CN111595585B - 柴油机气缸故障诊断方法、装置、设备及可读存储介质 - Google Patents
柴油机气缸故障诊断方法、装置、设备及可读存储介质 Download PDFInfo
- Publication number
- CN111595585B CN111595585B CN202010379983.XA CN202010379983A CN111595585B CN 111595585 B CN111595585 B CN 111595585B CN 202010379983 A CN202010379983 A CN 202010379983A CN 111595585 B CN111595585 B CN 111595585B
- Authority
- CN
- China
- Prior art keywords
- impact
- cylinder
- diesel engine
- characteristic
- state
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000003745 diagnosis Methods 0.000 title claims abstract description 120
- 238000000034 method Methods 0.000 title claims abstract description 58
- 238000003860 storage Methods 0.000 title claims abstract description 16
- 239000013598 vector Substances 0.000 claims abstract description 98
- 230000002159 abnormal effect Effects 0.000 claims abstract description 17
- 238000004458 analytical method Methods 0.000 claims description 32
- 230000004044 response Effects 0.000 claims description 24
- 238000004880 explosion Methods 0.000 claims description 23
- 238000004590 computer program Methods 0.000 claims description 18
- 230000003595 spectral effect Effects 0.000 claims description 18
- 230000000877 morphologic effect Effects 0.000 claims description 16
- 238000002485 combustion reaction Methods 0.000 claims description 14
- 230000035939 shock Effects 0.000 claims description 14
- 238000010586 diagram Methods 0.000 claims description 13
- 238000001914 filtration Methods 0.000 claims description 10
- 238000009826 distribution Methods 0.000 claims description 9
- 230000002688 persistence Effects 0.000 claims description 9
- 238000001514 detection method Methods 0.000 claims description 7
- 230000002045 lasting effect Effects 0.000 claims description 5
- 238000004519 manufacturing process Methods 0.000 claims description 4
- 238000012544 monitoring process Methods 0.000 abstract description 7
- 230000000694 effects Effects 0.000 abstract description 5
- 206010063385 Intellectualisation Diseases 0.000 abstract description 3
- 230000006870 function Effects 0.000 description 15
- 230000001133 acceleration Effects 0.000 description 8
- 230000008569 process Effects 0.000 description 7
- 238000012545 processing Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 4
- 230000005855 radiation Effects 0.000 description 4
- 230000006835 compression Effects 0.000 description 3
- 238000007906 compression Methods 0.000 description 3
- 238000010276 construction Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000012512 characterization method Methods 0.000 description 2
- 230000005284 excitation Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 230000002238 attenuated effect Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005422 blasting Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000009833 condensation Methods 0.000 description 1
- 230000005494 condensation Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000002405 diagnostic procedure Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 238000005316 response function Methods 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M15/00—Testing of engines
- G01M15/04—Testing internal-combustion engines
- G01M15/12—Testing internal-combustion engines by monitoring vibrations
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M7/00—Vibration-testing of structures; Shock-testing of structures
- G01M7/02—Vibration-testing by means of a shake table
- G01M7/025—Measuring arrangements
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M7/00—Vibration-testing of structures; Shock-testing of structures
- G01M7/08—Shock-testing
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Engineering & Computer Science (AREA)
- Combustion & Propulsion (AREA)
- Combined Controls Of Internal Combustion Engines (AREA)
Abstract
本申请提供了一种柴油机气缸故障诊断方法、装置、设备及可读存储介质,包括获取N个工作周期对应的N个冲击特征向量,冲击特征向量基于预设冲击状态的冲击段数据的基本参数构建而成;将N个冲击特征向量中的每个冲击特征向量输入故障诊断模型,分别得到每个冲击特征向量对应的诊断结果;当对应的诊断结果为异常的工作周期的数量超过周期阈值时,提示柴油机气缸工作异常。本申请能够从多尺度刻画气缸的故障特征,从而能够取得较好的故障状态识别效果;且每个工作周期对应一个冲击特征向量,即将冲击特征向量以工作周期为单位进行刻画,将诊断单元精确到一个工作周期,提高故障诊断的准确性,有利于提高对气缸安全监控和故障诊断的有效性和智能化。
Description
技术领域
本申请属于机械故障诊断领域,更具体地说,是涉及一种柴油机气缸故障诊断方法、装置、设备及可读存储介质。
背景技术
大型柴油机是船舶装备的主要原动力机,是船舶动力系统中的关键和重要设备。基于振动分析的状态监测与故障诊断是柴油机故障诊断领域的重要方法,当柴油机发生故障时,最终的特征信息会体现在柴油机表面的振动信号上,可以根据振动信号中包含的故障特征,来诊断柴油机的故障工况。柴油机表面振动信号的主要分析处理方法有:时域分析、频域分析和时频分析等。时域分析主要是对采集到的振动信号画出时域波形图,从中提取峰值、均值、峭度、方差、裕度因子、波形因子等参数组成特征向量,分析并比较这些特征向量,可以从中判定柴油机的工作状态。频域分析就是将柴油机振动信号经过快速傅里叶变换,根据功率谱来比较故障工况和正常工况的形状特征来判定故障类型。时频分析是在时间和频率联合域内对信号进行分析,传统时频分析有Gabor变换、短时傅立叶变换、Wigner-Ville分布、小波变换;自适应时频分析方法有EMD、LMD、ITD、LCD及其改进方法等。
虽然基于振动分析的设备状态监测与故障诊断技术在柴油机故障诊断领域的研究已经取得了一定的成果,但是上述的时域分析、频域分析和时频分析方法在解决船舶柴油机的故障诊断问题时存在由于不能多尺度刻画和提取特征向量引起的故障类型识别低且故障诊断准确性低的问题。
发明内容
本申请实施例的目的在于提供一种柴油机气缸故障诊断方法、装置、设备及可读存储介质,以解决现有技术中存在的柴油机气缸故障类型识别低和故障诊断准确性低的技术问题。
为实现上述目的,本申请一方面提供了一种柴油机气缸故障诊断方法,包括:
获取N个工作周期对应的N个冲击特征向量,所述冲击特征向量基于预设冲击状态的冲击段数据的基本参数构建而成,所述基本参数包括所述冲击段数据对应波形的起始角、持续角、均方根和功率谱密度中的至少一项,所述预设冲击状态包括燃爆冲击状态、进气阀关闭冲击状态、排气阀关闭冲击状态、进气阀开启气流冲击状态和排气阀开启气流冲击状态中的至少一项,N为正整数;
将所述N个冲击特征向量中的每个所述冲击特征向量输入故障诊断模型,分别得到所述每个所述冲击特征向量对应的诊断结果;
当对应的诊断结果为异常的工作周期的数量超过周期阈值时,提示柴油机气缸工作异常。
本申请另一方面提供了一种故障诊断装置,包括:
获取模块,用于获取N个工作周期对应的N个冲击特征向量,所述冲击特征向量基于预设冲击状态的冲击段数据的基本参数构建而成,所述基本参数包括所述冲击段数据对应波形的起始角、持续角、均方根和功率谱密度中的至少一项,所述预设冲击状态包括燃爆冲击状态、进气阀关闭冲击状态、排气阀关闭冲击状态、进气阀开启气流冲击状态和排气阀开启气流冲击状态中的至少一项,N为正整数;
故障诊断模块,用于将所述N个冲击特征向量中的每个所述冲击特征向量输入故障诊断模型,分别得到所述每个所述冲击特征向量对应的诊断结果;
提示模块,用于当对应的诊断结果为异常的工作周期的数量超过周期阈值时,提示柴油机气缸工作异常。
本申请另一方面还提供了一种故障诊断设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如上述所述的方法。
本申请另一方面还提供了一种可读存储介质,所述可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如上述所述方法的步骤。
本申请提供的故障诊断方法,通过获取N个工作周期对应的N个冲击特征向量,且冲击特征向量中包含了五种冲击状态中的至少一种冲击状态的特性,能够从多尺度刻画气缸的故障特征,从而能够取得较好的故障状态识别效果;且每个工作周期对应一个冲击特征向量,即将冲击特征向量以工作周期为单位进行刻画,将诊断单元精确到一个工作周期,提高故障诊断的准确性,有利于提高对气缸安全监控和故障诊断的有效性和智能化。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例一提供的故障诊断系统的示意图;
图2为本申请实施例二提供的柴油机气缸故障诊断方法的流程示意图;
图3为本申请实施例三提供的柴油机气缸故障诊断方法的流程示意图;
图4为本申请实施例三中步骤S24的细化流程示意图;
图5为本申请实施例四提供的柴油机气缸故障诊断方法的流程示意图;
图6为本申请实施例四中步骤S42的细化流程示意图;
图7为本申请实施例四中提供的的冲击时序图;
图8为本申请实施例五提供的柴油机气缸故障诊断方法的流程示意图;
图9为本申请实施例五提供的的滤波后前后对比图;
图10为本申请实施例六提供的故障诊断装置的示意图;
图11为本申请实施例七提供的故障诊断装置的示意图;
图12为本申请实施例八提供的故障诊断设备的硬件结构示意图。
具体实施方式
为了使本申请所要解决的技术问题、技术方案及有益效果更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本申请实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本申请的描述。
应当理解,当在本说明书和所附权利要求书中使用时,术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在此本申请说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本申请。如在本申请说明书和所附权利要求书中所使用的那样,除非上下文清楚地指明其它情况,否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解,在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
参见图1,本申请实施例一提供的一种故障诊断系统,包括加速度传感器30、采集装置20和故障诊断设备10,所述加速度传感器30设置于柴油机气缸缸盖上,所述加速度传感器30与所述采集装置20电连接,所述采集装置20与所述故障诊断设备10通信连接,所述采集装置20可以从所述加速度传感器30处采集振动数据后发送至所述故障诊断设备10。
其中,加速器传感器30用于采集各个气缸的振动信号。各个气缸对应一路加速度传感器30采集路径。
其中,故障诊断设备10获取到振动数据之后,根据振动数据构建冲击特征向量,并执行本申请实施例提供的柴油机气缸故障诊断方法。通过以下实施例对本申请实施例提供的柴油机气缸故障诊断方法进行说明。
其中,故障诊断设备10可以为平板电脑、笔记本电脑、超级移动个人计算机(ultra-mobile personal computer,UMPC)、上网本、个人数字助理(personal digitalassistant,PDA)、服务器等终端设备或者其他具有处理功能的设备上,本申请实施例对视频故障诊断设备的具体类型不作任何限制。
示例地,以LMB-133超薄加固笔记本电脑作为故障诊断设备,LMB-133超薄加固笔记本电脑的环境温度为-40℃~85℃,环境湿度为10%RH~90%RH且无凝结,常温工作状态下可待机3小时左右,电磁环境要求满足GJB151A-97,特别适用于船舶柴油机的恶劣工作环境。
参见图2,为本申请实施例二提供的柴油机气缸故障诊断方法的流程示意图,包括S11至S13,详述如下:
S11、获取N个工作周期对应的N个冲击特征向量,所述冲击特征向量基于预设冲击状态的冲击段数据的基本参数构建而成,所述基本参数包括所述冲击段数据对应波形的起始角、持续角、均方根和功率谱密度中的至少一项,所述预设冲击状态包括燃爆冲击状态、进气阀关闭冲击状态、排气阀关闭冲击状态、进气阀开启气流冲击状态和排气阀开启气流冲击状态中的至少一项,N为正整数;
可以理解地,本申请实施例中的柴油机气缸包括缸体、进气阀和排气阀。在气缸工作时,引起气缸振动的主要原因有缸内气体点燃时引起的燃爆冲击,进气阀开启时引起的气流冲击,进气阀关闭时引起的关闭冲击、排气阀开启时引起的气流冲击、排气阀关闭时引起的关闭冲击。
其中,燃爆冲击状态所对应的数据为第一冲击段数据、进气阀处于关闭冲击状态的的数据为第二冲击段数据、排气阀处于关闭冲击状态的数据的为第三冲击段数据、进气阀处于开启气流冲击状态的数据为第四冲击段数据、排气阀处于开启气流冲击状态的数据为第五冲击段数据。
在本实施例中,故障诊断设备10获取N个工作周期对应的N个冲击特征向量,即,一个工作周期对应一个冲击特征向量。
其中,冲击特征向量中包含了至少一种预设冲击状态,并由预设冲击状态对应的冲击段数据的至少一个基本参数构建而成。例如,冲击特征向量中包含了燃爆冲击状态,则冲击特征向量由第一冲击段数据对应波形的基本参数构成。进一步地,则冲击特征向量由第一冲击段数据对应波形的起始角、持续角、均方根和功率谱密度构成其特征值。
其中,气缸完成一次进气冲程、压缩冲程、做功冲程和排气冲程为气缸的一个工作周期。
S12、将所述N个冲击特征向量中的每个所述冲击特征向量输入故障诊断模型,分别得到所述每个所述冲击特征向量对应的诊断结果;
在本实施例中,将各个冲击特征向量分别输入到故障诊断模型中得出各个冲击特征向量对应的工作周期的诊断结果。
故障诊断模型的诊断方式可以为,判断冲击特征向量中的各个特征值是否在预设的特征值范围内,若不在预设的特征值范围内,则诊断为异常。
故障诊断模型的诊断方式还可以为,判断冲击特征向量中对应同一冲击段数据的特征值中符合预设的特征值范围的特征值个数大于2时,则诊断为异常。
具体的诊断方式在此不限制,只要满足实际监测要求即可。
S13、当对应的诊断结果为异常的工作周期的数量超过周期阈值时,提示柴油机气缸工作异常。
本申请实施例中,诊断的对象是获取的N个工作周期所对应的时间段内柴油机气缸是否存在故障。当诊断结果为异常的工作周期的数量超过周期阈值时,提示柴油机气缸工作异常。可以理解的是,周期阈值小于或等于N。
优选地,在预设时间段内,当对应的诊断结果为异常的工作周期的数量超过周期阈值时,提示柴油机气缸工作异常。此时,将N个工作周期分成多个时间段,分别判断各个时间段内柴油机气缸工作状况。例如,预设时间段为第1个工作周期至第20个工作周期,如此使得诊断过程更加灵活。
优选地,提示柴油机气缸工作异常的方法包括点亮LED警示灯、开启警示铃声等,还可以包括通过总线向船舶集控室发送警报,总线可以为Modbus或以太网。
本实施例通过获取N个工作周期对应的N个冲击特征向量,且冲击特征向量中包含了五种冲击状态中的至少一种冲击状态的特性,能够从多尺度刻画气缸的故障特征。从而能够取得较好的故障状态识别效果;且每个工作周期对应一个冲击特征向量,即将冲击特征向量以工作周期为单位进行刻画,将诊断单元精确到一个工作周期,提高故障诊断的准确性,有利于提高对气缸安全监控和故障诊断的有效性和智能化。
参见图3,为本申请实施例三提供的柴油机气缸故障诊断方法的流程示意图,包括S21至S24,其中S21至S23与步骤S11至S13相同,在此不赘述。不同之处在于,步骤S22之前还包括S24,详述如下:
S24、构建故障诊断模型。
本申请中,故障诊断设备10还能够构建诊断模型,提高了设备功能的集成性。
请参见图4,图4所示为步骤S24的细化流程图,S24包括S241至S243,详述如下:
S241、构建特征阈值分析模型,所述特征阈值分析模型用于分析所述冲击特征向量中特征值的周期阈值大小,所述冲击特征向量包括M个所述特征值,M为正整数;
可以理解的是,M的大小不超过冲击段数据对应波形的参数的数量。例如,当冲击特征向量有冲击段数据对应波形的起始角、持续角、均方根和功率谱密度构成时,M小于或等于4。
具体地,构建特征阈值分析模型可以包括:
1)根据所述柴油机气缸在典型工况下与所述冲击特征向量中包含的各个特征值的历史数据样本构建各个特征值的正态分布图;
选取柴油机在0%、25%、50%、75%、100%和110%负载下的历史数据样本。其中典型工况包括额定输出功率下,负载为0%、25%、50%、75%、100%和110%的工作情况。
各个特征值对应各个负载情况对应一个历史数据样本。假设根据各个特征值的在各个负载情况下的历史数据样本均满足正态分布,构建各个特征值在各个负载情况下的的正态分布图。
2)基于所述正态分布图和预设置信水平,计算各个特征值的上限阈值和下限阈值;
在本实施例中,预设正态分布图的置信水平为95%。根据置信水平计算置信区间,置信区间内的两端值分别为各个特征值在各个负载情况下的下限阈值和上限阈值。其中,根据置信水平计算置信区间为现有技术,在此不赘述。
3)将所述各个特征值的上限阈值和下限阈值输入基于最小二乘法的估计线性模型中训练得到特征阈值分析模型。
在本实施例中,根据各个特征值在各个负载情况下的上限阈值和下限阈值输入到基于最小二乘法的估计线性模型中,训练得到各个特征值的特征阈值分析模型。多个特征值在某一负载情况下的上限阈值和下限阈值构成对应负载情况下的阈值向量。示例地,构建特征阈值分析模型Y=Ax+B,式中为多个特征值的上限阈值和下限阈值构成的阈值向量,为实时输出功率,通过将负载为0%、25%、50%、75%、100%和110%情况下的实时输出功率及其对应的阈值向量作为训练数据,采用最小二乘法得到向量A和向量B,即完成了特征阈值分析模型的训练。可以理解的是,根据特征阈值分析模型可以得到在目标输出功率下,各个特征值的上限阈值和下限阈值。
S242、基于所述柴油机的实时输出功率和所述特征阈值分析模型计算实时工况下的气缸的冲击特征向量检测阈值;
其中,从柴油机的控制设备获取由控制设备计算出的实时输出功率,可以为通过船舶的Modbus总线从控制设备中获取。
通过将实时输出功率输入特征阈值分析模型Y=Ax+占,得到实时输出功率下对应的的各个特征值的上限阈值和下限阈值构成向量Y时,此时根据向量Y时即为在实时工况下,气缸的冲击特征向量检测阈值,Y时的表示形式可以为[Y时下限,Y时上限]。
S243、依据所述冲击特征向量检测阈值和基于产生式规则构建的诊断逻辑,建立所述故障诊断模型。
产生式规则是指以t→s形式表示的规则,其中t和s分别称为规则的条件部分(或前件)和决策部分(或后件),如果条件部分满足,则可出相应的决策结论,即后件由前件来触发,由于产生式规则是现有技术,在此不多赘述。
诊断逻辑是由与领域专家交流后得到的各典型故障模式与其表征参数的关联关系表,由此生成的产生式诊断决策规则形式可以如下表示:
(c1,1)∧(c2,1)=F1;
(c1,2)∧(c2,2)=F2;
式中c1、c2表示冲击特征向量中的两个特征值,(c1,1)表示特征值c1超出上限,(c1,2)表示特征值c1超出下限,(c2,1)表示特征c2超出上限,(c2,2)表示特征值c2超出下限;F1和F2表示故障类型;∧为合取表示要求条件同时满足;上式表示当特征值c1、c2同时超出上限时,可推断出柴油机气缸发生了故障F1,当特征值c1、c2同时超出下限时,可推断出柴油机气缸发生了故障F2。
参见图5,图5为本申请实施例四提供的柴油机气缸故障诊断方法的流程示意图,包括S41至S45,其中S43至S44与步骤S12至S13相同,在此不赘述。不同之处在于,步骤括S41至S43,详述如下:
S41、获取所述柴油机气缸对应的目标振动数据;
在本实施例中,气缸上设置加速度传感器。具体可以是,将加速度传感器30用磁座固定在气缸缸盖阀门支架上,故障诊断设备10通过采集装置20与加速度传感器30连接,故障诊断设备10从采集装置20处采集目标振动数据。
需要说明的是,故障诊断设备10采集的目标振动数据可以为原始振动数据(未经任何处理数据),也可以为经采集装置20或故障诊断设备10本身基于原始振动数据进行处理过的振动数据。例如,目标振动数据为原始振动数据经过滤波处理的数据。
S42、以工作周期为单位,从所述目标振动数据中分离出与各个所述工作周期对应的冲击段数据,所述冲击段数据包括所述柴油机气缸处于燃爆冲击状态所对应的第一冲击段数据、所述进气阀处于关闭冲击状态所对应的第二冲击段数据、所述排气阀处于关闭冲击状态所对应的第三冲击段数据、所述进气阀处于开启气流冲击状态所对应的第四冲击段数据以及所述排气阀处于开启气流冲击状态所对应的第五冲击段数据中的至少一项;
可以理解的是,气缸包括缸体、进气阀和排气阀。在气缸工作时,引起气缸振动的主要原因有缸内气体点燃时引起的燃爆冲击,进气阀开启时引起的气流冲击,进气阀关闭时引起的关闭冲击、排气阀开启时引起的气流冲击、排气阀关闭时引起的关闭冲击。
本实施例中,燃爆冲击状态所对应的数据为第一冲击段数据、进气阀处于关闭冲击状态的的数据为第二冲击段数据、排气阀处于关闭冲击状态的数据的为第三冲击段数据、进气阀处于开启气流冲击状态的数据为第四冲击段数据、排气阀处于开启气流冲击状态的数据为第五冲击段数据。
从目标振动数据中分离出冲击段数据包括至少上述五种冲击段数据中的至少一项。优选地,从目标振动数据中分离出上述五种冲击段数据,以实现最多故障类型的诊断。
在本实施例中,以工作周期为单位从目标振动数据中提取冲击段数据,相比按照冲击段对应的冲击类型或者冲击段提取冲击段数据,能够简化提取过程。
S43、根据所述工作周期的所述冲击段数据的基本参数构建与所述工作周期对应的冲击特征向量,得到与N个所述工作周期中的各个所述工作周期一一对应的N个所述冲击特征向量,所述基本参数包括与所述冲击段数据的波形对应的起始角、持续角、均方根和功率谱密度,N为整数。
在本实施例中,根据冲击段数据对应波形的起始角、持续角、均方根和功率谱密度中的至少一项作为冲击特向向量的特征值。优选地,将冲击段数据对应波形的起始角、持续角、均方根和功率谱密度作为冲击特征向量的特征值,根据多个特征值来判断该冲击段是否存在故障,其诊断结果更加准确和可靠。
需要说明的是,冲击特征向量的构建类型有多种。可以为按照同一冲击状态构建冲击特征向量,例如按照燃爆冲击状态构建冲击特征向量,此时,冲击特征向量包括了所有第一冲击段数据的基本参数;还可以一个冲击段数据对应构建一个冲击特征向量;还可以两种冲击段数据构建一个冲击特征向量,例如按照排气阀处于关闭冲击状态和排气阀处于开启气流冲击状态构建冲击特征向量,此时冲击特征向量包括了第三冲击段数据的基本参数和第五冲击段数据,这样能够精确到对排气阀引起的故障的监测和诊断。
本实施例构建的冲击特征向量,将至少一种冲击段数据的基本参数作为特征值,通过特征值可以判断与特征值对应的冲击段数据的冲击状态是否存在故障,实现了从多尺度刻画气缸工作故障,从而实现对故障类型的识别以及多种故障类型的识别。同时,故障诊断结结果可以精确到具体的冲击状态,其故障诊断的准确性更高。
在一优选实施例中,参见图6,图6所示为步骤S41的细化流程图,具体包括以下步骤:
S421、分离所述目标振动数据中的冲击响应;
冲击响应(或冲击响应函数,IRF),是将系统的反应描述为时间的函数(或者可能作为参数化系统动态行为的其他自变量的函数),是指气缸在某种工作状态下的激励信号,冲击段数据是通过监测这个激励信号所采集的离散数据。在本实施例中,通过如下步骤从目标振动数据中分离出冲击响应。
1)根据气缸发火时序构造冲击时序图;
在实施例中,以某型直列8缸柴油机为例,参见图7,图7所示为气缸一个工作周期内(曲轴旋转720°)缸盖表面的冲击时序图。冲击时序图上标注了各气缸的发火上止点位置、排气阀开启位置、进气阀开启位置、排气阀关闭位置和进气阀关闭位置。
2)根据所述冲击时序图从所述目标振动数据中分离出预分离冲击段数据;
在冲击时序图中,发火上止点位置至排气阀开启位置对应燃爆冲击段,排气阀开启位置至进气阀开启位置对应排气阀开启气流冲击段,进气阀开启位置至排气阀关闭位置对应进气阀开启气流冲击段,排气阀关闭位置至进气阀关闭位置对应排气阀关闭冲击段,进气阀关闭位置至发火起止点对应进气阀关闭冲击段。按照冲击时序图提取各冲击段的数据。
3)依据正时关系从所述预分离冲击段数据中分析得到所述冲击响应。
其中,正时关系即配气正时,是指按活塞的工作行程去配置进排气阀的开启时间。活塞的工作行程包括进气冲程、压缩冲程、做功冲程和排气冲程。其中,进气冲程时活塞从上止点往下止点运动,进气阀开、排气阀关;压缩冲程时活塞从下止点往上止点运动,进气阀和排气阀均关闭;做功冲程是指活塞从上止点往下止点运动,进气阀和排气阀均关闭;排气冲程是指活塞从下止点往上止点运动,进气阀关,排气阀开。
本实施例中,冲击响应为整个目标振动数据的冲击响应。此时冲击响应包括以段为单位的各个冲击段的冲击响应。
S422、以工作周期为单位,根据所述冲击响应提取所述冲击段数据。
一个工作周期内包含燃爆冲击段数据、进气阀关闭冲击段数据、进气阀开启气流冲击段数据、排气阀关闭冲击段数据和排气阀开启气流冲击段数据,具体包括:
1)根据所述目标振动数据中的上止点和下止点提取所述目标振动数据中包含的至少一个工作周期的周期范围。
优选地,通过下述步骤提取工作周期的周期范围:
确定气缸发火上止点;
确定气缸各工作周期的起始下止点和结束下止点;
根据各工作周期的起始上止点、结束上止点提取气缸各工作周期数据。
在本实施例中,数据处理系统还包括上止位传感器。上止点传感器安装在柴油机飞轮上止点位置,用于检测各个工作周期内的上止点位置。上止位传感器可以为光电传感器、激光传感器等。
以四冲程发动机为例,一个工作周期内包含三个上止点和两个下止点,三个上止点中包含有发火上止点。可以理解的是,发火上止点对应于气缸燃爆冲击状态,此时发火上止点对应的冲击响应最大。因此,根据冲击响应的大小从所检测到的多个上止点中确定各个发火上止点。
确定各个工作周期内的气缸发火上止点后,气缸发火上止点位置减180°为该工作周期的起始下止点,气缸发火上止点位置加180°为该工作周期的结束下止点。
确定各个工作周期内的气缸发火上止点后,气缸发火上止点位置减360°为该工作周期的起始上止点,气缸发火上止点位置加360°为该工作周期的结束上止点。从起始上止点至结束上止点为一个工作周期。
2)根据所述周期范围,从所述冲击响应中提取与所述周期范围对应的工作周期的冲击段数据。
在本实施例中,以工作周期为单位从冲击响应中提取冲击段数据,相比按照冲击段对应的冲击类型或者冲击段提取冲击段数据,能够简化提取过程。
进一步地,为了兼顾诊断效率和诊断准确性,以工作周期为单位根据工作周期内的冲击段数据的基本参数构建冲击特征向量。承接上例,以工作周期为单位提取冲击段数据之后,根据下述步骤来构建冲击特征向量:
1)根据气缸各工作周期中的上止点和下止点,计算各冲击段的起始角和结束角,具体地:
依据气缸各工作周期的第1个上止点计算进气阀开启冲击起始角和结束角和排气阀关闭冲击起始角和结束角;具体地,根据进气阀开启气流冲击起始点和结束点在对应波形中的相对角位置减去第1个上止点的相对角位置计算进气阀开启冲击的起始角和结束角,根据排气阀关闭冲击起始点和结束点在对应波形中的相对角位置减去第1个上止点的相对角位置计算排气阀关闭冲击的起始角和结束角,此处一般设置第1个上止点的相对角位置为0°,使进气阀开启冲击起始角和结束角和排气阀关闭冲击起始角和结束角在-90°~90°之间;
依据气缸工作周期的第1个下止点计算进气阀关闭冲击起始角和结束角;具体地,根据进气阀关闭冲击起始点和结束点对应波形中的相对角位置减去第1个下止点的相对角位置计算进气阀关闭冲击的起始角和结束角,此处一般设置第1个下止点的相对角位置为0°,使进气阀关闭冲击起始角和结束角在-90°~90°之间;
依据气缸工作周期的第2个上止点计算燃爆冲击起始角和结束角,具体地,根据燃爆冲击起始点和结束点对应波形中的相对角位置减去第2上止点的相对角位置计算燃爆冲击的起始角和结束角,此处一般设置第2个上止点的相对角位置为0°,使燃爆冲击起始角和结束角在-90°~90°之间;
依据气缸工作周期的第2个下止点计算排气阀开启气流冲击起始角和结束角;根据排气阀开启气流冲击起始点和结束点对应波形中的相对角位置减去第2下止点的相对角位置计算排气阀开启冲击的起始角和结束角,此处一般设置第2个下止点的相对角位置为0°,使排气阀开启冲击起始角和结束角在-90°~90°之间。
2)依据各冲击段的起始角和结束角,计算各冲击段的持续角;
3)基于时域统计和频谱分析分别计算各冲击段的均方根和功率谱密度;
4)根据各冲击段的起始角、持续角、均方根和功率谱密度,构造所述冲击特征向量。
在本实施例中,得到工作周期内的各冲击段波形中与上止点下止点对应的极值点的起始角和结束角之后,根据各个冲击段的起始角和结束角计算该冲击段的持续角。例如,依据目标气缸的在第三工作周期内的燃爆冲击段的起始角和结束角,计算第三工作周期内燃爆冲击段的持续角,持续角的计算方法为:持续角=结束角-起始角。
基于现有技术,分别根据时域统计和频谱分析各个冲击段的均方根和功率谱密度。
经上述步骤得到各个工作周期的冲击特征向量,例如当冲击特征向量只包括一种冲击类型时,冲击特征向量的一种表征方式可以为[x1,x2,x3,x4],式中x1、x2、x3、x4分别表示起始角、持续角、均方根和功率谱密度。
参见图8,为本申请实施例五提供的柴油机气缸故障诊断方法的流程示意图,包括S51至S57,与实施例四相比,S53至S57分别与S41至S57相同,在此不赘述,不同之处在于S51和S52,详述如下:
S51、获取所述柴油机气缸对应的原始振动数据,基于所述原始振动数据的波形结构特征构造成的广义多尺度形态滤波器;
S52、基于所述广义多尺度形态滤波器对所述原始振动数据进行滤波处理得到所述目标振动数据。
在本实施例中,由故障诊断设备10采集原始振动数据。由于原始振动数据中包含了噪音、辐射等因素,因此需对原始振动数据进行降噪处理。
在本实施例中,采用广义多尺度形态滤波器对原始振动数据进行滤波处理,本实施例中的广义多尺度形态滤波器作为一种数字形态滤波器,根据原始振动数据的波形结构特征构造而成,能够降低气缸工作时的排气噪声和辐射噪声的干扰,抑制多源振动引起的信息混叠。
下面详述本实施例中广义过尺度形态滤波器的构造过程:
1)选取目标结构元素的类型;
结构元素简单地定义为像素的结构(形状)以及一个原点(又称为锚点),使用形态学滤波涉及对图像的每个像素应用这个结构元素,当结构元素的原点与给定的像素对齐时,它与图像相交部分定义了一组进行形态学运算的像素。原则上,结构元素可以是任何形状,常见的有直线型、三角形、正弦型、矩形、半圆形等等。
目标结构元素的结构与所述目标振动数据的波形结构特征匹配的。在本实施例中,将半圆形结构元素作为目标结构元素。经试验证明,半圆形结构元素有利于降低随机噪声的干扰。
2)根据所述原始振动数据的波形结构特征构造所述目标结构元素的高度序列和宽度序列,
形态学结构元素的尺寸包括高度尺寸和宽度尺寸,其选择影响了形态学处理效果。在本实施例中,根据局部极值步长法确立结构元素尺寸,能够充分利用原始振动数据的局部特征信息,包括以下步骤:
对原始振动数据去直流和趋势项的基础上,计算局部极大值序列PE和局部极小值序列NE,其中:
PE={Pei|i=1,2,…,NPe};
NE={Nei|i=1,2,,NNe}。 (1)
计算局部极大值间隔DP和局部极小值间隔DN,其中:
DP={dP|dPi=Pei+1-Pei,i=1,2,…,NPe-1};
DN={dN|dNi=Nei+1-Nei,i=1,2,…,NPe-1}。 (2)
计算局部极大值序列最大幅值PPmax=max(PE)和最小幅值PPmin=min(PE),局部极小值序列最大幅值PNmax=max(NE)和最小幅值
PNmin=min(NE)。
构造宽度序列为:
L={Lmin,Lmin+1,…,Lmax-1,Lmax}, (3)
其中Lmin和Lmax分别表示结构元素的宽度最小值和最大值,且:
定义局部极值高度差HPe和HNe,其中:
HPe=PPmax-PPmin;
HNe=PNmax-PNmin。 (5)
计算信号局部极值幅值:He=max(HPe,HNe)。
构造高度序列为:
H={j×αHe/(Lmax-Lmin+1)} (6)
其中:j=1,2,…,Lmax-Lmin+1,α为高度比例系数。
通过选取合适的α使目标结构元素的高度值为原始振动数据波形轮廓的1%~5%。
3)根据预设评价指标,从所述高度序列和所述宽度序列中分别选出满足所述预设评价指标的目标高度值和目标宽度值二
具体地,在本实施例中,将均方根误差RMSE作为目标结构元素的预设评价指标,均方根误差越小越好,RMSE的计算公式如下:
4)基于所述目标高度值、所述目标宽度值构建基于与所述目标结构元素对应的所述广义多尺度形态滤波器。
具体地,在本发明实施例中,构造的广义多尺度形态滤波器为:
其中,使用结构元素函数g1(n)和g2(n)对信号x(n)进行一次开-闭广义运算,具体为:
GOC(x(n))=x(n)·g1(n)·g2(n) (9)
使用结构元素g1和g2对信号x(n)进行一次闭-开广义运算,具体为:
GCO(x(n))=x(n)·g1(n)·g2(n) (10)
λ为尺度,共进行λ次开-闭广义运算和闭-开广义运算。
需要说明的是,结构元素g1和g2是通过步骤P2选择出来的两个满足预设评价指标的结构元素,g1(n)和g2(n)分别是结构元素g1和g2对应的结构元素函数。
其中,λ一般在1~5之间取值,例如λ取值为2或3。
利用公式(9)和公式(10)构造的数学形态滤器对原始振动数据进行滤波处理。
图9为本实施例中采用上述数字形态滤波器对原始振动数据进行滤波后前后对比图。其中,图9(a)为原始振动数据波形,图9(b)为滤波后的目标振动数据波形。由于柴油机各气缸的冲击相互作用、相互影响,因此任一气缸缸盖表面的振动信号除包含该气缸的冲击响应外,还包含其它气缸的冲击响应,这些外部冲击响应虽经传播后能量有所衰减,且与该气缸冲击响应存在相位差,但在排气噪声和辐射噪声的干扰下,相互耦合交叠的信号会造成冲击段边界混叠,使得气缸工作周期内的冲击段难以有效分离。图9(a)中,气缸各工作周期的冲击段边界混叠现象明显,冲击响应难以分离。图9(b)中,经数学形态滤波后,气缸各工作周期的冲击响应有了较为明显的边界区分,表明采用构造的广义多尺度形态滤波器对所处理的目标振动数据进行滤波降噪,降低了柴油机工作时的排气噪声和辐射噪声的干扰,抑制了多源振动引起的信息混叠。
参见图10,图10为本申请实施例六提供的故障诊断装置10的示意图,故障诊断装置10包括的各单元用于执行图2对应的实施例中的各步骤。具体请参阅图2对应的实施例中的相关描述。图10示出的装置10的示意图,包括:
获取模块101,用于获取N个工作周期对应的N个冲击特征向量,所述冲击特征向量基于预设冲击状态的冲击段数据的基本参数构建而成,所述基本参数包括所述冲击段数据对应波形的起始角、持续角、均方根和功率谱密度中的至少一项,所述预设冲击状态包括燃爆冲击状态、进气阀关闭冲击状态、排气阀关闭冲击状态、进气阀开启气流冲击状态和排气阀开启气流冲击状态中的至少一项,N为正整数;
故障诊断模块102,用于将所述N个冲击特征向量中的每个所述冲击特征向量输入故障诊断模型,分别得到所述每个所述冲击特征向量对应的诊断结果;
提示模块103,用于当对应的诊断结果为异常的工作周期的数量超过周期阈值时,提示柴油机气缸工作异常。
进一步地,还包括故障诊断模型构建模块104,用于构建特征阈值分析模型,所述特征阈值分析模型用于分析所述冲击特征向量中特征值的周期阈值大小,所述冲击特征向量包括M个所述特征值,M为正整数;基于所述柴油机气缸的实时输出功率和所述特征阈值分析模型计算实时工况下的冲击特征向量检测阈值;依据所述冲击特征向量检测阈值和基于产生式规则构建的诊断逻辑,建立所述故障诊断模型。
进一步地,参见图11,获取模块101包括:
数据获取模块1011,用于获取所述柴油机气缸对应的目标振动数据;
分离模块1012,用于以工作周期为单位,从所述目标振动数据中分离出与各个所述工作周期对应的冲击段数据,所述冲击段数据包括所述柴油机气缸处于燃爆冲击状态所对应的第一冲击段数据、所述进气阀处于关闭冲击状态所对应的第二冲击段数据、所述排气阀处于关闭冲击状态所对应的第三冲击段数据、所述进气阀处于开启气流冲击状态所对应的第四冲击段数据以及所述排气阀处于开启气流冲击状态所对应的第五冲击段数据中的至少一项;
生成模块1013,用于根据所述工作周期的所述冲击段数据的基本参数构建与所述工作周期对应的冲击特征向量,得到与N个所述工作周期中的各个所述工作周期一一对应的N个所述冲击特征向量,所述基本参数包括与所述冲击段数据的波形对应的起始角、持续角、均方根和功率谱密度,N为整数。
进一步地,所述数据获取模块1011,还用于获取所述柴油机气缸对应的原始振动数据;基于所述原始振动数据的波形结构特征构造成的广义多尺度形态滤波器;基于所述广义多尺度形态滤波器对所述原始振动数据进行滤波处理得到所述目标振动数据。
其中,上述装置10和装置11中各个模块的功能实现与上述方法实施例中各步骤相对应,其功能和实现过程在此处不再一一赘述。
参见图12,图12是本申请实施例八提供的故障诊断设备12的硬件结构示意图。如图12所示,该实施例故障诊断设备12包括:处理器120、存储器121以及存储在所述存储器121中并可在所述处理器120上运行的计算机程序122,例如视频数据处理程序。所述处理器120执行所述计算机程序122时实现上述各个视频数据处理方法实施例中的步骤,例如图2所示的步骤S12至S13。或者,所述处理器120执行所述计算机程序122时实现上述各装置实施例中各模块/单元的功能,例如图10所示模块101至103的功能。
示例性的,所述计算机程序122可以被分割成一个或多个模块/单元,所述一个或者多个模块/单元被存储在所述存储器121中,并由所述处理器120执行,以完成本申请。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序122在所述故障诊断设备12中的执行过程。例如,所述计算机程序122可以被分割成获取模块、故障诊断模块、提示模块(为虚拟装置中的模块),各模块具体功能如下:
获取模块,用于获取N个工作周期对应的N个冲击特征向量,所述冲击特征向量基于预设冲击状态的冲击段数据的基本参数构建而成,所述基本参数包括所述冲击段数据对应波形的起始角、持续角、均方根和功率谱密度中的至少一项,所述预设冲击状态包括燃爆冲击状态、进气阀关闭冲击状态、排气阀关闭冲击状态、进气阀开启气流冲击状态和排气阀开启气流冲击状态中的至少一项,N为正整数;
故障诊断模块,用于将所述N个冲击特征向量中的每个所述冲击特征向量输入故障诊断模型,分别得到所述每个所述冲击特征向量对应的诊断结果;
提示模块,用于当对应的诊断结果为异常的工作周期的数量超过周期阈值时,提示柴油机气缸工作异常。
所述故障诊断设备12可以是桌上型计算机、笔记本、掌上电脑及云端交易管理平台等计算设备。所述故障诊断设备12可包括,但不仅限于,处理器120、存储器121。本领域技术人员可以理解,图5仅仅是故障诊断设备12的示例,并不构成对故障诊断设备12的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述故障诊断设备12还可以包括输入输出设备、网络接入设备、总线等。
所称处理器120可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器121可以是所述故障诊断设备12的内部存储单元,例如故障诊断设备12的硬盘或内存。所述存储器121也可以是所述故障诊断设备12的外部存储设备,例如所述终端设备上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(SecureDigital,SD)卡,闪存卡(Flash Card)等。进一步地,所述存储器121还可以既包括所述故障诊断设备12的内部存储单元也包括外部存储设备。所述存储器121用于存储所述计算机程序以及所述终端设备所需的其他程序和数据。所述存储器121还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中,应该理解到,所揭露的装置/终端设备和方法,可以通过其它的方式实现。例如,以上所描述的装置/终端设备实施例仅仅是示意性的,例如,所述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,RandomAccess Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
以上所述仅为本申请的较佳实施例而已,并不用以限制本申请,凡在本申请的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本申请的保护范围之内。
Claims (10)
1.一种柴油机气缸故障诊断方法,其特征在于,包括:
获取N个工作周期对应的N个所述柴油机气缸的冲击特征向量形成N个冲击特征向量,所述冲击特征向量基于预设冲击状态的冲击段数据的基本参数构建而成,所述基本参数包括所述冲击段数据对应波形的起始角、持续角、均方根和功率谱密度中的至少一项,所述预设冲击状态包括燃爆冲击状态、进气阀关闭冲击状态、排气阀关闭冲击状态、进气阀开启气流冲击状态和排气阀开启气流冲击状态中的至少一项,N为正整数;
将所述N个冲击特征向量中的每个所述冲击特征向量输入故障诊断模型,分别得到所述每个所述冲击特征向量对应的诊断结果;
当对应的诊断结果为异常的工作周期的数量超过周期阈值时,提示柴油机气缸工作异常。
2.如权利要求1所述的柴油机气缸故障诊断方法,其特征在于,所述将所述N个冲击特征向量中的每个所述冲击特征向量输入故障诊断模型,分别得到所述每个所述冲击特征向量对应的诊断结果之前,还包括:
构建特征阈值分析模型,所述特征阈值分析模型用于分析所述冲击特征向量中特征值的周期阈值大小,所述冲击特征向量包括M个所述特征值,M为正整数;
基于所述柴油机气缸的实时输出功率和所述特征阈值分析模型计算实时工况下的冲击特征向量检测阈值;
依据所述冲击特征向量检测阈值和基于产生式规则构建的诊断逻辑,建立所述故障诊断模型。
3.如权利要求2所述的柴油机气缸故障诊断方法,其特征在于,所述构建特征阈值分析模型,包括:
根据所述柴油机气缸在典型工况下与所述冲击特征向量中包含的各个特征值的历史数据样本构建各个特征值的正态分布图;
基于所述正态分布图和预设置信水平,计算各个特征值的上限阈值和下限阈值;
将所述各个特征值的上限阈值和下限阈值输入基于最小二乘法的估计线性模型中训练得到特征阈值分析模型。
4.如权利要求1至3中任一项所述的柴油机气缸故障诊断方法,其特征在于,所述对应的当诊断结果为异常的工作周期的数量超过周期阈值时,提示柴油机气缸工作异常,包括:
在预设时间段内,当对应的诊断结果为异常的工作周期的数量超过周期阈值时,提示柴油机气缸工作异常。
5.如权利要求1至3中任一项所述的柴油机气缸故障诊断方法,其特征在于,所述获取N个工作周期对应的N个所述柴油机气缸的冲击特征向量,包括:
获取所述柴油机气缸对应的目标振动数据;
以工作周期为单位,从所述目标振动数据中分离出与各个所述工作周期对应的冲击段数据,所述冲击段数据包括所述柴油机气缸处于燃爆冲击状态所对应的第一冲击段数据、所述进气阀处于关闭冲击状态所对应的第二冲击段数据、所述排气阀处于关闭冲击状态所对应的第三冲击段数据、所述进气阀处于开启气流冲击状态所对应的第四冲击段数据以及所述排气阀处于开启气流冲击状态所对应的第五冲击段数据中的至少一项;
根据所述工作周期的所述冲击段数据的基本参数构建与所述工作周期对应的冲击特征向量,得到与N个所述工作周期中的各个所述工作周期一一对应的N个所述冲击特征向量,所述基本参数包括与所述冲击段数据的波形对应的起始角、持续角、均方根和功率谱密度,N为整数。
6.如权利要求5所述的柴油机气缸故障诊断方法,其特征在于,所述以工作周期为单位,从所述目标振动数据中分离出与各个所述工作周期对应的冲击段数据,包括:
分离所述目标振动数据中的冲击响应;
以工作周期为单位,从所述冲击响应中提取所述冲击段数据。
7.如权利要求5所述的柴油机气缸故障诊断方法,其特征在于,所述获取所述柴油机气缸对应的目标振动数据,包括:
获取所述柴油机气缸对应的原始振动数据;基于所述原始振动数据的波形结构特征构造成的广义多尺度形态滤波器;
基于所述广义多尺度形态滤波器对所述原始振动数据进行滤波处理得到所述目标振动数据。
8.一种故障诊断装置,其特征在于,包括:
获取模块,用于获取N个工作周期对应的N个冲击特征向量,所述冲击特征向量基于预设冲击状态的冲击段数据的基本参数构建而成,所述基本参数包括所述冲击段数据对应波形的起始角、持续角、均方根和功率谱密度中的至少一项,所述预设冲击状态包括燃爆冲击状态、进气阀关闭冲击状态、排气阀关闭冲击状态、进气阀开启气流冲击状态和排气阀开启气流冲击状态中的至少一项,N为正整数;
故障诊断模块,用于将所述N个冲击特征向量中的每个所述冲击特征向量输入故障诊断模型,分别得到所述每个所述冲击特征向量对应的诊断结果;
提示模块,用于当对应的诊断结果为异常的工作周期的数量超过周期阈值时,提示柴油机气缸工作异常。
9.一种故障诊断设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述的方法。
10.一种可读存储介质,所述可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010379983.XA CN111595585B (zh) | 2020-05-08 | 2020-05-08 | 柴油机气缸故障诊断方法、装置、设备及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010379983.XA CN111595585B (zh) | 2020-05-08 | 2020-05-08 | 柴油机气缸故障诊断方法、装置、设备及可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111595585A CN111595585A (zh) | 2020-08-28 |
CN111595585B true CN111595585B (zh) | 2022-02-11 |
Family
ID=72189319
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010379983.XA Active CN111595585B (zh) | 2020-05-08 | 2020-05-08 | 柴油机气缸故障诊断方法、装置、设备及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111595585B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114544184B (zh) * | 2022-02-25 | 2024-06-04 | 湖南道依茨动力有限公司 | 故障诊断方法、装置、电子设备、存储介质及发动机 |
CN115640879A (zh) * | 2022-09-30 | 2023-01-24 | 广州明珞装备股份有限公司 | 气缸故障预测系统、预测方法、预测设备以及存储介质 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN2422450Y (zh) * | 2000-04-20 | 2001-03-07 | 华志成 | 内燃机配气机构 |
EP1407244A1 (en) * | 2001-06-26 | 2004-04-14 | Engines PDM Ltd. | Universal diagnostic method and system for engines |
CN1668833A (zh) * | 2002-04-08 | 2005-09-14 | 柴油发动机减震器有限公司 | 用于实现气阀可变驱动的紧凑型空动系统 |
CN101855440A (zh) * | 2007-11-07 | 2010-10-06 | 飞思卡尔半导体公司 | 汽车系统中的爆震信号检测 |
CN101868603A (zh) * | 2009-01-09 | 2010-10-20 | 丰田自动车株式会社 | 内燃机的异常检测装置 |
US20120167665A1 (en) * | 2010-12-31 | 2012-07-05 | Cummins Intellectual Properties, Inc. | System and method for monitoring and detecting faults in a closed-loop system |
CN104359685A (zh) * | 2014-11-24 | 2015-02-18 | 沈阳化工大学 | 一种柴油机故障识别方法 |
CN106609699A (zh) * | 2015-10-27 | 2017-05-03 | 成都奥克特科技有限公司 | 内燃发动机工作方法及硝化物发动机 |
CN108931294A (zh) * | 2018-05-22 | 2018-12-04 | 北京化工大学 | 一种基于多测点信息融合的柴油机振动冲击来源识别方法 |
CN110108494A (zh) * | 2019-05-14 | 2019-08-09 | 武汉理工大学 | 船用中速柴油机燃烧室部件常见故障在线监测诊断方法 |
CN110687896A (zh) * | 2019-10-24 | 2020-01-14 | 利维智能(深圳)有限公司 | 故障诊断方法、装置、设备及可读介质 |
-
2020
- 2020-05-08 CN CN202010379983.XA patent/CN111595585B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN2422450Y (zh) * | 2000-04-20 | 2001-03-07 | 华志成 | 内燃机配气机构 |
EP1407244A1 (en) * | 2001-06-26 | 2004-04-14 | Engines PDM Ltd. | Universal diagnostic method and system for engines |
CN1668833A (zh) * | 2002-04-08 | 2005-09-14 | 柴油发动机减震器有限公司 | 用于实现气阀可变驱动的紧凑型空动系统 |
CN101855440A (zh) * | 2007-11-07 | 2010-10-06 | 飞思卡尔半导体公司 | 汽车系统中的爆震信号检测 |
CN101868603A (zh) * | 2009-01-09 | 2010-10-20 | 丰田自动车株式会社 | 内燃机的异常检测装置 |
US20120167665A1 (en) * | 2010-12-31 | 2012-07-05 | Cummins Intellectual Properties, Inc. | System and method for monitoring and detecting faults in a closed-loop system |
CN104359685A (zh) * | 2014-11-24 | 2015-02-18 | 沈阳化工大学 | 一种柴油机故障识别方法 |
CN106609699A (zh) * | 2015-10-27 | 2017-05-03 | 成都奥克特科技有限公司 | 内燃发动机工作方法及硝化物发动机 |
CN108931294A (zh) * | 2018-05-22 | 2018-12-04 | 北京化工大学 | 一种基于多测点信息融合的柴油机振动冲击来源识别方法 |
CN110108494A (zh) * | 2019-05-14 | 2019-08-09 | 武汉理工大学 | 船用中速柴油机燃烧室部件常见故障在线监测诊断方法 |
CN110687896A (zh) * | 2019-10-24 | 2020-01-14 | 利维智能(深圳)有限公司 | 故障诊断方法、装置、设备及可读介质 |
Non-Patent Citations (2)
Title |
---|
Laplace小波相关滤波法与冲击响应提取;訾艳阳等;《振动工程学报》;20030331;第16卷(第1期);第67-70页 * |
根据瞬时转速与冲击信号诊断柴油机故障的方法;高志龙等;《噪声与振动控制》;20160831;第36卷(第4期);第156-160,182页 * |
Also Published As
Publication number | Publication date |
---|---|
CN111595585A (zh) | 2020-08-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Albarbar et al. | Diesel engine fuel injection monitoring using acoustic measurements and independent component analysis | |
CN108318129B (zh) | 桥梁结构模态参数真假甄别方法及终端设备 | |
CN111595585B (zh) | 柴油机气缸故障诊断方法、装置、设备及可读存储介质 | |
CN112629648B (zh) | 内燃机的点火正时控制装置 | |
CN106030273B (zh) | 爆震强度测量 | |
Zhang et al. | Intelligent diagnosis of V-type marine diesel engines based on multifeatures extracted from instantaneous crankshaft speed | |
Hu et al. | Multivariate statistical analysis strategy for multiple misfire detection in internal combustion engines | |
US11346316B2 (en) | Ignition timing control device for internal combustion engine | |
Shah et al. | Fault identification for IC engines using artificial neural network | |
Ahmed et al. | Fault detection of reciprocating compressors using a model from principles component analysis of vibrations | |
Ofner et al. | Knock detection in combustion engine time series using a theory-guided 1-D convolutional neural network approach | |
Liang et al. | Multi-sensor signals multi-scale fusion method for fault detection of high-speed and high-power diesel engine under variable operating conditions | |
CN115617010A (zh) | 一种基于视觉增强的燃气轮机传感器故障诊断方法及系统 | |
CN113689038B (zh) | 一种基于多传感器模糊评估的发动机气缸故障预测方法 | |
CN117009814A (zh) | 一种基于多源信息融合的发动机故障诊断方法及系统 | |
Li et al. | Classification of time-frequency representations using improved morphological pattern spectrum for engine fault diagnosis | |
CN105893673A (zh) | 一种基于振动加速度特征点辨识燃烧特征参数的方法 | |
Barelli et al. | Cylinders diagnosis system of a 1 MW internal combustion engine through vibrational signal processing using DWT technique | |
Siano et al. | A nonlinear black-box modeling method for knock detection in spark-ignition engines | |
CN111626144B (zh) | 冲击特征向量构建方法、装置、终端设备及存储介质 | |
Huang et al. | Monitoring of Valve Gap in Diesel Engine Based on Vibration Response Feature Extraction. | |
JP7349124B2 (ja) | 原動機の状態判断方法及び状態判断プログラム | |
Zhu | Detection of cylinder pressure in diesel engines using cylinder head vibration and time series methods | |
Kirillov et al. | Algorithmic method of analysis of time series data for definition of prognostic parameters of engine fault | |
Devasenapati et al. | Random forest based misfire detection using kononenko discretiser |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |