【作者】

邹贤雨; 柯赟; 宋恩哲

【单位】

哈尔滨工程大学烟台研究生院

【摘要】

由于柴油机工作环境复杂多变，信号中包含较多噪声导致诊断率低。为提高燃油系统喷油器的故障诊断性能，提出了一种基于麻雀搜索算法优化变分模态分解（Sparrow Search Algorithm - Variational Modal Decomposition，SSA-VMD）与鲸鱼算法优化BP神经网络(Whale Optimization Algorithm - Back Propagation Neural Network，WOA-BP)相结合的共轨燃油系统喷油器故障诊断方法。针对VMD分解效果受参数制约的问题，采用SSA优化VMD参数，进而对压力信号进行自适应分解，再根据相关系数筛选有用的本征模态分量对信号重构来完成降噪。针对BP神经网络容易陷入局部最优的问题，用WOA对BP神经网络的初始权重和偏置进行优化，进而完成分类器训练和故障识别。最后通过试验验证该方法的有效性，结果表明该方法能自适应寻找VMD最优参数组合，准确率比BP神经网络提高了将近4%，为喷油器的正常运行提供了可靠保障。

【关键词】

故障诊断;共轨燃油系统;喷油器;麻雀搜索算法;变分模态分解;鲸鱼优化算法

【会议名称】

2023交通能源与智能动力大会

【会议时间】

2023-11-10至2023-11-12

【会议地点】

天津

【下载次数】

2

返回