發(fā)動(dòng)機(jī)性能退化趨勢(shì)預(yù)測(cè)方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于摩擦學(xué)及故障診斷交叉技術(shù)領(lǐng)域，具體涉及一種發(fā)動(dòng)機(jī)性能退化趨勢(shì) 預(yù)測(cè)方法。
【背景技術(shù)】
[0002] 隨著經(jīng)濟(jì)的發(fā)展，我國(guó)已成汽車(chē)生產(chǎn)和消費(fèi)大國(guó)。汽車(chē)發(fā)動(dòng)機(jī)是一個(gè)復(fù)雜的機(jī)械 系統(tǒng)，由數(shù)千個(gè)零件組成，主要失效形式是磨損或者與磨損相關(guān)的失效，在發(fā)動(dòng)機(jī)總成故障 中占47.2%。
[0003] 但是目前發(fā)動(dòng)機(jī)磨損狀態(tài)監(jiān)測(cè)的主要手段是停機(jī)拆檢。停機(jī)拆檢對(duì)查找故障原因 更直接，但效率低、周期長(zhǎng)。換個(gè)角度看，有磨損就會(huì)產(chǎn)生磨肩，磨肩攜帶機(jī)器磨損信息進(jìn)入 潤(rùn)滑油中。對(duì)潤(rùn)滑油實(shí)施在線監(jiān)測(cè)就可望對(duì)發(fā)動(dòng)機(jī)的磨損狀態(tài)做出實(shí)時(shí)判斷。在線油液監(jiān) 測(cè)技術(shù)可以方便地實(shí)現(xiàn)發(fā)動(dòng)機(jī)潤(rùn)滑油磨粒濃度變化的在線監(jiān)測(cè)和零件磨損狀態(tài)的不解體 識(shí)別。例如西安交通大學(xué)開(kāi)發(fā)的在線圖像可視鐵譜儀(0LVF)兼有直讀鐵譜和分析鐵譜的功 能，可分析發(fā)動(dòng)機(jī)潤(rùn)滑油中磨粒濃度、尺寸等，實(shí)時(shí)獲取系統(tǒng)的磨損信息，實(shí)現(xiàn)了采樣過(guò)程 的參數(shù)化和自動(dòng)化。
[0004] 在已有的油液監(jiān)測(cè)手段的基礎(chǔ)上，許多學(xué)者嘗試進(jìn)行了裝備性能退化趨勢(shì)預(yù)測(cè)方 法的研究。趨勢(shì)預(yù)測(cè)方法主要包括基于模型預(yù)測(cè)和基于數(shù)據(jù)預(yù)測(cè)兩種。
[0005] 基于模型的故障預(yù)測(cè)技術(shù)要求對(duì)象系統(tǒng)的數(shù)學(xué)模型具有較高的精度，而針對(duì)復(fù)雜 的動(dòng)態(tài)系統(tǒng)通常難以建立精確的數(shù)學(xué)模型，這限制了基于模型的預(yù)測(cè)技術(shù)的實(shí)際應(yīng)用范圍 和效果?；跀?shù)據(jù)的預(yù)測(cè)技術(shù)不需要或只需要少量的對(duì)象系統(tǒng)的先驗(yàn)知識(shí)(數(shù)學(xué)模型和專(zhuān) 家經(jīng)驗(yàn)），以采集的數(shù)據(jù)為基礎(chǔ)，通過(guò)各種數(shù)據(jù)分析處理方法挖掘其中隱含信息進(jìn)行預(yù)測(cè)操 作，成為一種較為實(shí)用的預(yù)測(cè)方法。
[0006] 利用油液監(jiān)測(cè)數(shù)據(jù)進(jìn)行汽車(chē)裝備壽命預(yù)測(cè)時(shí)，主要采用基于數(shù)據(jù)驅(qū)動(dòng)的預(yù)測(cè)模 型。為了從"整機(jī)"磨損信息中獲取反映機(jī)器裝備系統(tǒng)磨損狀態(tài)的特征，其關(guān)鍵是趨勢(shì)預(yù)測(cè) 技術(shù)?；跀?shù)據(jù)的趨勢(shì)預(yù)測(cè)主要采用一些傳統(tǒng)預(yù)測(cè)方法，典型的有:神經(jīng)網(wǎng)絡(luò)、隱馬爾可夫 模型等。
[0007]傳統(tǒng)的預(yù)測(cè)方法雖然很多，但并不完全適于油液監(jiān)測(cè)技術(shù)，要單獨(dú)利用任何一種 方法準(zhǔn)確評(píng)估發(fā)動(dòng)機(jī)的磨損狀態(tài)還有一定的困難。汽車(chē)發(fā)動(dòng)機(jī)系統(tǒng)是一個(gè)復(fù)雜的時(shí)變系 統(tǒng)，具有高度的非線性和不確定性，這種不確定性使得很難精確的建立主觀模型，由此有必 要考慮磨損機(jī)理、根據(jù)發(fā)動(dòng)機(jī)系統(tǒng)的時(shí)變性特點(diǎn)來(lái)進(jìn)行動(dòng)態(tài)預(yù)測(cè)，提高預(yù)測(cè)的精度和可信 度。
[0008] 相比其他方法，相關(guān)向量機(jī)可以避免上述算法的缺陷。但是利用相關(guān)向量機(jī)還不 能做到根據(jù)預(yù)測(cè)結(jié)果對(duì)發(fā)動(dòng)機(jī)的健康狀態(tài)自動(dòng)做出客觀準(zhǔn)確的判斷。
[0009] 綜上，以往研究存在如下問(wèn)題：
[0010] (1)對(duì)發(fā)動(dòng)機(jī)潤(rùn)滑系統(tǒng)中磨粒濃度的變化規(guī)律缺少深入研究，未從系統(tǒng)角度研究 磨損率、外界條件及系統(tǒng)環(huán)境對(duì)磨粒濃度產(chǎn)生影響；
[0011] (2)油液監(jiān)測(cè)數(shù)據(jù)受外界干擾、測(cè)量誤差和監(jiān)測(cè)所得信息不完整等因素影響而帶 有的"噪聲"，影響了特征信息的提取，無(wú)法揭示裝備的真實(shí)狀態(tài)；
[0012] (3)對(duì)于油液監(jiān)測(cè)數(shù)據(jù)與發(fā)動(dòng)機(jī)磨損狀態(tài)之間、發(fā)動(dòng)機(jī)磨損演化規(guī)律與發(fā)動(dòng)機(jī)壽 命之間的關(guān)聯(lián)性仍不明朗，所以有必要從系統(tǒng)角度來(lái)研究發(fā)動(dòng)機(jī)油液監(jiān)測(cè)數(shù)據(jù)與磨粒濃度 變化規(guī)律之間的對(duì)應(yīng)關(guān)系，進(jìn)而根據(jù)油液監(jiān)測(cè)數(shù)據(jù)預(yù)測(cè)發(fā)動(dòng)機(jī)磨損狀態(tài)和剩余壽命。
[0013] 因此，隨著在線油液監(jiān)測(cè)技術(shù)的發(fā)展，本發(fā)明利用其中的在線可視鐵譜技術(shù) (0LVF)，從0LVF監(jiān)測(cè)所得信息中提取出磨損特性，并做出剩余壽命預(yù)測(cè)。

【發(fā)明內(nèi)容】

[0014] 本發(fā)明的目的在于克服上述現(xiàn)有技術(shù)的不足，深入挖掘在線可視鐵譜儀(0LVF)監(jiān) 測(cè)數(shù)據(jù)中的隱含信息，提供一種發(fā)動(dòng)機(jī)性能退化趨勢(shì)預(yù)測(cè)方法。本發(fā)明采用數(shù)據(jù)處理方法 修正發(fā)動(dòng)機(jī)油液監(jiān)測(cè)過(guò)程中的噪聲數(shù)據(jù)，對(duì)監(jiān)測(cè)數(shù)據(jù)進(jìn)行重構(gòu)；構(gòu)建適用于0LVF的預(yù)測(cè)模 型以實(shí)現(xiàn)汽車(chē)主要裝備的性能退化趨勢(shì)評(píng)估預(yù)測(cè)，從而解決以往方法手段無(wú)法準(zhǔn)確實(shí)現(xiàn)發(fā) 動(dòng)機(jī)性能退化趨勢(shì)預(yù)測(cè)的技術(shù)問(wèn)題。
[0015] 本發(fā)明的技術(shù)方案為：
[0016] 發(fā)動(dòng)機(jī)性能退化趨勢(shì)預(yù)測(cè)方法，包括以下步驟：
[0017] 步驟一、監(jiān)測(cè)數(shù)據(jù)序列重構(gòu)：
[0018] 利用時(shí)空延遲修正、坐標(biāo)延遲修正、相鄰三點(diǎn)殘差平均修正、倍增值KIPCA倒數(shù)計(jì)算 對(duì)發(fā)動(dòng)機(jī)試驗(yàn)過(guò)程中的0LVF檢測(cè)數(shù)據(jù)進(jìn)行重構(gòu)；
[0019] 步驟二、構(gòu)建灰色相關(guān)向量機(jī)預(yù)測(cè)模型：
[0020] (1)模型訓(xùn)練:將步驟一中重構(gòu)的0LVF監(jiān)測(cè)數(shù)據(jù)用于模型訓(xùn)練，利用訓(xùn)練數(shù)據(jù)序列 建立灰色預(yù)測(cè)模型GM，將灰色預(yù)測(cè)模型GM的預(yù)測(cè)殘差值作為輸入，原始數(shù)據(jù)序列作為輸出， 訓(xùn)練得到訓(xùn)練好的相關(guān)向量機(jī)預(yù)測(cè)模型RVM;
[0021] (2)模型預(yù)測(cè)：由建立的灰色預(yù)測(cè)模型GM和訓(xùn)練好的相關(guān)向量機(jī)預(yù)測(cè)模型RVM組合 得到灰色相關(guān)向量機(jī)預(yù)測(cè)模型GM-RVM，并通過(guò)引入滑移窗算法，不斷更新數(shù)據(jù)中的信息； [0022]步驟三、構(gòu)建改進(jìn)相關(guān)向量機(jī)模型：
[0023]灰色相關(guān)向量機(jī)預(yù)測(cè)模型GM-RVM結(jié)合PS0優(yōu)化后得到改進(jìn)相關(guān)向量機(jī)模型。
[0024]步驟四、構(gòu)建換油后油液監(jiān)測(cè)數(shù)據(jù)修正模型
[0025]改進(jìn)相關(guān)向量機(jī)模型依據(jù)換油之前的N個(gè)序列數(shù)據(jù)預(yù)測(cè)換油后的第N+1個(gè)點(diǎn)的值， 將該預(yù)測(cè)值與換油后的第一個(gè)實(shí)際數(shù)據(jù)求差，該差值作為補(bǔ)償量，用于修正換油后的IPCA。 [0026] 步驟一中，對(duì)0LVF監(jiān)測(cè)數(shù)據(jù)進(jìn)行時(shí)空延遲修正，處理算法如下：
[0027] 數(shù)據(jù)樣本為x = {xi(t)，i = l，2，...n}，t對(duì)應(yīng)該樣本的采樣時(shí)間，設(shè)定一時(shí)間坐標(biāo) 延遲量Δ :，則其時(shí)間坐標(biāo)重構(gòu)結(jié)果XnewlS:
[0028] Xnewi= {xi(t- Ai),i = l,...n}〇
[0029] 步驟一中，對(duì)0LVF監(jiān)測(cè)數(shù)據(jù)的坐標(biāo)延遲修正，處理算法如下：
[0030] (a)當(dāng)0LVF監(jiān)測(cè)過(guò)程發(fā)生補(bǔ)油，進(jìn)行補(bǔ)油坐標(biāo)延遲修正;根據(jù)經(jīng)過(guò)時(shí)空延遲計(jì)算后 的數(shù)據(jù)xnewi= {xnewi⑴，i = l，2,. . .η}，判定當(dāng)補(bǔ)油發(fā)生時(shí)濃度變化系數(shù)Cd!，得到補(bǔ)油后空 間坐標(biāo)重構(gòu)結(jié)果χη?2為： γ _ (戲'1(/) · _1 y
[0031 ] -^newl ~ i~^ , i - 1, ^, n j Lch - .，.
[0032] (b)當(dāng)OLVF監(jiān)測(cè)過(guò)程發(fā)生換油，進(jìn)行補(bǔ)油坐標(biāo)延遲修正;根據(jù)經(jīng)過(guò)時(shí)空延遲計(jì)算后 的數(shù)據(jù) Xnewl= {Xnewl⑴，i = 1，2，. . .η}和換油后油液監(jiān)測(cè)數(shù)據(jù)修正模型得到補(bǔ)償量Δ Y，得到 換油后空間坐標(biāo)重構(gòu)結(jié)果XMW2為：
[0033] xnew2={xnewi(i)+ A Y，i = l，2, · · ·η}〇
[0034] 步驟一中，對(duì)0LVF監(jiān)測(cè)數(shù)據(jù)的相鄰三點(diǎn)殘差平均修正，處理算法如下：
[0035] 對(duì)0LVF監(jiān)測(cè)數(shù)據(jù)經(jīng)過(guò)所述時(shí)空延遲修正、坐標(biāo)延遲修正后，得到數(shù)值序列Xnew2 = (Xnew2(l),xnew2(2),……，)，對(duì)數(shù)值序列XnW進(jìn)行相鄰三點(diǎn)殘差平均修正，消除數(shù)據(jù)噪 聲后的修正結(jié)果Xnew3為： _6] -2 l〈l<n i:v、謝 o
[0037]步驟一中，OLVF監(jiān)測(cè)數(shù)據(jù)的倍增值KIPCA倒數(shù)計(jì)算，處理算法如下：
[0038] 對(duì)于0LVF監(jiān)測(cè)數(shù)據(jù)經(jīng)過(guò)所述時(shí)空延遲修正、坐標(biāo)延遲修正和相鄰三點(diǎn)殘差平均修 正后，使用滑移窗口進(jìn)行數(shù)據(jù)分段，然后提取IPCA倍增系數(shù)KIPCA:
[0039] Kipca= (T2-Ti)*log γ /log(IPCA2)-log(IPCAi)
[0040] 式中，IPCA2:磨損監(jiān)測(cè)過(guò)程滑移窗中找到的最大值;IPCA1:W窗口內(nèi)最大值IPCA2 向前搜索到的非零最小值；γ :倍數(shù)值。
[0041 ]步驟四中，構(gòu)建換油后油液監(jiān)測(cè)數(shù)據(jù)修正模型，其具體過(guò)程如下：
[0042] 1)利用改進(jìn)相關(guān)向量機(jī)模型算法得到預(yù)測(cè)結(jié)果￥_
[0043] Ypre = YGM-RVM；
[0044] 2)計(jì)算補(bǔ)償值ΔΥ
[0045] 計(jì)算預(yù)測(cè)結(jié)果與換油后0LVF監(jiān)測(cè)數(shù)據(jù)之間的差值
[0046] AY = Ypre-IPCA(oc)new；
[0047] 式中，YPre:改進(jìn)相關(guān)向量機(jī)模型預(yù)測(cè)模的型預(yù)測(cè)結(jié)果；IPCA(°e)new:換油后OLVF監(jiān) 測(cè)數(shù)據(jù)；
[0048] 3)結(jié)果修正
[0049] 利用換油后的0LVF監(jiān)測(cè)數(shù)據(jù)反推假定未換油時(shí)的0LVF監(jiān)測(cè)數(shù)據(jù)IPCA(clc;)ne3W如下
[0050] IPCA^Vid: IPCA(〇c)new+ Δ Y。
[0051] 本發(fā)明具有以下優(yōu)點(diǎn)：
[0052] 1.本發(fā)明的改進(jìn)R