[发明专利]一种基于改进的蝙蝠算法优化ELM的发动机燃油系统故障诊断方法

说明书

本发明涉及一种基于改进的蝙蝠算法优化ELM的发动机燃油系统故障诊断方法，属于机械工程自动化技术领域。本发明利用传感器来实时采集燃油系统的振动信号并提取其特征向量；然后使用蝙蝠算法来优化极限学习机的权值和阈值，搭建优化好的极限学习机的网络结构；再将提取得到的特征向量输入到优化好的极限学习机中进行训练得到发动机燃油系统故障诊断模型并进行发动机燃油系统故障诊断。本发明分类速度快，提高了发动机燃油系统故障诊断的精确度。

技术领域

本发明涉及一种基于改进的蝙蝠算法优化ELM的发动机燃油系统故障诊断 方法，属于机械工程自动化技术领域。

背景技术

发动机是整个机械设备的“心脏”，而发动机的燃油系统在很大程度上决定着 发动机的工作性能。由于燃油系统结构组成较为复杂，因而也是故障的频发部件。 据权威机构数据统计，在柴油机的各种故障中，燃油系统故障占总体比重高达 27％。由此可见，一旦燃油系统发生故障，其带来的经济和其他方面的损失是较 为严重的。

早期的故障诊断大多依靠个人经验，有时会借助一些较为简单的仪器来辅助 判断。但此种诊断方法不仅受不确定的人为因素的影响，而且在诊断结果的准确 率上也表现的较为低下且用时较长。

发动机的燃油系统在整个机械设备的运转过程中起着至关重要的作用，所以 对其各类故障进行快速准确的诊断具有不容忽视的工程价值。

发明内容

本发明要解决的技术问题是以较短的时间获取尽可能高的故障诊断精确率， 提供了一种基于改进的蝙蝠算法优化ELM的发动机燃油系统故障诊断方法。

本发明采用的技术方案是：一种基于改进的蝙蝠算法优化ELM的发动机燃 油系统故障诊断方法，首先利用传感器来实时采集燃油系统的振动信号并提取其 特征向量；然后使用蝙蝠算法来优化极限学习机的权值和阈值，搭建优化好的极 限学习机的网络结构；再将提取得到的特征向量输入到优化好的极限学习机中进 行训练得到发动机燃油系统故障诊断模型；最后利用发动机燃油系统故障诊断模 型进行发动机燃油系统故障诊断。

使用蝙蝠算法来优化极限学习机的权值和阈值，搭建优化好的极限学习机的 网络结构的具体步骤如下：

Step1、随机初始化种群规模并确定其目标函数，初始化脉冲的响度和发 射频率初始化脉冲的频率范围[f_min,f_max]和算法最大迭代次数等一些相关参 数；

Step2、对种群个体的速度V_i⁰和位置进行初始化，其中i＝1,2,…,m，计算 其适应值并寻找蝙蝠种群的最优化个体；

Step3、利用公式(1)～(3)完成对蝙蝠速度V_i^t和位置的更新，并及时调 节脉冲的频率：

f_i＝f_min+(f_max-f_min)·β (1)

公式中：β是随机变量，且β～U[0,1]；X^*代表目前搜索范围内的全局最优位 置，t表示目前的迭代次数。

Step4、随机生成rand1，若则依据公式(4)从最优解中挑选 一个解并在其周围形成一个局部解，然后通过扰动重新生成一个新的解：

公式中：ε是一个随机数且ε∈[-1,1]，代表种群内的所有蝙蝠在t时刻所 求得的脉冲响度的平均值。

Step5、计算种群内所有蝙蝠个体的新解位置的适应度值；