粗糙集与改进的QPSO-RBF算法在柴油机气门故障诊断中的应用  

The Application of Rought Set and Improved QPSO-RBF Algorithm to Fault Diagnosis for Diesel Engine Valve

作　　者：曹龙汉[1,2] 刘小丽[1] 郭晓东[2] 王申涛[1] 代睿[1] 

机构地区：[1]重庆通信学院控制工程重点实验室,重庆400035 [2]重庆理工大学汽车零部件制造及检测技术教育部重点实验室,重庆400050

出　　处：《信息与控制》2011年第4期570-576,共7页Information and Control

基　　金：科技部国际科技合作项目(2007DFR10420);重庆理工大学汽车零部件制造及检测技术教育部重点实验室开放基金资助项目(2009-10);重庆高校优秀成果转化基金资助项目(Kjzh10219)

摘　　要：针对气门故障,以缸盖振动信号的小波包能量谱作为故障特征参数,提出一种粗糙集(RS)与改进的量子微粒群径向基函数神经网络(QPSO-RBF NN)相结合的故障诊断方法.首先应用粗糙集对试验所得的特征参数进行属性约简,去掉冗余信息,简化RBF网络的结构;然后将带变异算子的QPSO算法引入到RBF网络的学习过程中,改进其现有的学习算法,进一步提高故障预测能力.通过对6135D型柴油机气门故障进行诊断,结果表明该方法提高了诊断的精度和效率.A fault diagnosis method of combining RS（rough set） and improved QPSO-RBF NN（quantum-behaved particle swarm optimization-radial basis function neural network） is proposed for valve fault,in which wavelet packet energy spectrum from vibration signals of bonnet is taken as fault characteristic parameters.Firstly,attributes of characteristic parameters are reduced by RS theory in order to delete redundant attributes and simplify the inputs of RBF NN,then QPSO algorithm with mutation operator is introduced into the learning process of RBF NN to improve its existing learning algorithms and enhance its predictive ability.The simulation results of valve fault on 6135D type diesel engine show that the method enhancs accuracy and efficiency of fault diagnosis.

关 键 词：粗糙集 径向基函数神经网络 量子微粒群优化算法 柴油机 故障诊断 

分 类 号：TK428[动力工程及工程热物理—动力机械及工程] TP183[自动化与计算机技术—控制理论与控制工程]