[0018]遗传BP神经网络算法主要分为三部分:确定BP神经网络结构；遗传算法优化权值和阈值；BP神经网络训练及预测。其流程如图2、图3所示，首先确定神经网络的拓扑结构，然后对神经网络的权值和阈值进行编码得到初始种群，经过神经网络算法部分处理后进入遗传算法处理部分，在遗传算法中产生的新群体不能满足终止条件时继续从神经网络算法部分运行，如果满足终止条件则进行解码处理得到最佳神经网络权值和阈值。
[0019]神经网络算法部分流程图如图3所示，对神经网络权值和阈值编码得到初始种群后，解码得到权值和阈值，将权值和阈值赋给新建的BP网络，使用训练样本训练网络，而后使用测试样本测试网络，最后进行测试误差，继续进入遗传算法流程中。网络训练是一个不断修正权值和阑值的过程，通过训练，使得网络的输出误差越来越小。
[0020]BP神经网络结构是拓扑结构，是根据样本的输入/输出参数个数确定的，这样就可以确定遗传算法优化参数的个数，从而确定种群个体的编码长度。因为遗传算法优化参数是BP神经网络的初始权值和阑值，只要网络结构已知，权值和闻值的个数就已知了。神经网络的权值和阈值一般是通过随机初始化为[-0.5,0.5]区间的随机数，这个初始化参数对网络训练的影响很大，但是又无法准确获得，对于相同的初始权重值和阈值，网络的训练结果是一样的，引入遗传算法就是为了优化出最佳的初始权值和阈值。
[0021]遗传算法优化BP神经网络是用遗传算法来优化BP神经网络的初始权重值和阂值，使优化后的BP神经网络能够更好地进行样本预测。遗传算法优化BP神经网络的要素包括种群初始化、适应度函数、选择算子、交叉算子和变异算子等，如图2所示。
[0022]遗传算法中，对神经网络编码:对于权值和阈值以十进制数字串代替遗传算法中的二进制数字串来直接表征参数。
[0023]计算适用度值:个体适应度采用网络的函数误差，即误差大的个体其适应度小，具体表示为适应度为网络误差函数的倒数。本发明为了使BP网络在预测时，预测值与期望值的残差尽可能小，所以选择预测样本的预测值与期望值的误差矩阵的范数作为目标函数的输出。
[0024]选择染色体复制:个体适应度的计算完成后，选择适应度大的个体遗传到下一代，使权值越来越接近最优解空。
[0025]交叉、变异过程:采用基于概率的双向随机搜索技术；以一定的概率，随机地从父本种群中选取两条染色体进行交叉操作，当新染色体使当前解质量提高时，就接收这个被改进的解作为新的当前解。
[0026]S04步骤四、筛选后数据与设定特征频率范围进行比较，从而可以判断发动机是否有故障。
[0027]传感器数据经过筛选后，最佳表示发动机状态的数据与设定的特征频率范围进行比较，并对振动信号进行特征频率提取计算频段内的能量值，如果能量值小于阈值，说明发动机没有某种故障；否则说明存在某种故障，进一步判断故障的部位、故障程度及故障的趋势。其中活塞敲缸响特征频率为1360-2400HZ ;活塞销子响特征频率为1500_2500Ηζ ;连杆轴承响特征频率为660-860ΗΖ ;曲轴轴承响特征频率为330-605ΗΖ ;气门响特征频率为4600-6800Hz ;通过检测特征频段内的能量变化，可以识别发动机是否有某种故障。
[0028]S05步骤五、输出故障，通过数据比较后输出发动机故障类型，方便驾驶员或维修人员检查。本发明监测的发动机故障有:活塞敲缸响、活塞销子响、连杆轴承响、曲轴轴承响和气门响等，各部件的特征频率在步骤四已有介绍，通过对不同部位的频率检测，可以检测出发动机的不同故障问题，达到了实时准确检测发动机故障的效果。
[0029]上面结合附图对本发明进行了示例性描述，显然本发明具体实现并不受上述方式的限制，只要采用了本发明的方法构思和技术方案进行的各种非实质性的改进，或未经改进将本发明的构思和技术方案直接应用于其它场合的，均在本发明的保护范围之内。
【主权项】
1.一种发动机故障诊断方法，其特征在于，该方法包括步骤: 步骤一、获取传感器检测到的发动机参数数据； 步骤二、对步骤一中的数据进行预处理处理； 步骤三、利用遗传BP神经网络算法对步骤二的数据进行筛选； 步骤四、筛选后数据与设定特征频率范围进行比较； 步骤五、输出故障。
2.根据权利要求1所述的发动机故障诊断方法，其特征在于，所述步骤一的传感器包括至少一个转速传感器和至少一个振动传感器。
3.根据权利要求1所述的发动机故障诊断方法，其特征在于，所述步骤三中的遗传BP神经网络算法分为三部分: 确定BP神经网络结构； 遗传算法优化权值和阈值； BP神经网络训练及预测。
4.根据权利要求3所述的发动机故障诊断方法，其特征在于，遗传算法优化BP神经网络后输出的是训练好的网络，用于对传感器检测到的数据进行筛选。
【专利摘要】本发明涉及一种发动机故障诊断方法，属于发动机故障诊断技术领域，该方法包括步骤：步骤一、获取传感器检测到的发动机参数数据；步骤二、对步骤一中的数据进行预处理处理；步骤三、利用遗传BP神经网络算法对步骤二的数据进行筛选；步骤四、筛选后数据与设定特征频率范围进行比较；步骤五、输出故障。本发明中利用了遗传优化BP神经网络算法对传感器测得的数据进行处理和筛选，提高了诊断的客观性和准确性，可以准确地诊断发动机是否存在某种故障，不会发生误报警的情况，解决了现有技术中传感器监测到的问题数据导致误报警的问题。
【IPC分类】G01M15-00
【公开号】CN104568446
【申请号】CN201410503718
【发明人】李杨宇, 徐尼云
【申请人】芜湖扬宇机电技术开发有限公司
【公开日】2015年4月29日
【申请日】2014年9月27日