摘 要

本文借助仿真软件matlab首先对柴油发电机搭建模型，并对正常运行以及发生三种故障时进行仿真，得到几种情况的数据并建立数据库，再通过数据挖掘软件knime通过神经网络算法进行学习，最后对样本数据进行预测，判断出样本故障类型，达到智能判断柴油机故障的目的。

论文主要研究了柴油发电机故障类型自动判断的方法。

研究结果表明：在拥有样本数据的前提下，用knime对其进行数据挖掘可以建立一个神经网络来快速判断故障类型。

本文的特色：合理运用多个实用软件，达到目标。

关键词：knime；matlab；神经网络；数据挖掘

Abstract

With the help of MATLAB simulation software first the normal operation of the diesel generator and the occurrence of the fault of the simulation, several kinds of data and the establishment of a database, again through the data mining software knime by neural network algorithm for learning, and then to predict the sample data, judge the fault type of sample.

This paper mainly studies the method of fault type automatic judgment of diesel generator.

The research results show that, under the premise of owning the sample data, using knime to carry out data mining can establish a neural network to quickly determine the fault types.

The characteristics of this paper: rational use of multiple practical software, to achieve the goal.

Key Words：matlab；knime；neural network；data mining

目录

第1章 绪论 1

1.1 目的及意义 1

1.2设计的基本内容、目标、拟采用的技术方案及措施 1

1.3章节安排 1

第2章 柴油机发电机故障的仿真 3

2.1 Matlab的介绍及运用 3

2.2 柴油机故障模型 3

2.2.1 柴油机模型 6

2.2.2 升压变压器T 5

2.2.3 负载模块 6

2.3 Powergui模块初始化 7

2.4 获取正常与故障时的数据 8

2.4.1 故障类型介绍 8

2.4.2 正常运行时的数据的获取 8

2.4.3 故障时数据的获取 9

2.5 本章小结 9

第3章 数据库的建立 10

3.1软件介绍 10

3.2新建连接 10

3.3 导入数据 11

3.4 本章小结 12

第4章 神经网络与数据挖掘 13

4.1神经网络的介绍 13

4.1.1 MLP介绍 13

4.2数据挖掘的介绍 13

4.3 本章小结 15

第5章 knime工作流 16

5.1 knime介绍 16

5.2 工作流的搭建 16

5.3 本章小结 17

第6章 测试样本故障类型测试 18

6.1 获取测试样本数据 18

6.2 得到预测结果 18

6.3 不足之处与改进方法 18

6.4 本章小结 18

参考文献 19

致谢 20

第1章 绪论

本次论文主要设计了船舶柴油发电机机故障检测系统。在本章将说明此次设计的目的及意义，以及大体设计思路和论文章节安排。

1.1 目的及意义

随着航运业的快速发展，船舶的安全性越来越受到人们的关注。船舶动力系统的核心是柴油机，一旦其发生故障，将严重影响船舶的正常运行，造成巨大经济损失。

柴油机由于其结构复杂，工作条件恶劣，功率大，发生故障的可能性较大，如果仅靠人力去检查维修，不仅费时费力并且成本极高。在科学技术不断发展的今天，自动化技术越来越发达，传统柴油机故障检测方法已经不能满足人们的需求，新的检测技术应运而生，如基于专家系统的智能化诊断方法，基于神经网络的诊断方法等。现在国内外柴油机故障诊断的发展趋势是不解体化、高精度化、智能化及网络化。例如对于不解体检测的研究，包括美国、日本等国家已经将超薄型传感器安置在柴油机内，通过预埋传感器的方法就不需要拆开柴油机即可通过传感器了解柴油机内部的情况。而智能化，就包括对设备监测数据使用数据挖掘算法进行分析与预测，这样不仅故障维护效率高，准确度高，成本也大大降低。 

目前数据挖掘软件有很多，其中KNIME是一款具有友好交互界面的数据挖掘软件，整个开发都在可视化的环境下进行，通过简单的设置和拖拽就可以完成一个功能强大的程序的开发。

1.2设计的基本内容、目标、拟采用的技术方案及措施

1.了解KNIME数据挖掘软件的使用及柴油发电机电气故障原理如：

（1）发电机输入输出异常

（2）发电机励磁系统出现故障

（3）发电机输出导线发生短路

2. knime是一个能用来很简单的虚拟装配和交互执行数据管道的标准的环境Knime被设计成为一个教学，研究以及合作的平台为了充分利用大量不同种类的数据分析方法,knime能够简单而直观的使用,允许对分析进行快速和交互式的变换,用户可以可视化的搜索结果。为了应付这些挑战,数据流水线操作环境是再合适不过一种模型。它允许用户通过标准的组建模块可视化地组装和修改数据分析流，同时提供一种直观，图示的方法来记载操作日记。

3.目的是为了设计一个可以智能判断柴油机故障的程序或是流程。 

4.为了达到目的有几种方案

（1）可以直接在matlab中仿真并通过函数进行数据挖掘。我也有看到相关资料，是可行的。

（2）matlab仿真出来的数据直接导入mysql，再利用knime建立工作流对其进行数据挖掘。

（3）matlab仿真出来的数据建立一个excel表格，再将表格利用navicat for mysql导入mysql奖励数据库，最后用knime进行数据挖掘。

这三种方案并没有什么本质上的区别，都是利用matlab进行仿真，再通过数据挖掘软件来得到我们的目的。很明显，其中方法一最为简便，只需要利用matlab就可以实现目标。方法二三流程相似，最终我决定使用方法三，他用到的软件最多，可以拓展我的能力，达到锻炼自我的目的。

5. 在KNIME中搭建基于神经网络算法的工作流；基本思想是柴油机在正常运行状态下的数据必然有内部联系，可对其进行分析，一旦系统出现故障，其数据必定发生异常，利用神经网络对样本数据进行学习，就可以预测出测试数据发生的故障类型，即达到数据挖掘的目的。