摘要: 船用柴油机作为船舶主要动力来源，其运行状态直接关系到船舶营运及人员的生命财产安全。为此，开展船用柴油机故障诊断的算法研究具有一定的理论意义和应用价值。随着智能算法研究的不断发展，利用神经网络对船用柴油机进行故障诊断是船舶智能化诊断... 展开 船用柴油机作为船舶主要动力来源，其运行状态直接关系到船舶营运及人员的生命财产安全。为此，开展船用柴油机故障诊断的算法研究具有一定的理论意义和应用价值。随着智能算法研究的不断发展，利用神经网络对船用柴油机进行故障诊断是船舶智能化诊断的重要一环。本文利用基于混合蛙跳算法的和声搜索算法优化径向基神经网络对船用柴油机的故障识别过程进行研究。 对于故障信息采集方面，对4135型非增压船用柴油机进行研究工作，利用GT-power对其进行仿真，通过比较仿真数据和台架数据的差异，多角度深层次的评价模型的各项指标。分析船用柴油机的典型故障，设计了船用柴油机故障仿真方案，选取了压缩比下降、单缸供油量增加、单缸供油量减少、单缸断油4种故障和1种正常状态，设计方案进行仿真计算，选取了最大爆发压力、最大压力升高率、有效功率、平均有效压力、油耗率、排气温度等6个参数作为故障诊断的特征参数，并对故障仿真的结果进行合理性分析，构建神经网络故障样本集。 在船用柴油机故障诊断模型方面，由于径向基神经网络其隐藏层网络参数对网络结构影响很大且难以优化，选用一种群体智能算法和声搜索算法进行优化，同时引入混合蛙跳算法，利用跳跃重组的更新策略对最差个体进行扰动，从而选取出最优的和声向量更新和声记忆库，并建立基于混合蛙跳算法的和声搜索算法优化RBF神经网络用于船用柴油机故障诊断，分析比较算法优化前后的特性和效果，结果表明，该算法对船用柴油机故障诊断具有良好的分类效果，能准确识别故障。 收起