[發明專利]基于粒子群優化算法的底盤發動機故障診斷方法及系統

在審

• 申請號: 202011520723.6
• 申請日: 2020-12-21
• 公開（公告）號: CN112504682A
• 公開（公告）日: 2021-03-16
• 發明（設計）人: 陳悅峰;孫希明;于深;鄒永顯;王嬡娜;麻雄;陳文英
• 申請（專利權）人: 中國人民解放軍63963部隊;大連理工大學
• 主分類號: G01M15/00
• 分類號: G01M15/00;G06N3/00;G06N3/08
• 代理公司: 北京高沃律師事務所 11569
• 代理人: 王愛濤

1.一種基于粒子群優化算法的底盤發動機故障診斷方法，其特征在于，所述診斷方法包括如下步驟：

獲取底盤發動機的歷史的潤滑油液數據，并進行特征參數提取，建立訓練樣本集；

利用所述訓練樣本集，以故障監測的準確率為適應度函數，采用動態慣性因子的粒子群優化算法，確定用于底盤發動機故障診斷的核主成分分析算法的核函數的參數，得到參數確定好的核主成分分析算法；

利用粒子群優化算法對BP神經網絡模型的初始權值和閾值進行尋優處理，獲得初始化后的BP神經網絡模型，并利用所述訓練樣本集對初始化后的BP神經網絡模型進行訓練，獲得訓練好的BP神經網絡模型；

獲取底盤發動機的監測狀態的潤滑油液數據，并進行特征參數提取，得到監測數據；

采用參數確定好的核主成分分析算法確定所述監測數據是否為故障數據；

當所述監測數據為故障數據時，將所述監測數據輸入訓練好的BP神經網絡模型，確定所述監測數據對應的故障種類。

2.根據權利要求1所述的基于粒子群優化算法的底盤發動機故障診斷方法，其特征在于，所述動態慣性因子的粒子群優化算法的速度更新公式為：

所述動態慣性因子的粒子群優化算法的位置更新公式為：

所述動態慣性因子的粒子群優化算法的動態慣性因子更新公式為：

w＝w_max-t*(w_max-w_min)/T_max；

其中，和分別表示第t次迭代更新前的第i個粒子的速度向量和位置向量，和分別表示第t次迭代更新后的第i個粒子的速度向量和位置向量，w是粒子群優化算法的慣性因子，c₁和c₂分別為第一學習因子和第二學習因子，λ₁和λ₂分別為0到1之間的第一隨機數和第二隨機數；w_max和w_min分別表示迭代過程中設置的最大慣性因子和最小慣性因子，T_max表示最大迭代次數，表示第t次迭代過程中的個體最優位置，表示第t次迭代過程中的全局最優位置。

3.根據權利要求1所述的基于粒子群優化算法的底盤發動機故障診斷方法，其特征在于，所述獲取底盤發動機的監測狀態的潤滑油液數據，并進行特征參數提取，得到監測數據，具體包括：

對監測狀態的潤滑油液數據進行標準化處理，獲得標準化處理后的潤滑油液數據；

計算標準化處理后的潤滑油液數據的核矩陣；

利用公式對所述核矩陣進行中心化處理，獲得中心化處理后的核矩陣；其中，K代表中心化之前的核矩陣，代表中心化之后的核矩陣，1_N代表一個N維的方陣，1_N中的每個元素都為1/N，N代表潤滑油液數據個數；

求取中心化處理后的核矩陣的特征值和特征向量，并將所述特征值和所述特征向量按照從大到小的順序進行排序，得到排序后的特征值和特征向量作為監測數據。