人工免疫算法及其在船舶柴油机智能故障诊断中的应用研究

摘要

本文在系统研究人工免疫算法基础上，从工程实际应用的角度出发，将人工免疫算法与计算智能诊断方法相结合，对船舶柴油主机的智能故障诊断进行了深入的研究。完成如下的研究工作： (1)讨论了生物免疫系统的一些基本概念、功能和原理；分析了人工免疫算法的基本理论以及常用免疫算法的基本结构和流程。在分析opt-aiNet算法原理和性能的基础上，引入山谷搜索法作为新的网络抑制方法，提出并实现一种多峰函数优化免疫算法。 (2)为了在聚类数不确定的情况下实现聚类分析，通过借鉴生物免疫系统中的克隆选择原理并结合聚类有效性分析，提出一种基于快速免疫动态聚类算法。用以根据样本数据自动确定聚类数及中心位置，并且克服了传统聚类算法容易陷入局部极小值的缺点。同时，通过引入新算子及适当选取聚类的初始中心，明显提高算法的收敛速度。 (3)在系统研究RBF神经网络原理和学习算法的基础上，提出一种用快速免疫动态聚类算法自动求解网络中心，再用递推最小二乘法求解网络权值的新学习算法。给出了基于神经网络进行故障诊断的基本原理，并以此为依据对船用柴油机进行故障诊断。 (4)在介绍粗糙集理论核心内容的基础上，提出了一种基于免疫优化的新型粗糙集属性约简算法。算法设计的重点在于将分类精度和约简中所含属性个数集成为一个统一的亲合度成熟目标，并通过抗体更新和抗体相似性抑制来维持群体的多样性，以获得多个符合分类质量要求的属性约简集。 (5)在所求得的多个属性约简集中，根据专家经验优选最佳约简集，对反映柴油机运行工况的特征参数进行简化，并通过RBF网络实现对船舶柴油机故障的自动分类和诊断。以此混合智能诊断模型为基础，设计并实现了船用柴油机状态监测及故障诊断系统。

目录

文摘

英文文摘

大连海事大学学位论文原创性声明和使用授权说明

创新点摘要

第1章绪论

1.1课题研究的目的和意义

1.2柴油机故障诊断常用方法及其特点

1.3国内外的研究现状、存在问题及发展趋势

1.3.1人工免疫算法的研究现状及发展方向

1.3.2柴油机故障诊断的研究现状

1.3.3柴油机故障诊断存在的问题

1.3.4柴油机故障诊断的发展趋势

1.4本课题的主要研究内容

第2章人工免疫算法

2.1人工免疫系统的生物学机理

2.1.1生物免疫系统的结构与功能

2.1.2免疫系统克隆选择理论

2.1.3独特型免疫网络理论

2.2人工免疫算法

2.2.1免疫网络建模

2.2.2免疫辨识算法

2.2.3免疫优化算法

2.2.4人工免疫算法收敛性分析

2.3基于人工免疫算法的多峰函数优化及其仿真研究

2.3.1基本算法介绍

2.3.2算法的不足与改进

2.3.3仿真实例

第3章基于克隆选择的快速免疫动态聚类算法

3.1引言

3.2基于克隆选择算法的模糊聚类算法

3.2.1模糊-C均值(FCM)算法

3.2.2基于克隆选择算法的模糊聚类算法

3.2.3算法实例仿真

3.3聚类有效性分析

3.3.1概述

3.3.2常用聚类有效性指标

3.4基于克隆选择的快速免疫动态聚类算法

3.4.1最大聚类数的选择

3.4.2聚类初始中心的选择

3.4.3算法步骤

3.5算法实例仿真

3.5.1人工数据

3.5.2 IRIS数据

3.5.3柴油机故障诊断数据

3.6小结

第4章基于免疫-RBF神经网络的船用柴油机故障诊断研究

4.1人工神经网络

4.1.1人工神经网络概述

4.1.2人工神经网络分类

4.2 RBF神经网络

4.2.1 RBF神经网络

4.2.2 RBF神经网络的常用学习算法

4.2.3基于快速免疫动态聚类的RBF神经网络设计

4.3基于免疫-RBF神经网络的柴油机故障诊断

4.3.1诊断原理及步骤

4.3.2诊断实例

4.4小结

第5章基于人工免疫-粗糙集-RBF网络混合模型的智能故障诊断研究

5.1引言

5.2粗糙集理论的基本内容

5.2.1知识与不可分辨关系

5.2.2信息系统及其简化

5.3基于免疫原理的粗糙集条件属性约简

5.3.1基于粗糙集理论的条件属性约简基本算法

5.3.2基于免疫原理的粗糙集条件属性约简算法

5.3.3实例分析

5.4粗糙集连续属性的离散化

5.5基于人工免疫-粗糙集-RBF网络混合模型的智能化故障诊断

5.5.1诊断原理及步骤

5.5.2诊断实例1

5.5.3诊断实例2

5.6小结

第6章船舶柴油机状态监测及智能故障诊断系统

6.1柴油机的故障机理

6.2研发故障诊断系统的关键技术

6.2.1特征参数的获取

6.2.2故障的层次分类诊断模型

6.2.3混合智能诊断模型的建立

6.2.4船舶柴油机故障知识库的建立

6.2.5开发软件的选用

6.3船舶柴油机状态监测及智能故障诊断系统

6.3.1系统的总体结构

6.3.2状态监测子系统

6.3.3故障诊断子系统

6.3.4数据管理子系统

结 论

参考文献

攻读学位期间公开发表论文

致谢

研究生履历