CN102680242B - 基于群体智能的柴油机故障诊断方法 - Google Patents

Abstract

本发明的目的在于提供基于群体智能的柴油机故障诊断方法，包括以下步骤：检测柴油机气缸运行信息包括气缸进排气温度、进排气压力、主轴瞬时转速；将温度、压力信息进行数/模转换、滤波，根据柴油机上止点信号和气缸发火次序，分解主轴瞬时转速数据，获得各气缸在发火做功时对应的瞬时转速信息；将处理后的信息分两路送出，第一路信息利用群体智能聚类算法将气缸进排气温度、进排气压力、瞬时转速作为聚类对象进行聚类，找出状态异常气缸；将第二路信息和上述结果通过基于贝叶斯网络技术融合运行参数信息，诊断柴油机的故障原因和部位。本发明可实现柴油机近乎“零故障”的高质量运行，从而提高船舶航行的安全性和经济性。

Description

基于群体智能的柴油机故障诊断方法

技术领域

本发明涉及的是一种故障诊断方法，具体地说是柴油机故障诊断方法。

背景技术

船舶柴油机是船舶的动力之源，是保障船舶安全航行的关键。船舶柴油机故障诊断系统通过连续监测柴油机的运行状态、实时评估其性能退化情况进行故障的早期预报，并在此基础上实现船舶柴油机故障的预防性维修。

已有的柴油机故障诊断系统均是基于大量典型故障样本设计的，即将实测数据与代表故障状态的特征数据做比较，通过逻辑推理来诊断柴油机故障。基于典型故障样本的柴油机故障诊断技术相对比较成熟，已取得了许多研究成果，然而，获取大量的柴油机各类故障样本非常困难，且需要长期的搜集和积累工作。此外，柴油机结构、型号多样，即使是同一型号的柴油机，由于制造、装配等误差，使用时间的不同，其机械动力特性也不一致，造成已掌握的故障样本通用性差，典型故障样本缺乏已严重阻碍柴油机诊断系统的开发与应用。发明一种不依赖典型故障样本，且适用范围广的船舶柴油机故障诊断系统，对于实现船舶柴油机故障的预防性维修、保障船舶安全航行具有重要意义。

经对现有技术的文献检索发现，中国专利公开号CN102095588A，公开日为2011.06.15，专利名称为：柴油机故障智能诊断方法，该专利申请自述为：“本发明公开了一种柴油机故障智能诊断方法，包括如下步骤：1）判断待检测柴油机功率，如功率下降则为故障柴油机；2）定位故障柴油机的故障缸；3）诊断故障缸的供油系统，若有故障则提供该故障信息；4）若故障缸的供油系统无故障，则诊断故障缸的气密性，若气密性有故障则提供该故障信息；5）若故障缸的气密性无故障，则诊断故障缸的异响，若有异响则提供该异响信息；6）若故障缸无异响，则判断待检测柴油机处于无故障状态”。其不足之处是：该诊断方法依赖固定型号柴油机的故障样本数据，其通用性差，此外该诊断方法把柴油机故障定位为单一原因，而通常情况下，柴油机故障是由多种原因共同造成的，所以该诊断方法的诊断结果不准确。

发明内容

本发明的目的在于提供提高船舶航行的安全性和经济性的基于群体智能的柴油机故障诊断方法，

本发明的目的是这样实现的：

本发明基于群体智能的柴油机故障诊断方法，其特征是：

（1）检测柴油机气缸运行信息包括气缸进排气温度、进排气压力、主轴瞬时转速；

（2）将温度、压力信息进行数/模转换、滤波，根据柴油机上止点信号和气缸发火次序，分解主轴瞬时转速数据，获得各气缸在发火做功时对应的瞬时转速信息；

（3）将步骤（2）处理后的信息分两路送出，第一路信息利用群体智能聚类算法将气缸进排气温度、进排气压力、瞬时转速作为聚类对象进行聚类，找出状态异常气缸；

（4）将第二路信息和步骤（3）结果通过基于贝叶斯网络技术融合运行参数信息，诊断柴油机的故障原因和部位。

本发明还可以包括：

1、所述的找出状态异常气缸的方法为：

令数据集D表示数据的集合，聚类算法在D上执行后，其结果表示为：C＝{C₁,C₂,…,C_k}，其中

1≤i,j≤k且i≠j

k为聚类后簇的数量；

定义“大”簇和“小”簇：C＝{C₁,C₂,…,C_k}是簇的集合，并且满足|C₁|≥|C₂|≥…≥|C_k|，给定两个参数α和β，在满足下面的任一条件时，定义b是“大”簇和“小”簇的边界；

(|C₁|+|C₂|+…+|C_b|)≥|D|·α

|C_b|/|C_b+1|≥β

则“大”簇的集合定义为：LC＝{C_i|i≤b}，

“小”簇的集合定义为：SC={C_j|j＞b}；

对任意的数据集中的元组t，t的基于聚类的局部离群因子L为：

$L=\left\{\begin{array}{cc}\min \left(\mathrm{dis}(t,C_j)\right)/\left|C_i\right|& \mathrm{wheret}\∈C_i,C_i\∈\mathrm{SC},C_j\∈\mathrm{LC}\\ \mathrm{dis}(t,C_i)/\left|C_i\right|& \mathrm{wheret}\∈C_i,C_i\∈\mathrm{LC}\end{array}\right.$

dis(t,C_i)表示元组t到簇C_i的距离；

根据局部离群因子挖掘局部离群点，即可挖掘出状态异常气缸。

本发明的优势在于：本发明通过对船舶柴油机性能状况进行评估和预测，提示维护人员在柴油机发生故障之前采取补偿措施，可实现柴油机近乎“零故障”的高质量运行，从而提高船舶航行的安全性和经济性。

附图说明

图1为本发明的实现框图。

具体实施方式

下面结合附图举例对本发明做更详细地描述：

结合图1，本发明包括：气缸状态监测模块、测量参数预处理模块、气缸性能聚类分析模块、状态异常气缸分析模块和柴油机故障诊断模块。所述的气缸状态监测模块包括三类传感器：温度传感器、压力传感器和瞬时转速传感器。

1、气缸状态监测模块，气缸状态监测模块用于获取柴油机气缸运行状态信息，主要采用热电阻传感器测量气缸进气温度、热电偶传感器测量气缸排气温度、压电晶体传感器测量进排气压力、光电编码传感器测量主轴瞬时转速。本模块可以进行功能扩展，测量更多的气缸运行参数，如供油压力、缸体振动等信息，增加故障诊断依据。

2、测量参数预处理模块，测量参数预处理模块对温度传感器、压力传感器测量数据进行数/模转换处理，并进行卡尔曼数字滤波，将含有干扰信号的模拟量转换为无干扰信号的数字量；根据柴油机上止点信号和气缸发火次序，分解瞬时转速数据，获得各气缸在发火做功时对应的瞬时转速信息，以各气缸顺次发火时刻为标识，按统一格式组织各气缸运行状态信息，如s[t₁,(T_j,T_p,P_j,P_p,R)]，表示t₁时刻某一气缸的进气温度、排气温度、进气压力、排气压力和瞬时转速。

3、气缸性能聚类分析模块，将柴油机气缸群中的个体运行状态作为聚类对象（例如把气缸的进气温度、排气温度、进气压力、排气压力和瞬时转速五个参数作为对象），基于群体智能聚类算法将来自于气缸群的所有聚类对象随机分布在一个二维网格上，并由虚拟的蚂蚁测量其中一个对象在该环境内的群体相似度，并将这种群体相似度通过概率转换函数转换成拾起或放下该对象的概率，通过群体之间的这种相互作用，经多个循环后即可实现对象的聚类。

4、状态异常气缸分析模块，接收气缸性能聚类分析结果，根据公式（3）标识气缸群中的“大”簇和“小”簇，“小”簇中的对象运行状态明显偏离，其导致柴油机故障的可能性极大。对“小”簇中的对象计算离群因子，离群因子定量地表示了“小”簇中对象的离群程度。

给出几个关键的定义如下：

定义1：令数据集D表示数据的集合，聚类算法在D上执行后，其结果表示为：C＝{C₁,C₂,…,C_k}，其中

1≤i,j≤k且i≠j

k，聚类后簇的数量。

定义2：（定义“大”簇和“小”簇），设C＝{C₁,C₂,…,C_k}是簇的集合，并且满足|C₁|≥|C₂|≥…≥|C_k|，给定两个参数α和β，在满足下面的任一条件时，定义b是“大”（Large）和“小”（Small）簇的边界（Boundary）。

(|C₁|+|C₂|+…+|C_b|)≥|D|·α                      （1）

|C_b|/|C_b+1|≥β                                    （2）

则有：“大”簇的集合定义为：LC＝{C_i|i≤b}         （3）

      “小”簇的集合定义为：SC={C_j|j＞b}

定义3：基于聚类的局部离群因子L，设C＝{C₁,C₂,…,C_k}是簇的集合，并且满足|C₁|≥|C₂|≥…≥|C_k|，α,β，b,LC,SC参数的含义同定义2，对任意的数据集中的元组t，t的基于聚类的局部离群因子L定义为：

$L=\left\{\begin{array}{cc}\min \left(\mathrm{dis}(t,C_j)\right)/\left|C_i\right|& \mathrm{wheret}\∈C_i,C_i\∈\mathrm{SC},C_j\∈\mathrm{LC}\\ \mathrm{dis}(t,C_i)/\left|C_i\right|& \mathrm{wheret}\∈C_i,C_i\∈\mathrm{LC}\end{array}\right.---\left(4\right)$

式中，dis(t,C_i)表示元组t到簇C_i的距离，该定义给出了基于聚类的离群点的离群程度的度量方法，即离群程度与离群点所在的簇的大小及离群点与最近邻的“大”簇的距离有关。簇越大，距离越小，离群指数越小。

通过以上定义，先结合聚类分析方法对数据集进行聚类分析，再根据局部离群因子的定义挖掘局部离群点，即可挖掘出状态异常气缸。

5、柴油机故障诊断模块，基于贝叶斯网络技术融合气缸运行参数信息，诊断异常气缸的故障原因和部位。贝叶斯网是一个有向无环图，其中的节点代表运行参数和柴油机故障名称，节点间的有向边代表气缸运行参数与柴油机故障间的关联关系。柴油机气缸的一个运行参数异常可能由多个故障引起，而柴油机的一个故障也可能导致多个参数异常，贝叶斯网络可诊断多个参数异常和柴油机多个故障间的因果关系。柴油机故障诊断模块可完成对柴油机的性能退化情况给出评估，并向设备管理人员提供维修决策支持。

本发明的工作过程和工作原理是：1、船舶柴油机均为多缸柴油机，各气缸的结构和功能一致，工作条件相同，彼此独立工作，共同向主轴输出扭矩，气缸的技术状态能够切实反映整机的健康状况，本发明通过检测气缸的工作状态评估和预测柴油机故障。2、群体智能，例如蚁群、蜂群等，是由简单个体通过交互与协作表现出的一种复杂智能行为。同“蜂群”、“蚁群”一样，一台柴油机内配置的多个气缸构成了“气缸群”，单个气缸则可以看作“个体”。“气缸群”性能横向比较就是要通过气缸“个体”之间的运行状态信息的交互作用，分离出异常或故障气缸，再通过融合气缸的运行状态信息，诊断柴油机故障原因和部位。

Claims (1)

1.基于群体智能的柴油机故障诊断方法，其特征是：

(1)检测柴油机气缸运行信息包括气缸进排气温度、进排气压力、主轴瞬时转速；

(2)将温度、压力信息进行数/模转换、滤波，根据柴油机上止点信号和气缸发火次序，分解主轴瞬时转速数据，获得各气缸在发火做功时对应的瞬时转速信息；

(3)将步骤(2)处理后的信息分两路送出，第一路信息利用群体智能聚类算法将气缸进排气温度、进排气压力、各气缸在发火做功时对应的瞬时转速信息作为聚类对象进行聚类，找出状态异常气缸；

(4)将第二路信息和步骤(3)结果通过基于贝叶斯网络技术融合运行参数信息，诊断柴油机的故障原因和部位；

所述的找出状态异常气缸的方法为：

令数据集D表示数据的集合，聚类算法在D上执行后，其结果表示为：C＝{C₁,C₂,…,C_k}，其中

k为聚类后簇的数量；

定义“大”簇和“小”簇：C＝{C₁,C₂,…,C_k}是簇的集合，并且满足|C₁|≥|C₂|≥…≥|C_k|，给定两个参数α和β，在满足下面的任一条件时，定义b是“大”簇和“小”簇的边界；

(|C₁|+|C₂|+…+|C_b|)≥|D|·α

|C_b|/|C_b+1|≥β

则“大”簇的集合定义为：LC＝{C_i|i≤b}，

“小”簇的集合定义为：SC＝{C_j|j>b}；

对任意的数据集中的元组t，t的基于聚类的局部离群因子L为：

$L=\left\{\begin{array}{cc}\min \left(\mathrm{dis}(t,C_j)\right)/\left|C_i\right|& \mathrm{wheret}\∈C_i,C_i\∈\mathrm{SC},C_j\∈\mathrm{LC}\\ \mathrm{dis}(t,C_i)/\left|C_i\right|& \mathrm{wheret}\∈C_i,C_i\∈\mathrm{LC}\end{array}\right.$

dis(t,C_i)表示元组t到簇C_i的距离；

根据局部离群因子挖掘局部离群点，即可挖掘出状态异常气缸。