CN102494899A - 柴油机复合故障诊断方法及诊断系统 - Google Patents

Abstract

本发明公开了柴油机复合故障诊断方法及诊断系统，通过状态参数测量法检测燃油流量监测、尾气排放、温度检测等综合分析，来诊断柴油机供油系统故障。振动分析通过振动加速度传感器测量振动信号，先采用经验模态分解EMD除噪声，然后采用流形学习方法提取振动信号加速度的特征参数；对于活塞缸故障，采用振动分析与油液分析相结合，根据振动幅值以及Fe元素的含量，判断摩擦磨损程度。根据这些故障特征信息融合，对比典型故障特征，实现了柴油机的复合故障诊断。基于多特征信息融合，开发柴油机故障诊断系统，充分利用各种特征信息，提高诊断速度和精确度，实现优势互补，提高柴油机的故障诊断水平。

Description

柴油机复合故障诊断方法及诊断系统

技术领域

本发明涉及柴油机故障诊断技术领域，特别涉及柴油机复合故障诊断方法及诊断系统。 

背景技术

目前，柴油机故障诊断常用的方法有转速测量法、振动分析和油液分析。转速测量法是柴油机转速测量法是在柴油机连接部件上安装传感器测量柴油机转速。转速是柴油机运行过程中一种状态的体现。 

振动分析是通过应用各种动态测试仪器采集、记录和分析柴油机中振动部件的振动时频域信号变化。振动信号处理主要包括时域分析、频域分析和时频域分析等。油液分析技术主要包括铁谱分析和光谱分析，是对柴油机进行状态监测与故障诊断的重要手段，可对柴油机摩擦副磨损过程、磨损失效的类型以及磨损机理分析。振动分析技术则通过对振动部位的时频域分析确定故障产生的部位。油液分析技术通过对润滑油的检测可发现早期的轻微磨损故障。当摩擦副磨损的磨粒尺寸较大时，油液取样比较困难，因而油液分析中采用铁谱分析技术常采用多次采样检测的办法。当摩擦副磨损程度严重，振动分析相对有效，但振动分析依赖分析软件。油液分析技术中的铁谱分析耗时，需要实验设备配置和磨粒的专家识别技术等，而振动分析相对快捷，能够采用便携式频谱分析仪进行现场分析。 

目前市场上出现了两种：一种是电控柴油机故障诊断系统，通过硬件协议转换器以及同控制器和计算机的通信，从控制器中读取柴油机的故障码信息，从而实时监测柴油机的运行参数和车辆状态信息，实现柴油机的动态测试与油量检测等。这种故障诊断系统具有历史管理功能，实现了电控柴油机 的实时检测。另一种是柴油机智能诊断方法，先诊断柴油机的供油系统，再通过检测柴油机的输出功率，从而定位柴油机的故障缸，最后诊断故障缸的异响。然而，这些技术检测手段相对单一，也没有对振动噪声处理以及没有反映出摩擦副磨损的程度，检测周期长、故障检测的准确率不够理想。 

发明内容

本发明目的在于克服现有技术存在的上述不足，提供柴油机复合故障诊断方法及诊断系统，本发明充分利用柴油机各种特征信息，提高诊断速度和精确度，实现优势互补。 

本发明目的通过下述方案实现： 

柴油机复合故障诊断方法，包括柴油机的状态参数监测、振动信号分析和油液分析，所述的状态参数监测通过测功系统，所述的振动信号分析采用经验模态分解EMD除噪声和流形学习特征提取结合，所述油液分析采用光谱分析。 

所述柴油机的状态参数监测是至少包括监测柴油机的油耗、尾气、柴油机的进出水温度、机油温度参数。 

所述的振动分析采用经验模态分解EMD和流形学习结合，包括以下步骤： 

1)振动加速度传感器测量柴油机各缸的振动加速度； 

2)数据采集卡具有16个同步输入通道，在采样频率内，对振动加速度信号采集； 

3)振动分析仪对信号分析，提取振动加速度时域信号，该时域信号至少包括平均值、均方值、有效值、峰值、裕度和峭度六个特征参数； 

4)引起柴油机振动的振源信息直接或者间接地体现在柴油机各缸体机体表面上，采用经验模态分解EMD除噪声柴油机振动信号的去噪处理；将振动信号X_ij分解为本征模函数C_j(t)和残余分量R_n(t)； 

$X_{\mathrm{ij}}\left(t\right)=\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{C}_j\left(t\right)+R_n\left(t\right)$

5)采用基于谱方法的海赛局部线性嵌入流形学习算法，选取除去噪声后的振动加速度特征六个特征值；根据传感器数量k以及特征值参数N，构造高维数据矩阵M_KXN； 

6)海赛局部线性嵌入算法是对M_KXN矩阵做奇异值分解，获得矩阵U，D和P。U为kXmin(k，n)。U中的前s列构成N_i的切坐标；构造s(s+1)/2维的Hessian矩阵Q_ij；对Q_ij作特征分析，提取对应于最小特征值的s+1维子空间，得到嵌入坐标，从而提取振动的故障特征信息；二次型对称矩阵Q_ij为： 

$Q_{\mathrm{ij}}=\underset{l}{\mathrm{\Σ}}\underset{r}{\mathrm{\Σ}}\left({\left(Q^S\right)}_{r,i}{\left(Q^S\right)}_{r,j}\right).$

所述油液分析是分析润滑油中Fe元素的含量；对润滑油定时采样：分析摩擦副的磨损状况；采用光谱分析，检测油样中Fe元素的变化来判定柴油机活塞的磨损程度。 

所述对摩擦副采用振动分析和油液分析相结合的方法确定摩擦副的故障。 

用于柴油机复合故障诊断方法的诊断系统，所述诊断系统包括依次连接的信号采集模块、信号处理模块、显示模块，所述信号处理模块还与数据库管理模块连接；所述信号采集模块连接柴油机测试平台。 

所述信号采集模块包括依次连接的传感器、信号调整电路和数据采集卡。 

所述信号采集模块，提供柴油机故障诊断系统的数据来源，实现信号的获取，当柴油机在测试平台运转稳定后，通过信号采集模块实时采集柴油机状态故障信息； 

信号处理模块，按柴油机工况要求对输入信号进行分析、处理与存储。基于神经网络和灰色关联度，实现多信息的融合与识别，根据数据库中的历史记录对结果进行分析，判断柴油机故障的类型； 

数据库管理模块，对采集的数据和经过分析处理后的数据进行管理以及典型故障特征数据库的存储，实现记录各通道采用信息以及特征参数； 

显示模块，将分析结果显示在计算机的系统界面上，操作人员通过系统界面对柴油机进行状态检测与故障诊断，包括状态与特征参数显示、图形显示、故障诊断结果以及故障异常报警。 

用于柴油机复合故障诊断方法的柴油机测试平台，包括水箱、压力传感器、水涡流测功机、联轴器、测功系统、变速箱、柴油机、台架、油箱、油耗仪、振动加速度传感器、数据采集卡、振动分析仪、计算机、尾气分析仪、光谱分析仪；柴油机输出的轴联接变速箱，变速箱通过联轴器与水涡流测功机连接，水涡流测功机将加载传递给柴油机； 

所述柴油机通过振动加速度传感器连接数据采集卡、振动分析仪，计算机；所述柴油机还分别连接尾气分析仪、光谱分析仪，所述尾气分析仪与计算机连接；所述油耗仪分别与油箱、测功系统、柴油机连接； 

所述测功系统分别与水涡流测功机、柴油机连接；所述水箱分别连接柴油机和水涡流测功机；所述水涡流测功机还安装有压力传感器。 

本发明相对于现有技术，具有如下的优点及效果： 

本发明通过对通过测试平台，对柴油机的状态参数测量法、振动分析与 油液分析相结合。通过对柴油机状态参数测量法检测燃油流量监测、尾气排放、温度检测等综合分析，来诊断柴油机供油系统故障。振动分析通过振动加速度传感器测量振动信号，先采用经验模态分解EMD除噪声，然后采用流形学习方法提取振动信号加速度的特征参数；油液分析采用光谱分析。对于活塞缸故障，采用振动分析与油液分析相结合，根据振动幅值以及Fe元素的含量，判断摩擦磨损程度。根据这些故障特征信息融合，对比典型故障特征，从而实现了柴油机的复合故障诊断。基于多特征信息融合，开发柴油机故障诊断系统。本专利充分利用各种特征信息，提高诊断速度和精确度，实现优势互补，在柴油机的故障诊断中显示了极大的潜力。它的应用将有利于柴油机故障诊断水平的提高。 

附图说明

图1是本发明柴油机复合故障诊断方法中使用的柴油机测试平台结构示意图。 

图2是本发明柴油机复合故障诊断方法流程示意图。 

图3是柴油机的油耗变化示意图。 

图4、图5分别是柴油机缸体振动信号和光谱分析示意图。 

图6是本发明柴油机复合故障诊断方法的诊断系统的结构示意图。 

具体实施方式

下面结合实施例及附图对本发明作进一步详细说明，但本发明的实施方式不限于此。 

实施例 

由图1所示，用于柴油机复合故障诊断方法的柴油机测试平台，包括水箱1、压力传感器2、水涡流测功机3、联轴器4、测功系统5、变速箱6、柴油机7、台架8、油箱9、油耗仪10、振动加速度传感器11、数据采集卡12、 振动分析仪13、计算机14、尾气分析仪15、光谱分析仪16；柴油机7输出的轴联接变速箱6，变速箱6通过联轴器4与水涡流测功机3连接，水涡流测功机3将加载传递给柴油机7； 

所述柴油机7通过振动加速度传感器11连接数据采集卡12、振动分析仪13，计算机14；所述柴油机7还分别连接尾气分析仪15、光谱分析仪16，所述尾气分析仪15与计算机14连接；所述油耗仪10分别与油箱9、测功系统5、柴油机7连接； 

所述测功系统5分别与水涡流测功机3、柴油机7连接；所述水箱1分别连接柴油机7和水涡流测功机3；所述水涡流测功机3还安装有压力传感器2。 

通过状态参数监测柴油机的油耗率、机油温度、进出水温度、排气温度、油压、输出功率、转速、扭矩、转速以及尾气等。测功系统可以对水箱1温度、柴油机7进出水温度、机油温度、输出扭矩以及转速等监测。尾气分析仪15分析柴油机7尾气信息等。通过这些状态参数，可以初步判定柴油机7运行状况和供油系统等故障。柴油机7在不同时间不同工况下的油耗变化如图3所示，油耗随着工况出现波动，油耗随着转速和负载的增加而相应会增加。当柴油机7在60小时，工况转速为1800r/min时燃油油耗突然下降，经过对比分析，可以初步判定供油系统出现故障。 

如图2所示，对柴油机7的摩擦副活塞缸异响，采用振动分析与油液分析相结合的方法。振动分析采用经验模态分解EMD去除噪声，然后采用流形学习特征提取微弱振动故障信号。流形学习是一种新的无监督机器学习方法，发现嵌入在高维数据空间中观测数据的低维光滑流形，并求出相应的嵌入映射，提取故障特征信息。振动分析采用EMD除噪声和流形学习结合。其步骤包括(结合图1)： 

1)振动加速度传感器测量柴油机各缸的振动加速度； 

2)数据采集卡具有16个同步输入通道，在采样频率内，对振动加速度信 号采集； 

3)振动分析仪对信号分析，提取振动加速度时域信号，该时域信号至少包括平均值、均方值、有效值、峰值、裕度和峭度六个特征参数； 

4)引起柴油机振动的振源信息直接或者间接地体现在柴油机各缸体机体表面上，采用经验模态分解EMD除噪声柴油机振动信号的去噪处理；将振动信号X_ij分解为本征模函数C_j(t)和残余分量R_n(t)； 

$X_{\mathrm{ij}}\left(t\right)=\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{C}_j\left(t\right)+R_n\left(t\right)$

5)采用基于谱方法的海赛局部线性嵌入流形学习算法，选取除去噪声后的振动加速度特征六个特征值；根据传感器数量k以及特征值参数N，构造高维数据矩阵M_KXN； 

对柴油机7的润滑油进行光谱分析是进行柴油机磨损检测的有效手段。Fe元素是构成活塞材料主要元素之一，光谱分析仪分析润滑油中Fe元素的含量来判断摩擦副表面磨损程度。方法简单而且可靠，可以预报可能的失效和磨损率。在柴油机运行过程中，对润滑油定时采样，根据光谱分析结果，分析摩擦副的磨损状况。 

对柴油机7活塞缸采用振动分析和油液分析相结合的方法精确摩擦副的故障。活塞的故障间接传递到活塞缸，可以对活塞缸的振动分析，同时采集润滑系统中的润滑油进行光谱分析。4100型柴油机四缸振动振幅和油样光谱分析如图4、图5所示。活塞在缸套中运行时，因某种原因造成部分零件损坏，使活塞因相互作用被拉伤而影响柴油机正常运转。在400小时，采集到第二缸的振动振幅信号出现很大的变化，同时通过光谱分析，Fe元素相应地增加很多，通过对比分析其它三缸，因此可以判定第二缸活塞出现较大的磨损。 

如图5所示，用于柴油机复合故障诊断方法的诊断系统，所述诊断系统包 括依次连接的信号采集模块、信号处理模块、显示模块，所述信号处理模块还与数据库管理模块连接；所述信号采集模块连接柴油机测试平台。 

所述信号采集模块包括依次连接的传感器、信号调整电路和数据采集卡。 

所述信号采集模块，提供柴油机故障诊断系统的数据来源，实现信号的获取，当柴油机在测试平台运转稳定后，通过信号采集模块实时采集柴油机状态故障信息； 

信号处理模块，按柴油机工况要求对输入信号进行分析、处理与存储；基于神经网络和灰色关联度，实现多信息的融合与识别，根据数据库中的历史记录对结果进行分析，判断柴油机故障的类型； 

数据库管理模块，对采集的数据和经过分析处理后的数据进行管理以及典型故障特征数据库的存储，实现记录各通道采用信息以及特征参数； 

显示模块，将分析结果显示在计算机的系统界面上，操作人员通过系统界面对柴油机进行状态检测与故障诊断，包括状态与特征参数显示、图形显示、故障诊断结果以及故障异常报警。 

如上所述，便可较好地实现本发明。 

上述实施例仅为本发明较佳的实施方式，但本发明的实施方式并不受上述实施例的限制，其他任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。 

Claims (8)

1.柴油机复合故障诊断方法，其特征在于：包括柴油机的状态参数监测、振动信号分析和油液分析，所述的状态参数监测通过测功系统，所述的振动信号分析采用经验模态分解EMD除噪声和流形学习特征提取结合，所述油液分析采用光谱分析。

2.根据权利要求1所述的柴油机复合故障诊断方法，其特征在于：所述柴油机的状态参数监测是至少包括监测柴油机的油耗、尾气、柴油机的进出水温度、机油温度参数。

3.根据权利要求2所述的柴油机复合故障诊断方法，其特征在于：所述的振动分析采用经验模态分解EMD和流形学习结合，包括以下步骤：

1)振动加速度传感器测量柴油机各缸的振动加速度；

2)数据采集卡具有16个同步输入通道，在采样频率内，对振动加速度信号采集；

3)振动分析仪对信号分析，提取振动加速度时域信号，该时域信号至少包括平均值、均方值、有效值、峰值、裕度和峭度六个特征参数；

4)引起柴油机振动的振源信息直接或者间接地体现在柴油机各缸体机体表面上，采用经验模态分解EMD除噪声柴油机振动信号的去噪处理；将振动信号X_ij分解为本征模函数C_j(t)和残余分量R_n(t)；

$X_{\mathrm{ij}}\left(t\right)=\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{C}_j\left(t\right)+R_n\left(t\right)$

5)采用基于谱方法的海赛局部线性嵌入流形学习算法，选取除去噪声后的振动加速度特征六个特征值；根据传感器数量k以及特征值参数N，构造高维数据矩阵M_KXN；

6)海赛局部线性嵌入算法是对M_KXN矩阵做奇异值分解，获得矩阵U，D和P。U为kXmin(k，n)。U中的前s列构成N_i的切坐标；构造s(s+1)/2维的Hessian矩阵Q_ij；对Q_ij作特征分析，提取对应于最小特征值的s+1维子空间，得到嵌入坐标，从而提取振动的故障特征信息；二次型对称矩阵Q_ij为：

$Q_{\mathrm{ij}}=\underset{l}{\mathrm{\Σ}}\underset{r}{\mathrm{\Σ}}\left({\left(Q^S\right)}_{r,i}{\left(Q^S\right)}_{r,j}\right).$

4.根据权利要求3所述的柴油机复合故障诊断方法，其特征在于：所述油液分析是分析润滑油中Fe元素的含量；对润滑油定时采样：分析摩擦副的磨损状况；采用光谱分析，检测油样中Fe元素的变化来判定柴油机活塞的磨损程度。

5.根据权利要求4所述的柴油机复合故障诊断方法，其特征在于：所述对摩擦副采用振动分析和油液分析相结合的方法确定摩擦副的故障。

6.用于柴油机复合故障诊断方法的诊断系统，其特征在于：所述诊断系统包括依次连接的信号采集模块、信号处理模块、显示模块，所述信号处理模块还与数据库管理模块连接；所述信号采集模块连接柴油机测试平台。

7.根据权利要求6所述柴油机复合故障诊断方法的诊断系统，其特征在于：所述信号采集模块包括依次连接的传感器、信号调整电路和数据采集卡。

8.根据权利要求7所述柴油机复合故障诊断方法的诊断系统，其特征在于：所述信号采集模块，提供柴油机故障诊断系统的数据来源，实现信号的获取，当柴油机在测试平台运转稳定后，通过信号采集模块实时采集柴油机状态故障信息；

信号处理模块，按柴油机工况要求对输入信号进行分析、处理与存储；基于神经网络和灰色关联度，实现多信息的融合与识别，根据数据库中的历史记录对结果进行分析，判断柴油机故障的类型；

数据库管理模块，对采集的数据和经过分析处理后的数据进行管理以及典型故障特征数据库的存储，实现记录各通道采用信息以及特征参数；

显示模块，将分析结果显示在计算机的系统界面上，操作人员通过系统界面对柴油机进行状态检测与故障诊断，包括状态与特征参数显示、图形显示、故障诊断结果以及故障异常报警。

Images