[发明专利]一种基于组合神经网络的柴油机故障预测方法

权利要求书

1.一种基于组合神经网络的柴油机故障预测方法，其特征在于，包括以下步骤：

根据业务应用场景，确定样本数据；

对所述样本数据进行预处理，确定训练数据；

采用组合神经网络算法，利用所述训练数据建立数据模型；以及

根据所述数据模型，对柴油机运行状态进行预测。

2.如权利要求1所述的基于组合神经网络的柴油机故障预测方法，其特征在于，所述样本数据为柴油机振动信号。

3.如权利要求2所述的基于组合神经网络的柴油机故障预测方法，其特征在于，对所述样本数据进行预处理，确定训练数据的所述步骤包括：

在相空间中对所述振动信号进行重构，提取所述振动信号中的特征信息。

4.如权利要求3所述的基于组合神经网络的柴油机故障预测方法，其特征在于，采用组合神经网络算法，利用所述训练数据建立数据模型的所述步骤包括：

采用两个平行的神经网络，应用模糊反向传播算法对所述特征信息进行训练；

将训练结果进行组合后再输出，并应用线性规划算法对输出结果进行训练，得到所述数据模型。

5.一种基于组合神经网络的柴油机故障预测系统，其特征在于，包括：

样本数据确定单元，用于根据业务应用场景，确定样本数据；

训练数据获取单元，用于对所述样本数据进行预处理，确定训练数据；

模型建立单元，用于采用组合神经网络算法，利用所述训练数据建立数据模型；以及

预测单元，用于根据所述数据模型，对柴油机运行状态进行预测。

6.如权利要求5所述的基于组合神经网络的柴油机故障预测系统，其特征在于，所述样本数据为柴油机振动信号。

7.如权利要求6所述的基于组合神经网络的柴油机故障预测系统，其特征在于，所述训练数据获取单元在相空间中对所述振动信号进行重构，提取所述振动信号中的特征信息。

8.如权利要求7所述的基于组合神经网络的柴油机故障预测系统，其特征在于，所述模型建立单元包括第一训练单元和第二训练单元，

所述第一训练单元采用两个平行的神经网络，应用模糊反向传播算法对所述特征信息进行训练；

所述第二训练单元将训练结果进行组合后再输出，并应用线性规划算法对输出结果进行训练，得到所述数据模型。