基于離群特征分析的柴油機(jī)故障灰預(yù)測(cè)方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及的是一種故障預(yù)測(cè)方法，具體地說(shuō)是柴油機(jī)故障預(yù)測(cè)方法。
【背景技術(shù)】
[0002] 柴油機(jī)在交通運(yùn)輸、石油鉆井、礦山機(jī)械、應(yīng)急發(fā)電等經(jīng)濟(jì)生產(chǎn)領(lǐng)域中發(fā)揮著重要 的作用。柴油機(jī)結(jié)構(gòu)復(fù)雜，許多零部件處在高溫、高壓、高負(fù)荷的惡劣條件下工作，使得柴油 機(jī)故障率較高，維修保養(yǎng)費(fèi)用很大。統(tǒng)計(jì)表明，在柴油機(jī)的各種使用費(fèi)用中，維修保養(yǎng)方面 的支出達(dá)15-30%。此外，柴油機(jī)發(fā)生故障還會(huì)影響整個(gè)機(jī)械系統(tǒng)的正常工作，直接或間接 地造成巨大的經(jīng)濟(jì)損失，甚至危及人身安全。柴油機(jī)故障預(yù)測(cè)技術(shù)是實(shí)現(xiàn)故障早期預(yù)報(bào)和 預(yù)防維修的有效手段，對(duì)于消除事故的發(fā)生，確保柴油機(jī)的安全運(yùn)行具有重要作用。
[0003] 近年來(lái)，隨著信號(hào)處理技術(shù)和人工智能理論的不斷發(fā)展，包括專(zhuān)家系統(tǒng)預(yù)測(cè)、神經(jīng) 網(wǎng)絡(luò)預(yù)測(cè)、小波分析預(yù)測(cè)在內(nèi)的新的預(yù)測(cè)方法不斷出現(xiàn)，為柴油機(jī)狀態(tài)預(yù)測(cè)技術(shù)研宄提供 了理論基礎(chǔ)。然而，已有的柴油機(jī)狀態(tài)預(yù)測(cè)方法均是針對(duì)某個(gè)，或某幾個(gè)運(yùn)行參數(shù)而設(shè)計(jì) 的，僅能預(yù)測(cè)柴油機(jī)局部性能的變化趨勢(shì)，診斷范圍非常有限。柴油機(jī)（除小型農(nóng)機(jī)外）均 具有多個(gè)結(jié)構(gòu)和功能一致的氣缸，且柴油機(jī)的諸多故障與氣缸工作異常密切相關(guān)，如失火 引起的功率損失故障的產(chǎn)生原因是氣缸漏氣或不正時(shí)；整機(jī)功率不足故障的產(chǎn)生原因是氣 缸不爆發(fā)、氣缸或氣門(mén)漏氣、霧化不良等；排放惡化故障的產(chǎn)生原因是壓縮損失、燃油/空 氣濾清故障、燃油噴射時(shí)刻不正確等。因此，有研宄者提出通過(guò)檢測(cè)柴油機(jī)氣缸工作異常實(shí) 現(xiàn)柴油機(jī)故障的綜合診斷，該診斷方法可完成柴油機(jī)整體健康狀態(tài)的監(jiān)測(cè)功能。對(duì)于提高 柴油機(jī)運(yùn)行的安全性，實(shí)現(xiàn)對(duì)柴油機(jī)的視情維修具有重要的意義。
[0004] 經(jīng)對(duì)現(xiàn)有技術(shù)的文獻(xiàn)檢索發(fā)現(xiàn)，中國(guó)專(zhuān)利公開(kāi)號(hào)CN103969052A，公開(kāi)日 2014. 08. 06,專(zhuān)利名稱(chēng)為：基于離群分析的柴油機(jī)故障診斷方法，該專(zhuān)利申請(qǐng)自述為："本 發(fā)明涉及一種基于離群分析的柴油機(jī)故障診斷方法。首先，將采集到的氣缸運(yùn)行狀態(tài)數(shù)據(jù) 按照統(tǒng)一格式整理并作標(biāo)準(zhǔn)化計(jì)算，使得各項(xiàng)數(shù)據(jù)在保留原有信息的條件下從有量綱轉(zhuǎn)化 到無(wú)量綱；進(jìn)而，利用無(wú)量綱化的狀態(tài)參數(shù)，根據(jù)離群因子的定義，分別計(jì)算正常狀態(tài)氣缸 群和狀態(tài)異常氣缸的離群因子；最后，通過(guò)比較和分析完成對(duì)異常狀態(tài)氣缸離群程度的定 量描述"。其不足之處是：該診斷方法僅能夠量化描述柴油機(jī)氣缸的異常程度，但是無(wú)法對(duì) 其未來(lái)的劣化趨勢(shì)進(jìn)行預(yù)測(cè)，因而不能有效的指導(dǎo)工作人員對(duì)柴油機(jī)進(jìn)行視情維修。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明的目的在于提供能夠避免嚴(yán)重故障的發(fā)生，保障設(shè)備安全并降低維修成本 的基于離群特征分析的柴油機(jī)故障灰預(yù)測(cè)方法。
[0006] 本發(fā)明的目的是這樣實(shí)現(xiàn)的：
[0007] 本發(fā)明基于離群特征分析的柴油機(jī)故障灰預(yù)測(cè)方法，其特征是：
[0008] (1)利用數(shù)據(jù)采集系統(tǒng)相等時(shí)間間隔檢測(cè)氣缸運(yùn)行參數(shù)，包括：平均指示有效壓 力、爆發(fā)壓力、壓力升高率、燃燒最高溫度、排氣平均溫度，各缸發(fā)火時(shí)刻瞬時(shí)轉(zhuǎn)速、瞬時(shí)轉(zhuǎn) 速波動(dòng)率；
[0009] (2)利用標(biāo)準(zhǔn)化公式對(duì)氣缸運(yùn)行參數(shù)進(jìn)行標(biāo)準(zhǔn)化處理，使得各項(xiàng)數(shù)據(jù)在保留原有 信息的條件下實(shí)現(xiàn)從有量綱到無(wú)量綱的轉(zhuǎn)化；
[0010] (3)將柴油機(jī)氣缸的綜合運(yùn)行狀態(tài)作為聚類(lèi)分析對(duì)象，將標(biāo)準(zhǔn)化處理后的氣缸運(yùn) 行參數(shù)作為聚類(lèi)對(duì)象的屬性，利用蟻群聚類(lèi)算法分析待聚類(lèi)對(duì)象，實(shí)現(xiàn)故障氣缸的自動(dòng)分 離，并計(jì)算故障氣缸的離群因子；
[0011] (4)將故障氣缸離群因子構(gòu)成時(shí)間序列，在此基礎(chǔ)上，利用灰色模型預(yù)測(cè)分析其變 化趨勢(shì)，實(shí)現(xiàn)柴油機(jī)整體健康狀態(tài)的監(jiān)測(cè)功能。
[0012] 本發(fā)明還可以包括：
[0013] 1、所述的氣缸工作參數(shù)標(biāo)準(zhǔn)化處理是將氣缸工作參數(shù)按比例縮放，使之落入一個(gè) 特定區(qū)間，去除數(shù)據(jù)的單位限制，將其轉(zhuǎn)化為無(wú)量綱的純數(shù)值：采用數(shù)據(jù)0-1標(biāo)準(zhǔn)化方法， 定義X為樣本數(shù)據(jù)矩陣，則0-1標(biāo)準(zhǔn)化公式為：
【主權(quán)項(xiàng)】
1. 基于離群特征分析的柴油機(jī)故障灰預(yù)測(cè)方法，其特征是： (1) 利用數(shù)據(jù)采集系統(tǒng)相等時(shí)間間隔檢測(cè)氣缸運(yùn)行參數(shù)，包括：平均指示有效壓力、爆 發(fā)壓力、壓力升高率、燃燒最高溫度、排氣平均溫度，各缸發(fā)火時(shí)刻瞬時(shí)轉(zhuǎn)速、瞬時(shí)轉(zhuǎn)速波動(dòng) 率. (2) 利用標(biāo)準(zhǔn)化公式對(duì)氣缸運(yùn)行參數(shù)進(jìn)行標(biāo)準(zhǔn)化處理，使得各項(xiàng)數(shù)據(jù)在保留原有信息 的條件下實(shí)現(xiàn)從有量綱到無(wú)量綱的轉(zhuǎn)化； (3) 將柴油機(jī)氣缸的綜合運(yùn)行狀態(tài)作為聚類(lèi)分析對(duì)象，將標(biāo)準(zhǔn)化處理后的氣缸運(yùn)行參 數(shù)作為聚類(lèi)對(duì)象的屬性，利用蟻群聚類(lèi)算法分析待聚類(lèi)對(duì)象，實(shí)現(xiàn)故障氣缸的自動(dòng)分離，并 計(jì)算故障氣缸的離群因子； (4) 將故障氣缸離群因子構(gòu)成時(shí)間序列，在此基礎(chǔ)上，利用灰色模型預(yù)測(cè)分析其變化趨 勢(shì)，實(shí)現(xiàn)柴油機(jī)整體健康狀態(tài)的監(jiān)測(cè)功能。
2. 根據(jù)權(quán)利要求1所述的基于離群特征分析的柴油機(jī)故障灰預(yù)測(cè)方法，其特征是；所 述的氣缸工作參數(shù)標(biāo)準(zhǔn)化處理是將氣缸工作參數(shù)按比例縮放，使之落入一個(gè)特定區(qū)間，去 除數(shù)據(jù)的單位限制，將其轉(zhuǎn)化為無(wú)量綱的純數(shù)值：采用數(shù)據(jù)0-1標(biāo)準(zhǔn)化方法，定義X為樣本 數(shù)據(jù)矩陣，則0-1標(biāo)準(zhǔn)化公式為：
上式中，巧表示經(jīng)標(biāo)準(zhǔn)化處理后的矩陣元素，Xu表示樣本矩陣X中第i行，第j列的 元素，Xjtori表示第j列樣本數(shù)據(jù)中的最小值，X 表示第j列樣本數(shù)據(jù)中的最大值。
3. 根據(jù)權(quán)利要求1所述的基于離群特征分析的柴油機(jī)故障灰預(yù)測(cè)方法，其特征是；利 用蟻群聚類(lèi)算法分析待聚類(lèi)對(duì)象，實(shí)現(xiàn)故障氣缸的自動(dòng)分離，具體步驟包括： 將柴油機(jī)氣缸的綜合運(yùn)行狀態(tài)作為聚類(lèi)分析對(duì)象，將標(biāo)準(zhǔn)化處理后的氣缸運(yùn)行參數(shù)作 為聚類(lèi)對(duì)象的屬性，利用蟻群LF算法分析待聚類(lèi)對(duì)象，實(shí)現(xiàn)狀態(tài)異常氣缸的自動(dòng)分離，并 計(jì)算狀態(tài)異常氣缸的離群因子，柴油機(jī)氣缸離群特征分析包括"故障氣缸"的辯識(shí)和"故障 氣缸"離群因子計(jì)算； 所述的"故障氣缸"辯識(shí)是指利用蟻群LF算法對(duì)柴油機(jī)內(nèi)配置的多個(gè)氣缸進(jìn) 行聚類(lèi)分析；首先，利用公式
計(jì)算任兩個(gè)氣缸對(duì)象〇i和Oj.間 的曼哈頓距離，d化，op表示兩個(gè)氣缸對(duì)象〇i和0 /巧的曼哈頓距離，Xik、分別 表示對(duì)象0郝Oj的第k個(gè)屬性，P表示對(duì)象0郝Oj斯屬性個(gè)數(shù)；然后，利用公式
計(jì)算氣缸對(duì)象〇i與周?chē)鷼飧讓?duì)象間的平均 相似度:^化），r表示鄰近范圍的半徑，Nei曲(r)表示鄰近范圍，W表示曼哈頓距離的規(guī)模； 最后，根據(jù)公式
開(kāi)算媽蟻拾起氣缸對(duì)象的概率Pp(〇i)，ki為闊值常 數(shù)，根據(jù)公式
計(jì)算媽蟻放下氣缸對(duì)象的概率Pi(〇i)，實(shí) 現(xiàn)狀態(tài)異常的氣缸對(duì)象的自動(dòng)分離； 所述的"故障氣缸"離群因子計(jì)算是指計(jì)算故障氣缸與正常氣缸的偏離程度，計(jì)算方法 采用公式
L:為故障氣缸的離 群因子，Li為故障氣缸與其它正常氣缸間曼哈頓距離的平均值，L2為柴油機(jī)中任兩個(gè)氣缸 間曼哈頓距離的平均值，m為氣缸對(duì)象的個(gè)數(shù)。
4.根據(jù)權(quán)利要求1所述的基于離群特征分析的柴油機(jī)故障灰預(yù)測(cè)方法，其特征是；將 故障氣缸離群因子構(gòu)成時(shí)間序列，利用灰色模型預(yù)測(cè)分析其變化趨勢(shì)，其具體為： 采用公式
預(yù)測(cè)分析離群因子未來(lái)變化趨勢(shì)，實(shí)現(xiàn)柴油機(jī)整 體健康狀態(tài)的評(píng)估與預(yù)測(cè)功能，xW化-1)為故障氣缸離群因子原始值的一次累加生成， 足"乂幻為故障氣缸離群因子預(yù)測(cè)結(jié)果，a、b為預(yù)測(cè)參數(shù)列元素。
【專(zhuān)利摘要】本發(fā)明的目的在于提供基于離群特征分析的柴油機(jī)故障灰預(yù)測(cè)方法，首先，等時(shí)間間隔檢測(cè)柴油機(jī)氣缸的運(yùn)行參數(shù)；其次，利用數(shù)據(jù)0-1標(biāo)準(zhǔn)化方法對(duì)氣缸運(yùn)行參數(shù)進(jìn)行標(biāo)準(zhǔn)化處理；再次，將柴油機(jī)氣缸的綜合運(yùn)行狀態(tài)作為聚類(lèi)分析對(duì)象，將標(biāo)準(zhǔn)化處理后的氣缸運(yùn)行參數(shù)作為聚類(lèi)對(duì)象的屬性，利用蟻群LF算法分析待聚類(lèi)對(duì)象，實(shí)現(xiàn)故障氣缸的自動(dòng)分離，并計(jì)算故障氣缸的離群因子；最后，將故障氣缸離群因子構(gòu)成時(shí)間序列，在此基礎(chǔ)上，利用灰色模型預(yù)測(cè)分析其變化趨勢(shì)。根據(jù)本發(fā)明的故障診斷結(jié)果，可實(shí)現(xiàn)對(duì)柴油機(jī)有計(jì)劃、有針對(duì)性的視情維修，保障柴油機(jī)的運(yùn)行安全、降低維修費(fèi)用。
【IPC分類(lèi)】G06F17-50, G06Q10-04
【公開(kāi)號(hào)】CN104794283
【申請(qǐng)?zhí)枴緾N201510193877
【發(fā)明人】袁志國(guó), 費(fèi)景洲, 董佳瑩, 王金鑫, 王忠巍
【申請(qǐng)人】哈爾濱工程大學(xué)
【公開(kāi)日】2015年7月22日
【申請(qǐng)日】2015年4月22日