[发明专利]基于FOA-GRNN融合算法的氢发动机故障诊断系统及方法

摘要

本发明涉及氢发动机的故障诊断技术领域，尤其涉及基于FOA‑GRNN融合算法的氢发动机故障诊断系统及方法。所述系统包括氢发动机实验系统、信号采集处理模块、故障诊断模块和输出信号处理模块；所述方法包括：通过氢发动机实验系统获得异常燃烧故障发生时的相关运转参数数据；通过信号采集处理模块实时采集相关运转参数数据信号并进行归一化处理和特征提取；故障诊断模块将相关运转参数数据分为训练样本和测试样本，得到FOA‑GRNN故障诊断模型；输出信号处理模块对测试结果进行反归一化处理，并进行输出。本发明能够精确快速的判断氢发动机的故障类型，从而及时的发现氢发动机的不正常燃烧现象，采取补救措施，改善氢发动机整体性能。

主权项

1.基于FOA‑GRNN融合算法的氢发动机故障诊断系统，其特征在于，包括氢发动机实验系统、信号采集处理模块、故障诊断模块和输出信号处理模块，所述氢发动机实验系统通过接口电路与所述信号采集处理模块连接，信号采集处理模块通过接口电路与所述故障诊断模块连接，故障诊断模块通过接口电路与所述输出信号处理模块连接；氢发动机实验系统用于获得异常燃烧故障发生时的相关运转参数数据，所述异常燃烧故障包括早燃、回火、爆震；信号采集处理模块用于实时采集氢发动机实验系统的相关运转参数数据信号，并记录采集的氢发动机实验系统异常燃烧故障发生时的相关运转参数数据和所属异常燃烧故障类型，并对采集的相关运转参数数据进行归一化处理，对归一化处理后的相关运转参数数据进行特征提取，并将处理后的相关运转参数数据传输到故障诊断模块；故障诊断模块用于接收通过信号采集处理模块处理后的相关运转参数数据，并将该相关运转参数数据分为训练样本和测试样本，通过训练样本对FOA‑GRNN故障诊断模型进行训练，并用测试样本对FOA‑GRNN故障诊断模型进行测试，并将测试结果通过输出电路传送到输出信号处理模块；所述FOA‑GRNN故障诊断模型通过FOA算法确定GRNN神经网络最优的SPREAD值、将最优的SPREAD值带入GRNN神经网络构建而成；输出信号处理模块用于将接收到的故障诊断模块的测试结果进行反归一化处理，并将其与期望输出进行对比，将对比结果显示到液晶显示屏上；规定正常燃烧时，期望输出为0；早燃时，期望输出为0.5；发生回火时，期望输出为1；发生爆震时，期望输出为1.5。