基于模糊神经网络的智能故障诊断专家系统

发动机是车辆的核心部件，及时有效地发现并排除故障，对降低维修费用，减少经济损失，增加发动机工作时的可靠性，避免事故发生具有重大的意义。以某型号发动机为研究对象，运用测试技术、信号处理、小波分析、神经网络和模糊控制理论，提出了基于模糊神经网络的智能故障诊断系统。建立了发动机故障信号采集试验台，在试验台上人工模拟3种转速下6种工况，通过加速度传感器采集正常工况和异常工况的振动信号，之后利用小波包技术进行消噪处理，并提取出故障信号的特征值，作为网络训练和测试的样本数据。用样本数据训练和检测自适应模糊神经网络，完成对信号的离线模式识别，之后以测试样本数据实现在线故障诊断，通过仿真分析，取得了很好的诊断效果。与传统的 BP 神经网络故障诊断方法进行对比，无论在诊断精度上还是学习速度上，模糊神经网络在故障诊断中更具有优势。同时，在专家系统的理论基础上，将模糊神经网络与专家系统进行信息融合，实现数据接口通信，利用网络的自学习能力建立智能故障诊断数据库和诊断规则库，通过程序语言快速高效的设计出智能诊断系统。最后，通过发动机故障诊断实例仿真分析，验证了基于模糊神经网络的智能故障诊断专家系统的可行性。