基于AE-ANFIS的船舶柴油机故障诊断

摘要

柴油机作为船舶主要动力设备,在船舶行业应用极其广泛,但其工作环境恶劣,极易发生故障。为减小船舶航行时柴油机故障带来的经济损失,有必要对其进行故障诊断。通过柴油机实验台架模拟不同类型故障,并在柴油机缸盖处使用振动加速度传感器采集故障信号,选取在1缸缸盖处采集的信号作为样本数据进行数据分析。由于采集的原始信号是多激励源合成信号,其中包含传播噪声、环境噪声,为降低噪声对识别精度影响,首先使用变分模态分解(VariationalModeDecomposition,VMD)对信号进行分解降噪,把原始一维数据分解成能反映柴油机运行状态的多维数据;接着使用自编码器(Auto-Encode,AE)对分离信号进行特征提取,以降低分解信号间的干扰,提高识别准确率;再使用自适应模糊神经网络(Adaptive Fuzzy Neural Network,ANFIS)建立故障诊断模型,并将所提取特征作为诊断模型输入;最后根据诊断模型的识别准确度评价以上方法的可行性。