[發(fā)明專利]基于FOA-GRNN融合算法的氫發(fā)動(dòng)機(jī)故障診斷系統(tǒng)及方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201810470047.2
• 申請(qǐng)日: 2018-05-16
• 公開(kāi)（公告）號(hào): CN108763681B
• 公開(kāi)（公告）日: 2022-01-28
• 發(fā)明（設(shè)計(jì)）人: 王麗君;趙亞楠;黨金金;楊振中;郭樹(shù)滿;韋樂(lè)余
• 申請(qǐng)（專利權(quán)）人: 華北水利水電大學(xué)
• 主分類號(hào): G06F30/27
• 分類號(hào): G06F30/27;G06N3/04;G06N3/00;G06K9/62;G06F113/08;G06F119/14
• 代理公司: 鄭州大通專利商標(biāo)代理有限公司 41111
• 代理人: 陳勇

1.基于FOA-GRNN融合算法的氫發(fā)動(dòng)機(jī)故障診斷系統(tǒng)，其特征在于，包括氫發(fā)動(dòng)機(jī)實(shí)驗(yàn)系統(tǒng)、信號(hào)采集處理模塊、故障診斷模塊和輸出信號(hào)處理模塊，所述氫發(fā)動(dòng)機(jī)實(shí)驗(yàn)系統(tǒng)通過(guò)接口電路與所述信號(hào)采集處理模塊連接，信號(hào)采集處理模塊通過(guò)接口電路與所述故障診斷模塊連接，故障診斷模塊通過(guò)接口電路與所述輸出信號(hào)處理模塊連接；

氫發(fā)動(dòng)機(jī)實(shí)驗(yàn)系統(tǒng)用于獲得異常燃燒故障發(fā)生時(shí)的相關(guān)運(yùn)轉(zhuǎn)參數(shù)數(shù)據(jù)，所述異常燃燒故障包括早燃、回火、爆震；

信號(hào)采集處理模塊用于實(shí)時(shí)采集氫發(fā)動(dòng)機(jī)實(shí)驗(yàn)系統(tǒng)的相關(guān)運(yùn)轉(zhuǎn)參數(shù)數(shù)據(jù)信號(hào)，并記錄采集的氫發(fā)動(dòng)機(jī)實(shí)驗(yàn)系統(tǒng)異常燃燒故障發(fā)生時(shí)的相關(guān)運(yùn)轉(zhuǎn)參數(shù)數(shù)據(jù)和所屬異常燃燒故障類型，并對(duì)采集的相關(guān)運(yùn)轉(zhuǎn)參數(shù)數(shù)據(jù)進(jìn)行歸一化處理，對(duì)歸一化處理后的相關(guān)運(yùn)轉(zhuǎn)參數(shù)數(shù)據(jù)進(jìn)行特征提取，并將處理后的相關(guān)運(yùn)轉(zhuǎn)參數(shù)數(shù)據(jù)傳輸?shù)焦收显\斷模塊；

故障診斷模塊用于接收通過(guò)信號(hào)采集處理模塊處理后的相關(guān)運(yùn)轉(zhuǎn)參數(shù)數(shù)據(jù)，并將該相關(guān)運(yùn)轉(zhuǎn)參數(shù)數(shù)據(jù)分為訓(xùn)練樣本和測(cè)試樣本，通過(guò)訓(xùn)練樣本對(duì)FOA-GRNN故障診斷模型進(jìn)行訓(xùn)練，并用測(cè)試樣本對(duì)FOA-GRNN故障診斷模型進(jìn)行測(cè)試，并將測(cè)試結(jié)果通過(guò)輸出電路傳送到輸出信號(hào)處理模塊；所述FOA-GRNN故障診斷模型通過(guò)FOA算法確定GRNN神經(jīng)網(wǎng)絡(luò)最優(yōu)的SPREAD值、將最優(yōu)的SPREAD值帶入GRNN神經(jīng)網(wǎng)絡(luò)構(gòu)建而成；

所述FOA-GRNN故障診斷模型通過(guò)FOA算法確定GRNN神經(jīng)網(wǎng)絡(luò)最優(yōu)的SPREAD值、將最優(yōu)的SPREAD值帶入GRNN神經(jīng)網(wǎng)絡(luò)構(gòu)建而成包括：

步驟3.1：初始化果蠅群體位置(X，Y)，計(jì)算公式為：并確定迭代次數(shù)和種群規(guī)模，迭代次數(shù)Maxgen為100，種群規(guī)模Sizepop為10；

步驟3.2：初始化果蠅個(gè)體飛行距離，并確定與原點(diǎn)之間的距離D(i)；D(i)計(jì)算公式為：

步驟3.3：通過(guò)D(i)求出味道濃度判定值S(i)，并確定適應(yīng)度函數(shù)，將味道濃度判定值S(i)代入其適應(yīng)度函數(shù)以求出果蠅個(gè)體位置的味道濃度；S(i)計(jì)算公式為：S(i)＝1/D(i)；所述適應(yīng)度函數(shù)為GRNN神經(jīng)網(wǎng)絡(luò)的均方根誤差；

步驟3.4：將每代果蠅的味道濃度值進(jìn)行比較，迭代保留最佳值的位置與味道濃度，并記錄每代果蠅的最佳值；所述最佳值為適應(yīng)度函數(shù)的最小值，即GRNN神經(jīng)網(wǎng)絡(luò)的均方根誤差的最小值；

步驟3.5：對(duì)果蠅進(jìn)行迭代尋優(yōu)，判斷是否達(dá)到迭代次數(shù)Maxgen；若是，則輸出所有代果蠅的最佳值的最小值，作為最優(yōu)的SPREAD值；若否，則返回步驟3.2重復(fù)執(zhí)行；

步驟3.6：將最優(yōu)的SPREAD值帶入GRNN神經(jīng)網(wǎng)絡(luò)，構(gòu)建出FOA-GRNN故障診斷模型；輸出信號(hào)處理模塊用于將接收到的故障診斷模塊的測(cè)試結(jié)果進(jìn)行反歸一化處理，并將其與期望輸出進(jìn)行對(duì)比，將對(duì)比結(jié)果顯示到液晶顯示屏上；規(guī)定正常燃燒時(shí)，期望輸出為0；早燃時(shí)，期望輸出為0.5；發(fā)生回火時(shí)，期望輸出為1；發(fā)生爆震時(shí)，期望輸出為1.5。

2.根據(jù)權(quán)利要求1所述的基于FOA-GRNN融合算法的氫發(fā)動(dòng)機(jī)故障診斷系統(tǒng)，其特征在于，所述氫發(fā)動(dòng)機(jī)實(shí)驗(yàn)系統(tǒng)包括氫燃料試驗(yàn)機(jī)、高壓氫氣瓶、減壓閥、氫氣流量計(jì)、空氣濾清器、空氣流量計(jì)、穩(wěn)壓箱、電控單元、曲軸轉(zhuǎn)角檢測(cè)器、冷卻水箱、燃燒分析儀、排氣分析儀及測(cè)功機(jī)，所述電控單元、曲軸轉(zhuǎn)角檢測(cè)器、冷卻水箱、燃燒分析儀、排氣分析儀及測(cè)功機(jī)分別與氫燃料實(shí)驗(yàn)機(jī)相連，高壓氫氣瓶、減壓閥、氫氣流量計(jì)、穩(wěn)壓箱及電控單元依次相連，所述空氣濾清器、空氣流量計(jì)、穩(wěn)壓箱及電控單元依次相連。

3.根據(jù)權(quán)利要求1所述的基于FOA-GRNN融合算法的氫發(fā)動(dòng)機(jī)故障診斷系統(tǒng)，其特征在于，所述信號(hào)采集處理模塊包括氣缸壓力傳感器、進(jìn)氣管壓力傳感器、冷卻水溫度傳感器、節(jié)氣門信號(hào)傳感器、曲軸相位傳感器、空氣流量傳感器、氫氣流量傳感器、信號(hào)放大器、模數(shù)轉(zhuǎn)換器及微處理器，所述氣缸壓力傳感器、進(jìn)氣管壓力傳感器、冷卻水溫度傳感器、節(jié)氣門信號(hào)傳感器、曲軸相位傳感器、空氣流量傳感器、氫氣流量傳感器分別與信號(hào)放大器相連，所述信號(hào)放大器、模數(shù)轉(zhuǎn)換器及微處理器依次相連。