往由输入向量的维数决定，与网络所解决的实际问题密切相关。本文通过神经网络构建滑油效能数据与柴油机运行状况的非线性映射，由于输入的每个向量都由19个元素构成，所以得出的特征向量均为19维向量，由此可确定神经网络的输入层节点数为19。

输出层神经元的个数同样依赖于对实际问题的分析。在模式分类中，输出神经元个数通常与类别数量相同，故本文中输出神经元个数设为1。

（3）隐含层节点数的确定

隐含层节点数选择的合理性，对BP人工神经网络性能的影响十分巨大。较多的隐含层节点数，可以显著的提高神经网络的准度，但同时会使网络训练时间加长；节点数较少，其诊断则误差较大。

确定隐含层节点数的方法，是依靠经验公式得出一个估计值，在一定范围内进行反复测试，确定可以使神经网络达到理想准度的节点数。本文选用的经验公式为：

根据公式（12），归一化处理后可将待输入数据限定在[0,1]之间。

（5）网络构建函数的选择

针 对newff、feedforwardnet、newcf、cascadeforwardnet四种函数，分别构建神经网络模型并进行模拟，得到四组不同的收敛过程和收敛曲线，比较四种函数所构成神经网络的迭代次数以及误差。

为保证四种函数训练所得网络的可比性，均采用同一组训练数据，训练函数均采用trainbfg函数、学习函数为learngdm、性能函数采用mse函数，最大迭代次数为500次，误差值设为0.000 1、学习率为0.01。比较结果，如表1所列。

表1 不同构建函数对应训练数据

根据表1中四种函数来看，本文选用feedforwardnet函数构建神经网络。

3.4 神经网络的训练

图3 网络结构图

图4 误差分析

3.5 BP神经网络故障诊断

利用一系列数据，检验本文设计的BP神经网络的实际诊断效果。根据诊断结果，经神经网络预测诊断后，决定系数R均在0.85以上，证明本文所构建的BP神经网络，可以较精确地依据滑油效能数据诊断柴油机磨损故障。

4 柴油机磨损故障诊断模拟系统

4.1 转化Simulink

为了实现神经网络以及仿真过程的可视化，将Matlab中训练成功的神经网络在Simulink中以模块的形式输出。

4.2 系统的构建

利用Simulink中Random Number模块模拟真实滑油效能数据，组成一个有19个元素构成的向量作为待测数据，这19个向量分别对应滑油中Fe、Cr、Pb以及水分等元素的含量.在构建Random Number模块时，设置各种元素含量在正常范围内。

采用GUI构建系统界面。为保证系统可对某一元素超出正常范围进行模拟，在Random Number模块前插入constant值改变输出值，将界面按钮与模块连接，实现GUI对Simulink模块中的constant的参数控制，达到模拟故障数据的目的。

5 结束语

基于滑油效能对柴油机零件磨损状况进行研究，依据基于效能数据结合人工神经网络，通过监测诊断柴油机运行状况对其零件磨损状况做出判断，利用BP神经网络可以较精确地依据滑油效能数据诊断柴油机磨损故障，构建柴油机零件磨损情况诊断模拟系统，对通过滑油效能研究柴油机零件磨损情况的仿真模拟提供帮助。