[发明专利]一种新型拖拉机故障诊断系统及故障诊断方法

权利要求书

1.一种拖拉机故障诊断方法，其特征在于，包括如下步骤：

步骤1：数据采集单元通过拖拉机CAN总线采集拖拉机相关参数数据，并对采集到的参数数据进行筛选解析，获取与拖拉机故障相关性较大的参数数据；

步骤2：故障诊断单元对解析后得到的参数数据进行预处理；

步骤3：建立基于IAV-NIWD-QMPCPSO算法的故障诊断模型，进行故障诊断：

步骤3.1：建立8-8-5-5的4层BP神经网络拓扑结构，包括输入层、第一隐含层、第二隐含层和输出层，向输入层中输入学习样本，最终对应有相应的期望输出和实际输出；初始化BP神经网络的各层节点数、权值、阈值；

步骤3.2：利用IAV-NIWD-QMPCPSO算法对BP神经网络进行优化；

步骤3.2.1：确定IAV-NIWD-QMPCPSO算法中的粒子维度；

步骤3.2.2：划分IAV-NIWD-QMPCPSO主群和从群；

步骤3.2.3：确定粒子适应度函数；

步骤3.2.4：对主群、从群中的粒子进行速度及位置更新：

对PSO算法惯性权重进行优化，惯性权重的更新公式如下：

其中，表示最大惯性权重；表示最小惯性权重；T表示迭代次数；t表示第t次迭代；

在从群粒子速度更新公式、主群粒子速度更新公式、从群粒子位置更新公式、主群粒子位置更新公式中均引入惯性权重来对粒子进行迭代更新；

当区间[0，t]内产生的随机数α满足变异条件，即满足时，基于IAV算法，对主群中的粒子位置进行再次更新，更新公式如下：

α＝rand[0，t]

其中，r₅表示在区间[0，1]内产生的随机数；α表示在区间[0，t]内产生的随机数；x^k(t+1)表示更新后主群中粒子的位置；

步骤3.2.5：粒子群每更新一次速度和位置，则对BP神经网络的权值和阈值进行一次更新；当前粒子群迭代更新产生的粒子适应度值小于上一代粒子群迭代更新产生的粒子适应度值时，继续进行个体极值更新与群体极值更新，反之则进入终止条件的判断过程；

粒子群更新迭代数满足终止条件则停止更新，BP神经网络获取到最优的权值和阈值；反之则返回步骤3.2继续对BP神经网络的权值和阈值进行更新；

步骤4：将处理得到的拖拉机运行参数数据输入步骤3建立的故障诊断模型中，获取实际输出；建立故障诊断类型与期望输出对应表，将实际输出与期望输出进行对比，获取故障类型。

2.根据权利要求1所述的拖拉机故障诊断方法，其特征在于，所述步骤3.2.4中，从群中粒子速度更新公式如下：

其中，v(t+1)表示更新后从群中粒子的速度；v(t)表示从群中当前粒子的速度；c₁、c₂均表示粒子的加速度常数；r₁、r₂均表示区间[0，1]内的随机数；x(t)表示从群中当前粒子的位置；p₁(t)表示从群中当前粒子到目前为止出现的最优位置；p₂(t)表示从群中所有粒子到目前为止出现的最优位置。

3.根据权利要求2所述的拖拉机故障诊断方法，其特征在于，所述主群中粒子速度更新公式如下：

v(k)＝v(k)+c₁r₁(p(k)-x(k))+δc₂r₂(p₁(k)-x(k))+(1-δ)c₃r₃(p₁(q)-x(k))

其中，v(k)表示主群中当前粒子的速度；c₃表示学习因子；r₃表示区间[0，1]内的随机数；x(k)表示主群中当前粒子的位置；p(k)表示主群中当前粒子所经历的最优位置；p₁(q)表示从群中的最优粒子；q表示从群；p₁(k)表示主群中的最优粒子；k表示主群；δ表示各种群的参与度。